FDE 适合工程底子扎实、又愿意直接面对客户和业务的人;AI engineer 偏把 AI 能力做进产品;AI architect 偏设计整个系统怎么可靠运行。
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 要的是能自己改生产代码的全面工程师
材料里的观点FDE 的门槛首先是工程素养,其次才是 AI。Cresta 面试会保留一个不用 AI 写简单 Python 程序的环节,看的是变量命名、流程组织、测试意识、分层概念,而不是算法;没有工程素养的人做登录界面,可能前端看着能登录,关键逻辑却全塞在前端,用户改一下状态就能绕过1。所以适合这条路的人,通常是至少三年以上、本身就是好工程师的人,做过 founder、founding engineer,或有 consulting、customer-facing、谈信任的经历会加分1。它和 solution engineer 的区别在于:FDE 必须能自己上手改 production 代码,是产品的一部分,而不是在客户那边提个 ticket 让家里工程师改2。如果你只想做技术、不愿处理客户需求和冲突,这条路会别扭;反过来,想创业的人可以把它当训练营,练架构判断、客户理解和推进事情的能力1。
AI engineer 和 AI architect 的差别在负责一段执行还是整个系统
材料里的观点AI engineer 更接近把 AI 能力做进产品、负责一段具体执行的位置;AI architect 则负责设计整个系统如何用 AI 把结果做出来,价值不在亲手写多少代码,而在四件事:把模糊业务问题翻译成 AI 能消费的 context、设计 eval 和反馈回路、编排模型工具数据流程、判断什么该自动化什么该人工接管3。硅谷把这类角色也叫 Conductor,关键词同样是 orchestration,也就是编排4。它关心的不是单次输出质量,而是系统怎么长期运行、怎么接数据、怎么处理失败、怎么跨 context wall5。所以适合 AI architect 的人,是已经不满足于做一段执行、愿意为系统韧性和真实用户反馈负责的人;还在积累工程手感的人,先做 AI engineer 更自然。
这些材料主要讲 FDE 和 AI architect 的画像,对 AI engineer 的具体背景要求着墨较少,且 FDE 的招聘标准来自 Cresta 等公司,不一定适用于所有团队。
出处
- 1AI Agent 时代的 FDE:把模型能力落到真实业务里
FDE 人才画像最具体的一篇,含工程素养、agent 经历、工作年限和加分项。
- 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?
说清 FDE 与 solution engineer 的边界,即能否自己改生产代码。
- 3AI时代,大厂打工人的五条路
解释 AI engineer、AI architect 这类角色负责设计系统而非执行一段。
- 4AI时代的面试,三件事让公司对我求贤若渴?
可回到原文核对这部分判断
- 5AI产品的六个层次
AI architect 的完整能力清单,适合核对它到底要设计什么。
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
- ai会让哪些岗位更值钱?
AI 让“生成”变便宜后,更值钱的是能定义问题、设定约束、评估验收并对结果负责的人,而不是只会把执行做得更快的人。
- 如果工作一定会被ai替代那人到底应该做什么呢
被替代的往往不是人,而是你已经解决过的那层工作;该做的是把旧活尽快交出去,往更难的问题、更靠近真实需求和判断的位置走。
- ai时代engineer应该怎么转型,career path怎么计划
转型方向不是再补一门技术,而是从“为某项技能负责”转向“为业务结果负责”:能定义问题、编排 AI、做判断并对结果担责的人更难被替代。
- 在AI时代,我应该去做啥
立正的主张是:AI 时代不必急着换赛道,先把自己从“会用工具”推进到“能为结果收口”,同时用 AI 少做表演性劳动、多做可验证的成果。
- 职场普通打工人,在AI时代需要做什么?做个产品?自动化工作流?
先别急着做产品,普通打工人更该做的是把AI用进自己现有的工作流,并让自己靠近模型或付钱的用户,远离纯转述协调的中间层。
- 我想了解工作那个比较有未来
没有哪个工作天然更有未来;更可靠的做法是趁现在还有选择,把工资和AI带来的效率换成职位之外的选择权。