年薪达百万的岗位，在招聘平台上，以前述豆包招聘的岗位为例，其职位要求包括本科及以上学历，计算机、通信、人工智能等相关专业优先；具备扎实的编程基础(Python/Java等)，能够独立完成代码开发与调试，具备全栈开发能力；熟悉大模型技术原理，掌握大模型效果与性能评估方法，熟悉各类Post-Training技术；熟悉大模型相关产品API调用等。
对于FDE的前景，赖骏骋认为可以参考十年前移动互联网兴起时“产品经理”这个岗位的轨迹。“它大概火爆了五到十年，然后慢慢降温，我认为FDE也会经历类似的过程。但在这个过程中，一定会出现像张小龙、张一鸣那样顶尖的‘超级个体’，深刻地影响我们的生活。”
Yasha则更看重这个职位对创业的铺垫。“FDE看过太多成功和失败的案例，深刻理解用户痛点和项目落地的细节。AI时代创业的门槛越来越低，如果你有FDE的经历，你会很清楚市场上缺什么，自己该做什么产品。”
原本已经拿到哈佛大学录取通知书的Lawted，决定暂时把重心放在创业实践上，先抓住未来1到2年传统企业AI改造的窗口期。“因为AI速度太快了。原来做一套企业管理系统要一两年，花几百万。现在我们用AI编程，两个月就能交付一套定制系统。”
FDE实战：DeepSeek Harness + RAG + Agent + MCP 实战训练营
大模型实战专家—周红伟 法国科学院算法博士/前阿里人工智能专家/马上消金风控负责人
一、课程背景
面向中国移动、邮政、银行等政企技术交付人员，目标掌握大模型RAG、Agent、MCP连接器、Harness智能体平台，完成企业级AI项目从需求调研→原型开发→私有化部署→交付验收全链路FDE交付能力。
二、课程收益
- 掌握FDE完整交付方法论：建立政企AI项目闭环思维，从客户需求挖掘、方案评估、原型验证到私有化部署、安全合规、交付验收，不再只懂技术不懂客户交付。理解FDE与传统开发、售前、交付工程师的本质区别——“一个客户，多项能力，写生产代码，对结果负责”。
- 吃透DeepSeek Harness平台核心能力：熟练使用“一切皆插件”架构完成智能体编排、多Agent协作、人工节点配置，快速搭建业务智能应用。
- 精通RAG企业知识库工程化落地：掌握混合检索、文档清洗切片、Bad Case调优，能解决政企PDF/扫描件/Excel等多格式文档知识库落地难题。
- 掌握MCP连接器与Skills开发能力：理解MCP协议，可自主开发MCP Server、封装业务API，实现大模型和现有政企业务系统安全对接。
- 具备私有化工程交付能力：掌握容器打包、vLLM推理部署、监控日志、RBAC权限、提示注入防护、等保适配等政企项目必备安全合规能力。
- 学会项目成本与风险评估：能做算力规划、Token成本测算、ROI评估，提前识别数据、合规、算力类项目风险，管控客户预期。
三、目标学员
- 政企技术交付人员（中国移动、邮政、银行等）
- AI项目负责人、解决方案工程师、售前技术顾问
- 企业数字化/研发/交付团队中的FDE候选人
- 需要从“功能开发”转向“业务交付”的技术骨干
四、课程时长
5天（每天6小时，含实操）
五、课程大纲
Day 1：FDE角色重构与现场约束发现
核心目标：理解FDE的本质不是“技术开发”，而是“在客户约束内交付可运行的生产系统”；掌握政企现场的需求挖掘与约束识别方法。
模块一：FDE角色认知与能力模型
- FDE的本质：Palantir定义的“Delta”角色——为一个客户构建多项能力，写生产代码，对结果直接负责
- FDE与传统角色区别：不是售前（卖完就走），不是交付工程师（装完就走），不是产品经理（离现场太远）
- FDE三角能力模型：商业理解 × AI能力边界感知 × 工程交付力
- 政企FDE的特殊约束：物理隔离内网、等保三级合规、国产化适配、客户无公网访问权限
模块二：政企现场约束发现与需求切片
- 约束不是阻碍，是设计输入：区分“客户说的需求”“客户真正的问题”“现场实际的工作流”
- 从“要什么功能”转向“哪个环节最烦琐却不得不天天做”
- 需求切片方法：用价值闭环（降本/提效/风控）而非功能清单做优先级排序
- 政企场景典型切入点：合同审查、工单处理、制度问答、报表生成、巡检记录
实操产出：每组基于真实政企场景，输出一份“现场约束与需求切片表”
Day 2：DeepSeek Harness 智能体平台实战
核心目标：掌握Harness的“一切皆插件”架构，完成智能体编排与多Agent协作。
模块三：Harness核心架构与运行模式
- “Agent = Model + Harness”设计哲学：模型是灵魂，Harness赋予理解环境、使用工具、持续工作的能力
