@jerryjliu0：FDE工作的未来似乎与围绕评估/后训练/RL环境的所有工作密切相关。FDE实际上负责…

X AI KOLs Following 新闻
forward-deployed-engineers evals rl-environments agentic-workflows posttraining ai-agents

摘要

Jerry Liu 分享了关于外派工程师（FDE）工作将如何转向定义目标、环境和评估，而自动化优化流程负责战术执行的想法。

FDE工作的未来似乎与围绕评估/后训练/强化学习环境的所有工作密切相关。 FDE实际上负责以下事项： 1. 定义业务问题。 2. 将业务问题转化为评估标准和环境。 3. 在环境中进行爬山式优化，并输出一个能解决该业务问题的智能体/智能体工作流。 目前，（3）的过程还相当手动——历史上FDE会花费数百小时来创建定制软件/工作流以解决问题。 但假设智能是充足的，他们可以有效地将（3）交给某个自动化优化过程。这包括在模型层进行强化学习，以及使用Claude Code/Codex来优化测试框架/工作流。 那么，FDE的职责就从执行任务转变为定义正确的目标和结果。换句话说，他们可以访问 /goal，而他们的工作更多是确保目标、环境和评估是正确的，而不是关注具体的战术实现细节。
查看原文
查看缓存全文

缓存时间: 2026/08/09 05:18

FDE工作的未来似乎与evals/posttraining/RL环境相关的所有工作紧密相连。

FDE实际上负责以下事项：

  1. 定义业务问题。
  2. 将业务问题编码为评估标准和环境。
  3. 优化环境并输出能够解决业务问题的agent/agentic工作流。

目前第(3)步的过程相当手动——历史上FDE会花费数百小时创建定制软件/工作流来解决问题。

但假设智能是充足的，他们可以有效地将第(3)步外包给某种自动化优化过程。这包括模型层的RL，以及使用Claude Code/Codex来优化harness/工作流。 那么FDE的责任就从实现任务转变为定义正确的目标和结果。换句话说，他们可以访问/goal，他们的工作更多是确保目标、环境和评估是正确的，而不是关注战术性的实现细节。

相似文章

@ba_niu80557: https://x.com/ba_niu80557/status/2069042546886787419

X AI KOLs Timeline

本文深入探讨了 Forward Deployed Engineering (FDE) 在 AI 落地中的真正含义，强调 FDE 并非简单的 API 调用或搭建 Agent，而是面向生产落地的系统工程，包括业务翻译、系统设计、平台整合、生产运营和能力沉淀。