FDE 是驻场到客户公司、亲手把产品用进对方业务里的工程师;餐饮+AI 的自学路径,重点不在先学会编程,而在先找到一个真实餐馆的具体问题并亲手解决它。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
FDE 是驻场动手解决问题的人
材料里的观点FDE 全称 Forward Deployed Engineer,直译是“前置部署工程师”。它和普通工程师的区别在于工作地点和职责:不是坐在自己公司写通用功能,而是进到客户公司里,端到端地把产品用起来、解决对方生产线上的具体问题1。判断一个人算不算 FDE,关键看他能不能自己上手改生产代码,而不是在客户现场提个工单让后方同事改;能自己动手的才是 FDE,只做指导的属于 solution engineer2。这个岗位之所以在 AI 时代受关注,是因为模型能力很强,但大多数传统行业没有能把它落地的人,FDE 的作用就是把面对业务方的不确定性变成确定性3。
餐饮+AI 的起点是餐馆的真实问题
AI推演你提到不会编程、非 CS 背景,这不妨碍起步,因为 FDE 型能力的核心不是技术深度,而是能不能把某个行业的具体问题解决掉。立正讲过他自己 build product sense 最重要的经历,是亲手去卖菜、帮餐馆做网站,让市场直接给反馈,从而学会从用户和产品负责人的角度想问题:价值在哪、收入从哪来、成本怎么降4。放到你身上,可以先选一家你够得着的餐馆,找出一个它真正头疼的环节(比如菜单更新、外卖对账、排班),用现成 AI 工具或 codex 做一个能跑的小东西给它用。你不必先成为程序员,先成为“能解决这家店问题的人”。
付费客户来自结果,不来自技术复杂度
AI推演你希望在上海、日本、加拿大或香港找到付费客户,这里有个容易被忽略的条件:FDE 模式在北美相对容易成立,因为人工成本高、企业习惯为结果付费、SaaS 采购成熟,ROI 好算;国内人工成本低、付费习惯不同,同样的做法可能退化成传统项目外包5。所以“餐饮+AI”能不能收费,取决于你所在市场是否愿意为一个明确结果买单,而不是你的方案有多复杂。市场只认价值,不认辛苦,复杂不等于值钱6。可以先拿一个最小成果去试探:帮一家店解决一个问题后,问对方愿不愿意为此付钱、付多少,这个反馈比继续学技术更能告诉你方向对不对。
材料里没有专门讲“餐饮+AI”这个组合,上面的应用是把 FDE 和做生意的判断迁移到你的处境,具体市场条件仍需你自己在当地验证。
出处
- 1简历都被 AI 改得越来越像,招聘为什么反而更失灵?|Jobright联合创始人Ethan
可回到原文核对这部分判断
- 2学术界火了十年的Graph数据库,为什么等到 AI 才开始落地?|向量数据库为什么是死胡同?|纯技术创业有多爽?
给出 FDE 与 solution engineer 的区分标准:能否亲手改生产代码。
- 3FDE(Forward Deployed Engineer)是眼下最火的岗位,请一位真正的内行人来全面讲解一下
解释 FDE 为什么在 AI 时代重要,以及它如何把业务方的不确定性变成确定性。
- 4读博期间的卖菜故事|创业对工作的启发【中文字幕】
立正讲自己靠亲手卖菜、帮餐馆做网站练出产品感的经历,最贴近你的起步方式。
- 5AI Agent 时代的 FDE:把模型能力落到真实业务里
说明 FDE 模式依赖市场条件,帮你判断上海与其他市场能否收费。
- 6AI时代,大厂打工人的五条路
可回到原文核对这部分判断
追问2026年10月8日
如果完全不会编程,用 codex 帮餐馆做第一个小工具,应该从哪类问题入手最容易验证?分别计算所需的时间和难度?
