FDE 的真实工作：40+ 次落地后，最难的不是写代码，是上下文提取

如果你以为 Forward Deployed Engineer（FDE）就是”被派到客户那儿写代码的程序员”，那就大错特错了。一位做过 40 多次 FDE 落地项目的从业者在 X 上分享了血泪经验，结论出人意料：FDE 最难的部分根本不是写代码，而是”上下文提取（Context Extraction）”。

FDE 是”三合一”的岗位

原文一针见血地指出，FDE 听起来是个工程岗，实际上是三份工作合在一起：

• 咨询（Consulting）：判断该在业务的哪个环节动手；
• 产品（Product）：决定到底要做什么；
• 工程（Engineering）：搞定怎么做。

而真正困难的，是前面两份——也就是”写代码之前的所有事”。

“写代码”已经是最简单的部分

作者说得很直白：

多亏了 Claude Code、Cursor 等编码 agent，写代码现在是最容易的部分。难的是写代码之前的一切。

难在哪？难在上下文：

1. 从客户那里”提取”上下文。客户的关键信息往往散落在不同的人、不同的工具里，没有人能完整说清楚业务到底怎么运转。
2. 在上下文不存在时”创造”它。很多时候，连客户自己都没把流程梳理清楚，FDE 得帮他们从零建立。
3. 然后才是用这些上下文去判断该构建什么，并与 AI 协作完成架构与开发计划。

用作者的话说：“FDE 把每家公司内部的混乱与未知，变成真正交付上线的 AI 应用。”

为什么这事关 AI 公司的万亿估值

这位作者还点出了一个更大的商业逻辑：为什么每家大 AI 公司都在建 FDE 团队？

• 目前 Cursor、Claude Code 主要服务专业工程师市场；
• 但编码 agent 的总可服务市场（TAM）其实近乎无限——几乎每个岗位都能从”写代码”中受益，只是过去太贵了；
• FDE 正是从”技术市场”通往”非技术市场”的那座桥，而后者大得多。

值得注意的是商业模式的微妙之处：这些公司做 FDE，赚的不是服务费，而是后续的 token 消耗与订阅。对投资人而言，可规模化的”技术收入”才有意义，服务收入只是敲门砖。作者团队甚至预判：”每家编码 agent 公司最终都会把自己的 FDE 团队自动化、产品化——所以我们决定，在别人替我们做之前，先自己取代自己。”

给想做 FDE 的人的启示

如果”写代码”不再是壁垒，那 FDE 真正的竞争力是什么？

• 结构化提取信息的能力：能从一团乱麻的访谈、文档、工具里，还原出业务的真实运转逻辑；
• 业务嗅觉：判断在哪里下手能产生最大价值；
• 与 AI 协作的工程化能力：把上下文转化为架构和开发计划，让编码 agent 高效执行。

一句话：在 AI 时代，能”问对问题、理清上下文”的人，比”能写代码”的人值钱得多。

---

来源：本文综合自 X 平台 @mfishbein 关于 40+ 次 FDE 落地经验的长推文（核心观点：”最难的是上下文提取”、”FDE 是咨询 + 产品 + 工程的三合一”）。观点经重新组织与点评，原文归作者所有。