- 一切皆插件：模型、工具、技能、沙箱、存储、Agent循环均可替换重组
- 四种运行模式：标准模式（完整工具集）、PTC模式（代码组合多步调用）、极简模式（双工具基准测试）、创造模式（运行时插件实验）
- 实操：npx @deepseek-ai/dsh web 启动，配置模型API Key，跑通第一个只读任务
模块四：智能体编排与多Agent协作
- 仅追加会话日志：模型看到的全部内容可追溯、可恢复、可分叉
- 子Agent调度与上下文注入
- 人工节点配置：Human-in-the-loop的政企落地模式
- 实操：构建一个“制度问答+工单分类”双Agent协作流程
实操产出：一个可运行的Harness智能体原型（含会话日志回放）
Day 3：RAG企业知识库工程化
核心目标：掌握政企多格式文档的RAG落地能力，解决“检索不到”这一最大痛点。
模块五：RAG工程化核心：检索侧归因
- 核心认知：实际RAG项目中，约七成Bad Case根因在检索侧，而非生成侧
- 检索失败诊断框架：正确文档是否被召回？召回位置是否合理？切片是否破坏了语义？
- 评估先行：用RAGAS等框架建立量化基线，再做优化
模块六：政企文档处理实战
- 多格式挑战：PDF（含扫描件）、Word、Excel、PPT、内部Wiki
- 切片策略：结构优先+递归降级——按标题层级做父块、段落做子块，标题路径拼入块内容
- 混合检索：向量检索+关键词检索+元数据过滤
- Bad Case调优循环：召回测试→归因→调整切片/嵌入/检索策略→再测试
实操产出：基于政企文档样例搭建RAG知识库，完成一轮Bad Case调优
Day 4：MCP连接器与Skills开发
核心目标：理解MCP协议，开发可连接政企业务系统的MCP Server。
模块七：MCP协议与连接器开发
- MCP架构：Host（AI应用）→ Client → Server（暴露工具/资源/提示）
- 核心接口：ListToolsRequest / CallToolRequest
- 从REST API到MCP工具：封装政企业务系统的HTTP接口为标准化MCP工具
- 权限与审计：MCP调用的RBAC控制和日志记录
模块八：Skills封装与复用
- Skill vs Tool：Skill是更高层的业务能力封装
- Harness中的Skills机制
- 实操：将一个政企内部API（如工单查询、制度检索）封装为MCP Server，并在Harness中调用
实操产出：一个可运行的MCP Server + Harness调用验证
Day 5：私有化部署、安全合规与交付验收
核心目标：完成从原型到生产级的工程化交付，覆盖政企合规要求。
模块九：私有化部署工程
- vLLM推理部署：模型加载、GPU资源调度、并发优化
- 容器化打包：Docker镜像构建、内网镜像仓库推送
- 监控与日志：Token消耗监控、响应延迟、错误率告警
模块十：安全合规与等保适配
- 提示注入防护：输入过滤、工具调用白名单、输出审查
- RBAC权限模型：用户/角色/资源三级控制
- 等保三级适配清单：网络平面隔离、审计日志留存、数据加密
- 政企交付验收标准：功能验收、性能验收、安全验收、文档验收
模块十一：成本测算与项目风险管理
- Token成本测算模型：人均日消耗基线 × Agent放大因子 × 用户规模
- 算力规划：GPU选型、并发承载估算
- 风险识别清单：数据风险、合规风险、算力风险、组织协同风险
最终实操产出：每组完成一个完整的政企AI交付方案（含架构图、部署清单、验收标准、成本测算表）
五、课程特色
- 政企场景锁定：所有案例和实操均基于中国移动、邮政、银行等真实业务场景约束设计，而非通用Demo。
- Harness平台稀缺性：DeepSeek Harness开发者预览版2026年8月13日发布，市面上系统讲解Harness的课程极少，先发优势明显。
- “约束即内容”：将政企特有的物理隔离、等保合规、国产化适配从背景描述升级为教学内容本身。
- 全链路交付视角：从现场需求发现到交付验收，覆盖FDE完整工作流，而非单一技术栈教学。
六、课前准备
- 学员需携带笔记本电脑，预装Node.js环境
- 提前准备一个可用的DeepSeek API Key（或课程提供的测试Key）
- 每组准备一个真实的政企业务场景（用于贯穿5天的实操）
七、课程产出
- 现场约束与需求切片表
- 可运行的Harness智能体原型
- RAG知识库（含Bad Case调优记录）
- MCP Server + Harness调用验证
- 完整政企AI交付方案（含部署清单、验收标准、成本测算表）
