01
Discovery：理解现场
和业务人员一起观察流程、约束、数据和真正的损耗，区分表面需求与核心问题。
产出：问题定义、流程边界和成功指标
FDE 学习路线
FDE：把工程能力放到业务前线。
FDE（Forward Deployed Engineer，前置部署工程师）不是传统意义上的前端工程师，也不是只写方案的咨询顾问，而是和业务一起发现问题、设计方案、快速构建、部署上线并持续沉淀的人。
OPC / FDE / AI
FDE 的核心价值在于把业务上下文、工程能力和生产结果连在一起。AI 编程会放大这种能力，但不能替代问题判断和交付责任。
面向真实问题
从发现做到上线
把一次性交付变成能力
先把角色说清楚
FDE 不是“会用 AI 的程序员”。
FDE 的核心价值在于把业务上下文、工程能力和生产结果连在一起。AI 编程会放大这种能力，但不能替代问题判断和交付责任。
FDE 的工作闭环
从问题发现，到生产结果，再回到下一次交付。
学习 FDE 不应该从背职位定义开始，而应该从一次完整的小型交付开始。
02
Scoping：设计可落地方案
把问题拆成数据、权限、流程、接口和人工协作，明确第一版应该做什么、不做什么。
产出：方案、任务拆解和风险清单
03
Build：快速构建可用版本
使用 AI 编程、Agent 和现有系统完成最短路径的实现，让业务尽早看到并参与验证。
产出：可运行原型或生产候选版本
04
Deploy：上线并推动采用
处理部署、权限、培训、反馈和异常，让系统进入真实工作，而不是停留在演示环境。
产出：生产使用、度量数据和问题清单
05
Reflect：沉淀与复用
复盘哪些做法可以标准化、哪些需求值得进入产品，并把经验交给下一次交付。
产出：案例、SOP、模板和可复用能力
适合谁
FDE 是一条连接业务和技术的能力路线
不论你来自业务、产品、工程还是 OPC，关键是愿意对真实结果负责，并持续补齐另一侧的能力。
学习资料
从一套完整材料开始练习
先建立概念，再用真实项目和 AI 编程把概念变成手上的交付能力。
开始练习
带着一个真实业务问题来学 FDE。
学习的终点不是记住一个岗位名称，而是能够把问题带到生产环境，并留下下一次可以复用的东西。