FDE 学习园地

能，而且懂业务的人反而更有优势。FDE（半职/业务骨干路线）的核心能力是"懂业务 + 工程思维"——能把一件事的输入、输出、边界、失败处理定义清楚，并把老手经验变成可复用的规则，这不等于写代码。现代 AI 工具链让很多部署工作用配置和自然语言就能完成。你缺的通常不是编程，是"把用法变成流程"的习惯。
注：专职工程师转型另有技术栈路线，不在本站范围。

想入门 FDE、从零开始学，别一上来啃技术栈，分三步走：①应用期——先把自己的日常文书工作 AI 化，摸清它擅长什么、哪不可靠；②流程期（分水岭）——挑一个重复流程，把老手做法写成规则+范例，让同事照着也能出同质量的活；③资产期——把流程沉淀成有版本、有负责人的技能库。判据不是学了多少课时，而是"一个流程离了你也能跑"。可对照本页三级能力模型自测，或先做 30 秒自测。
注：另有一条重技术栈的专职工程师路线（学 Python/Docker/RAG 等）；本站讲的是懂业务的人也能走的半职路线。

FDE 是目前增长最快的 AI 岗位之一（公开报道的岗位需求年增速达数百个百分点），薪资普遍高于传统开发岗。但要分清两条路：外部专职岗正在变卷——大量"零基础速成"培训在挤进来；对懂业务的人，更稳的机会是在自己公司里成为那个具备 FDE 能力的骨干，这种需求是结构性的、不易被速成班替代。薪资与外聘参考价见 该给自己培养的 FDE 加多少钱。

四项核心：①工程思维——把业务问题定义清楚（输入/输出/边界/失败处理）；②提炼——把老手经验写成书面规则和范例库；③质检——能设验收标准（什么算合格、错了怎么办）；④数据纪律——知道什么能进 AI、什么不能。编程是加分项，不是门槛。

交付物不同：实施顾问交付"系统上线"，售前交付"打动客户的方案"，FDE 交付"AI 流程在业务里真的跑起来、离了他也能跑"。最本质的区别在知识去向——顾问对业务的理解随人离开，FDE 把它沉淀成留得下的组织资产。

对懂业务的人，入门门槛比想象低：你已有的业务理解正是 FDE 最值钱的部分，缺的只是"把用法变成流程"这一步。真正难的不是入门，是从"我自己会用"跨到"别人照着规则也能出同质量的活"这道分水岭。产品、运营、实施、业务骨干都是好起点。

外聘专职 FDE 在海外和头部大厂都很贵、岗位量近年激增；但对多数中小企业，更现实的形态是让业务骨干半职承担、按能力津贴+项目奖计酬，不必按市场价。具体薪酬区间和外聘参考价，见 该给自己培养的 FDE 加多少钱。

FDE 是"用 AI 的人"，不是"被 AI 替掉的活"。AI 越强，把它落进具体业务、定义好边界和验收、让它稳定干活的人就越稀缺——这是 AI 时代少数越自动化越值钱的角色之一。

提示词工程师优化的是单次对话的输入；FDE 交付的是能重复运行的业务流程。写好一个提示词是起点，把它变成有输入规范、有质检、有交接口径、别人也能用的流程资产，才是 FDE 的工作。

需要工程思维，不一定需要深度编程。现代 AI 工具链让很多部署工作可以用配置和自然语言完成，但 FDE 必须能定义清楚输入、输出、边界和失败处理——这是工程思维，比语法更重要。

多数中小企业不需要专职岗位，需要的是让一两个懂业务的骨干具备 FDE 能力——半职化承担。判断标准：当企业里有人在用 AI 但没人负责把用法变成流程时，就是需要 FDE 能力的时候。

AI 产品经理定义要造什么产品；FDE 把已有的 AI 能力落进已有的业务。前者面向产品路线图，后者面向一家具体企业的具体流程——FDE 的交付物是跑起来的流程，不是需求文档。

从盘点开始：找出企业里已经在用 AI 的人和最重复的文书流程，让前者把后者做成第一个可复用的技能。跑通一个，再复制到下一个流程——不要一上来做“全员 AI 转型”。