从餐馆里最烦、最重复、又不用对接支付和账号的那件事入手,比如把订单按菜名汇总给厨房;这类小工具几天能做出第一版,但真正难的是做出来之后长期维护。
先挑不碰钱和账号的重复活
餐馆里最容易验证的,是那种每天都要手工做、做错了当场就能看出来、又不涉及收款和会员权限的活。东宁顺的案例里,团队给餐馆做的小工具就是自动开关下单时间、把订单按菜品汇总给厨房、按客户名给前台打包、按地址给司机排顺序1。这些活的好处是:做对了厨房和前台立刻知道,做错了也立刻暴露,不需要等一个月看数据。反过来,支付、退款、会员权限这类东西,即使功能写出来,也要面对付款失败、重复账号、状态互相碰撞的情况,判断正确行为本身就是长期负担2。所以第一个工具应该避开这些,先做“汇总和排序”这一类。
几天能出第一版,但别按第一版估总时间
AI推演如果需求已经说清楚,AI 可以把几周的开发压到几天甚至几小时2,所以一个只做汇总的小工具,第一版几天内做出来是可能的。但同一份材料提醒,前面九成是 demo,最后那一成才算产品,而且做出来之后还要有人持续负责它在现实变化中一直是对的2。对不会编程的人,这个落差更明显:第一版跑通之后,你才会发现原来没想到的情况,比如临时加单、菜品改名、有人重复下单。所以更实际的估法是——先按几天做出能演示的版本,再留出比这更长的时间处理真实使用中冒出来的问题。
验证的不是代码,是有人愿意为它开口
AI推演你真正要验证的是:餐馆愿不愿意为这件事付钱。赚钱被当作一门要练的手艺,卡住的地方往往不是价格,而是对方对你收钱动机的疑虑,以及你自己开口要钱的那一步3,4。所以第一个工具做完后,值得做的一件事是拿给餐馆老板看,然后直接问他要不要为这个付一点钱——哪怕很少。他的反应会告诉你两件事:这个工具是不是真的省了他的事,以及他信不信你。这比继续加功能更能帮你判断下一步该做什么。
材料里的餐馆案例是2020年疫情期间的自建网站,工具形态和现在的 codex 用法不完全对应;具体几天做完,取决于你选的那件事有多复杂,材料没有给出可直接套用的工期。
出处
- 1餐饮业疫情下自救指南 | 一个中餐馆自建网站的案例 | 餐馆网站下单流程和后台管理示范
看餐馆小工具具体做了哪几件事,适合判断第一版该从哪类活入手。
- 2Don't build: 看清demo和production之间的鸿沟
理解 demo 和产品之间的差距,以及为什么不能按第一版估总时间。
- 3第19课|赚钱不是结果,而是技能,它包括……
核对赚钱作为技能的说法,以及为什么开口要钱这一步最难。
- 4第20课|想赚钱?如何改变空想付诸行动?
看从抗拒收费到真正开始收费的心态转变,适合判断自己卡在哪。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 数据分析师学习什么才能不被淘汰
把重心从“会用工具”转到“能定义问题、创造业务价值、影响决策”,并把 AI 当作放大这些能力的系统来用。
- ai能很容易的建立nlp框架来分析情感或者评论主题,那我还需要学习nlp基础么?
如果目标只是跑通情感分析或评论主题,AI 确实能大幅降低门槛;但要不要学 NLP 基础,取决于你是否需要判断结果对不对、在什么场景下失效。
- 我如果要进行这个创业 我该从什么地方开始?
先别急着做产品,先想清楚谁会在什么情况下付钱、你怎么触达他们;再结合你独有的经验和理解选赛道。
- 我是项目管理,现在有很头疼的点在于项目经历了3代,有很多的技术问题遗留,而且有很多问题都是不知道结果或者进度,以及后续的技术方向。很多信息都掌握在老的PM手上,我无从得知。我很多精力都投入到把模块搭建起来却没有很好的理解模块运行的逻辑和机构的动作,节拍这些细节内容
先把“不知道”变成可追踪的风险清单,再向能补历史信息的人定向索取;同时用“结果+进度+风险”而非“我做了123”来汇报,把模块逻辑和节拍作为要补的技术功课单独立项。
- 立正说codex用了他硬盘300g
现有材料只能确认:立正账号下的一篇文章写到,本机 Codex 目录约 326GiB,清理后降到约 15GiB;文中没有出现“300G”这个说法。
- 要不要学习ai漫剧ai短视频制作
值得学,但要把目标定在“关掉AI还能判断和做出东西”,而不是学会一套生成流程。AI漫剧和短视频的门槛正被工具拉低,稀缺的是选题、剪辑判断和验收标准。