FDE 完整指南：角色、技能、轉職、作品集與面試
這份常青指南整理 Forward Deployed Engineer 的角色邊界、能力地圖、轉職路線、作品集與面試現實，並用動態目錄收錄系列文章，讓台灣工程師依目前階段找到下一篇該讀的內容。
目錄+
FDE 正在成為企業 AI 討論裡的熱門職稱，但它不是「學一套新框架就能高薪上岸」的捷徑。FDE = Forward Deployed Engineer，前線部署工程師：站在客戶問題、production 系統與產品團隊的交界，從需求探索一路負責到部署、採用與回饋。
OpenAI 的職缺把工作拆成 discovery、technical scoping、system design、build 與 rollout；Palantir 強調辨認客戶真正的問題、拆解 workflow，並在既有系統裡完成整合。這也解釋了為什麼同樣叫 FDE，不同公司的 coding 比例、出差頻率與績效指標可能差很多。
如果你是因為「現在去學 FDE，門檻低而且錢多」這類說法來到這裡，先把它視為職涯線索，不要當作市場保證。以下路線能幫你從職缺證據出發，判斷自己到底缺哪一塊。
依你現在的問題選閱讀路線
路線一：先認識角色
先讀「FDE 是否是工程師紅利」，理解職缺、薪資與門檻的樣本限制；再看 FDE、FDSE、Solutions Engineer、AI 顧問差在哪，比較角色在客戶階段、交付責任與 coding 深度上的差異。
適合還在問「這是不是換名字的售前」或「FDE 到底算工程還是顧問」的人。
路線二：準備轉職
先用 FDE 能力地圖盤點 production coding、系統整合、LLM eval、需求探索與採用能力，再進入前端、Java／企業後端、DevOps 三條 90 天路線。
重點不是把履歷上的舊技術全部歸零，而是把它們翻譯成 FDE 能驗證的成果：接上真實系統、處理權限與失敗路徑、讓使用者願意採用。
路線三：準備求職
用一個企業客服工單 copilot 做完整作品集，再讀面試與工作現實。前者回答「你能不能交付 production 導入」，後者回答「你願不願意承擔模糊需求、出差與頻繁切換情境」。
這條路線適合已具備工程基礎、需要把能力變成可展示證據的人。
FDE 系列完整文章目錄
下方目錄依 seriesOrder 自動排序，並排除本篇入口。開發環境會顯示草稿；production 只會列出已公開文章。未來新增內容不必手動修改這份清單。
Living index
FDE 職涯路線圖
目前收錄 6 篇- 01FDE 是下一個工程師紅利嗎？先別放棄 Java 與前端一則熱門貼文把 FDE 說成低門檻、高薪的新紅利。本篇用 OpenAI、Palantir、Harvey 等官方職缺逐項查證，說明哪些訊號是真的、哪些被過度延伸，以及 Java 與前端能力如何轉成企業 AI 導入優勢。
- 02FDE、FDSE、Solutions Engineer、AI 顧問差在哪？FDE、FDSE、Solutions Engineer 與 AI 顧問常被混用，但 coding 深度、介入客戶的階段、交付責任與績效指標並不相同。本篇用官方職缺拆解四種角色，提供比職稱更可靠的判讀方法。
- 03FDE 能力地圖：程式、需求、部署與客戶溝通FDE 不只是會寫程式或會跟客戶開會。本篇把 production coding、系統整合、LLM eval、需求探索、部署、採用與溝通拆成可自評的能力地圖，並說明該用什麼成果補足缺口。
- 04前端、Java／企業後端、DevOps 工程師怎麼轉 FDE？前端、Java／企業後端與 DevOps 工程師不必清空原有技術棧。本篇依三種背景整理可沿用能力、關鍵缺口與 90 天實作路線，目標是交出一個可部署、可評估、能說明客戶成效的 FDE 案例。
- 05FDE 作品集怎麼做：一個能進 Production 的 AI 導入案例別再用聊天介面截圖當 FDE 作品集。本篇以企業客服工單 copilot 為案例，逐步設計權限、資料整合、eval、人工審核、部署、監控、回復與成效驗證，讓作品能回答 production 現場真正關心的問題。
- 06FDE 面試與工作現實：高薪、出差、模糊需求與職涯出口FDE 面試不只考演算法，也會檢查問題拆解、系統設計、客戶溝通與 production 判斷。本篇整理官方招聘流程、高薪樣本的正確解讀、出差與情境切換，以及未來回到產品或工程職涯的條件。
看職缺時，先檢查這五件事
| 檢查項目 | 你要找的證據 | 常見誤判 |
|---|---|---|
| 交付範圍 | 是否寫到 build、deploy、rollout | 只看到「與客戶合作」就認定是 FDE |
| 程式深度 | 是否負責 production code、API、資料與測試 | 把 demo 或設定工具等同完整工程交付 |
| 成功指標 | 是否看採用率、workflow impact、上線品質 | 只看成交或簡報數量 |
| 現場條件 | 出差、時區、on-site 與客戶數量 | 只比較年薪，不計工作型態 |
| 市場樣本 | 國家、職級、日期與公司類型 | 用一個美國資深職缺推導台灣平均 |
截至 2026 年 8 月，OpenAI 西雅圖 FDE 的官方年薪區間為 USD 162,000–280,000，另有股權，且職缺要求最多 50% 出差與 5 年以上相關經驗。這是美國特定城市、單一公司、特定職級的資料，不是全球或台灣市場平均。Palantir 同時有 early-talent 的 FDSE 路線，代表門檻不能只用一個數字描述。
台灣目前可見的相關職缺也未必直接叫 FDE。例如 Tricuss 在 2026 年 7 月更新的職缺，把 FDE、Solutions Architect 與技術顧問經驗並列，要求 LLM API、Agent、RAG、REST／GraphQL、雲端與 Docker／Kubernetes。它能證明本地有相似需求，卻不足以推導整體薪資或職缺規模。
系列的使用原則
本系列的 90 天安排、自評表與作品集規格，是根據官方職缺責任整理出的實作路線，不是錄取保證。薪資會標註幣別、地區、職級與查詢日期；台灣段落只說明當下可觀察的技能需求，不把少量職缺包裝成市場平均。
如果你最後發現自己更喜歡長期維護單一產品、低出差或明確 roadmap，那也不是失敗。FDE 是一種工作設計，不是工程師進化的唯一終點。
常見問題
FDE 一定是 AI 工程師嗎？
不一定。Forward Deployed Engineer 的核心是把技術帶進真實客戶流程；AI 公司會強調模型、eval 與資料整合，資料平台或 SaaS 公司則可能更重視既有系統、API 與部署。
台灣工程師要先找到 FDE 職稱才能轉職嗎？
不用。Solutions Engineer、Implementation Engineer、AI 導入顧問與技術顧問也可能包含相似工作。應先比較實際責任，再用可運行案例證明能力。
這個系列會持續更新嗎？
會。後續文章只要使用 fde-career-roadmap 系列名稱並設定 seriesOrder，就會自動加入本頁目錄；職缺與薪資引用也會保留市場與查詢日期。