从 COZE 到 FDE：我用低代码搭建创意写真馆，发现了硅谷增长最快工种的核心能力
前言
最近在 COZE 上搭了一个"创意写真馆"的 AI 工作流，用户上传照片、选择风格（毛毡、粘土、积木、美漫、玉石），AI 自动生成对应风格的写真图。
搭完之后我越想越觉得有意思 — 这个过程，和硅谷现在增长最快的工种 FDE（Forward Deployed Engineer，前沿部署工程师） 做的事情，本质上是同一件事。
这篇文章就聊聊：什么是 FDE，为什么它能年增长 1165%，以及我从一个 COZE 项目里窥见了哪些 FDE 的核心能力。
一、FDE 是什么？
FDE 最早由 Palantir 提出并命名，中文叫"前沿部署工程师"。
一句话概括：嵌入客户现场，写生产代码，确保 AI 系统真正落地到业务里的工程师。
它不是销售工程师（不背销售指标），不是解决方案架构师（不做完 PPT 就走），而是工程能力 + 客户沟通能力的复合型角色。
几个关键数据
- 2025 年 FDE 岗位同比增长 1,165%，是硅谷增长最快的工种
- 中位薪资 350K+
- 70% 的岗位提供股权，0% 有销售配额 — 这是工程岗，不是销售岗
- 58% 的岗位在 11-200 人的成长期 AI 创业公司
OpenAI 成立了专门的 FDE 公司 Tomoro；Anthropic 联合高盛、黑石成立了 AI 服务公司。行业从"拼模型能力"转向"谁能把 AI 真正落地到企业业务里"。
FDE 的三种类型
| 类型 | 占比 | 特征 |
|---|---|---|
| Builder FDE（主流） | 60% | 嵌入客户团队，写生产代码，70-90% 编程 |
| Sales Engineer+ | 30% | 偏售前支持，做 demo/POC，写少量代码 |
| Internal Tools Builder | 10% | 做内部 GTM/RevOps 工具，不接触外部客户 |
FDE 的核心工作内容
- 理解客户的业务流程
- 识别哪些环节适合用 AI 改造
- 打通企业内部的数据、权限、系统、工具
- 确保这些 AI 系统在生产环境稳定运行
FDE vs 销售工程师
| 维度 | FDE | 销售工程师 |
|---|---|---|
| 目标 | 生产部署成功 | 成交 |
| 写代码 | 写生产代码 | 做 demo/配置 |
| 薪酬结构 | 基薪 + 股权 | 基薪 + 佣金 |
| 考核指标 | 系统稳定性、客户采纳率 | 成交率、销售额 |
| 工作结束点 | 系统稳定运行 3 个月后 | 签约后交棒 |
二、我在 COZE 上搭的"创意写真馆"
什么是 COZE
COZE（扣子）是字节跳动推出的 AI Bot 开发平台，允许用户通过可视化拖拽的方式搭建 AI 工作流（Workflow），无需写代码即可构建智能体应用。
核心特点：
- 可视化 Workflow 编排 — 拖拽节点、连线，构建业务逻辑
- 插件生态 — 可调用大模型、图像生成、API 等能力
- Bot 发布 — 一键部署到微信、飞书、网页等渠道
我搭建的工作流
开始（用户输入图片 + 选择风格）
→ 选择器（根据 style 值分分支）
→ style=1 → 毛毡风格
→ style=2 → 粘土风格
→ style=3 → 积木风格
→ style=4 → 美漫风格
→ 默认 → 玉石风格
→ 文本处理（拼装结果）
→ 结束（输出转换后的图片）
用户上传一张照片，选择想要的风格，AI 自动生成对应风格的写真。
看起来是个简单的 C 端小工具，但搭建过程中我意识到：这个过程和 FDE 做的事情，底层逻辑完全一致。
三、COZE 项目 × FDE 能力：一张对照表
| FDE 工作内容 | 我在 COZE 中做的事 |
|---|---|
| 理解客户业务流程 | 梳理了"用户上传照片 → 选风格 → 得到创意写真"的完整链路 |
| 识别哪些环节适合用 AI | 图片风格转换是典型的 AI 能力（图像生成模型） |
| 打通数据和工具 | 在 COZE 中串联了用户输入、风格选择、图像处理、结果输出 |
| 确保生产环境跑起来 | 搭建了完整 Workflow，可直接发布使用 |
| 处理边界情况 | 设计了默认分支（未选择风格时走玉石风格） |
你在做的事情就是 FDE 的缩小版 — 用 AI 工具解决一个具体的业务场景，从需求理解到落地交付。
四、FDE 需要什么能力？从 COZE 项目反推
1. 业务理解能力（47% 的岗位明确要求）
FDE 的第一步不是写代码，而是理解客户的业务。你的 COZE 项目能跑起来，前提是你想清楚了"创意写真"这个场景的用户是谁、需求是什么、流程怎么走。
2. AI 能力选型
FDE 需要知道什么问题用什么 AI 能力解决。你在 COZE 中选择图像生成模型来做风格转换，而不是用大模型做图片处理 — 这就是选型能力。
3. 系统串联能力
FDE 的核心工作是把 AI 能力和企业系统打通。你在 COZE 中用选择器节点做条件分支、用文本处理节点拼装结果 — 这就是在做"系统集成"。
4. 全栈思维
FDE 岗位要求 Python（66%）、TypeScript（35%），是全栈能力。COZE 虽然是低代码，但你需要理解前端（用户交互）、后端（逻辑编排）、AI（模型调用）的整体架构。
5. 客户沟通能力
FDE 要向非技术 VP 解释技术方案。你的 COZE Bot 就是一个"客户界面" — 用户不需要懂 AI，只需要上传照片、选风格，就能得到结果。好的 FDE 让复杂的技术对用户透明。
五、从 COZE 到 FDE：下一步怎么走
如果你也在用 COZE 或类似平台做 AI 项目，可以考虑这样升级：
阶段一：C 端原型（你现在的位置）
- 用 COZE 搭建 AI 工作流
- 验证业务场景是否成立
- 积累"理解需求 → 选择 AI 能力 → 搭建系统"的思维模式
阶段二：B 端场景
- 把同样的能力用到企业场景：智能客服、文档处理、数据分析
- 学习 Python，能写生产级代码
- 了解 RAG（检索增强生成）、AI Agent 等架构
阶段三：FDE
- 嵌入客户团队，解决复杂的企业级 AI 落地问题
- 月薪 350K，70% 有股权
- 需要出差（50-75%），但能在短期内接触多个行业
六、总结
| 维度 | COZE 创意写真馆 | FDE（前沿部署工程师） |
|---|---|---|
| 本质 | 用 AI 解决一个 C 端场景 | 用 AI 解决企业级业务问题 |
| 用户 | 个人消费者 | 企业客户 |
| 复杂度 | 单一 AI 能力（图像生成） | 多系统集成、生产环境部署 |
| 核心能力 | 理解需求 + 选型 + 搭建 | 业务理解 + AI 选型 + 工程落地 + 客户沟通 |
| 薪资 | 个人项目/副业 | 350K+ |
FDE 不是一个高不可攀的角色，它本质上就是"懂业务的 AI 工程师"。
你在 COZE 上搭的每一个项目，都在锻炼 FDE 的核心能力：理解需求、选型 AI、搭建系统、交付结果。
区别只在于规模和复杂度 — 而这个，是可以随着时间积累的。
