FDE 学习路线：24 周标准路线
本页所说的 FDE，是 Forward Deployed Engineer（前沿部署工程师 / 前线部署工程师），不是 Full Disk Encryption（全盘加密）。这不是一张“学完技术名词就能应聘”的清单：岗位核心是在客户现场或近客户环境中，把模糊问题变成可以验收、可以运营、可以交接的系统。
Palantir 的 FDSE 招聘说明强调端到端执行、客户协作、架构设计、数据处理和部署；Anthropic 的 FDE 招聘说明进一步强调生产级 LLM 应用、MCP、评测、企业部署和持续发现机会。因此，这条路线以交付证据为主线，而不是以课程观看时长为主线。
课程北极星：战略、一线与工程必须贯通
标题“课程北极星：战略、一线与工程必须贯通”这条路线的方向不随技术热点改变。学习者最终必须同时做到：
- 向上理解商业： 和业务决策者讨论为什么现在做、支持什么决定、价值怎样兑现、什么风险不能接受；
- 向下进入现场： 和一线员工走真实任务，记录系统使用、判断、绕路、异常、返工和责任；
- 亲手完成工程： 把两边可追溯的证据转成数据、权限、实现、评测、部署、运营和交接。
所有周次共同沿用：
战略目标 → 业务决定与价值机制 → 一线任务与异常 → 证据与约束 → 工程取舍与交付 → 采用、运营、交接与产品反馈老板的要求不能直接变成事实，一线的抱怨不能直接变成功能，热门技术不能直接变成课程目标。除非课程所有者明确改变方向，后续内容只能细化本页的北极星、阶段顺序与证据门槛，不能绕开它们。
适合谁
标题“适合谁”这条路线以 24 周为标准；只有满足对应前置条件时，才压缩为 20 周或扩展为 28 周。它默认你已经能够：
- 用 Python、TypeScript、Java 或同类语言独立完成一个中小型服务；
- 使用 Git，理解 HTTP API、SQL、基本测试和命令行；
- 阅读英文技术文档，并愿意与真实用户访谈；
- 每周稳定投入 8–12 小时。
如果你还不能独立写 API、设计数据表或定位常见运行错误，先补齐软件工程基础。FDE 不是绕过工程基础的 AI 捷径。
毕业时应拿出的证据
标题“毕业时应拿出的证据”课程完成的标志不是“看完”，而是作品集中同时出现以下证据：
- 一份基于真实或可信模拟访谈的
Discovery Brief，包含现状、用户、约束、成功指标和非目标； - 一套可部署系统，包含认证授权、数据边界、自动化测试、发布与回滚；
- 一套版本化评测集，以及基线、改进和失败样本分析；
- 一份威胁模型，覆盖提示注入、越权访问、工具误用、秘密泄漏和重放；
- 一套可观测性与运维证据：日志、指标、追踪、SLO、告警和故障演练；
- 一份面向客户的演示、上线决策、操作手册和交接记录。
你可以在项目总览中选择练习题，最终必须完成“企业 RAG + MCP 助手”Capstone。
先选节奏
标题“先选节奏”| 节奏 | 适用条件 | 每周投入 | 总时长 | 不可省略的部分 |
|---|---|---|---|---|
| 20 周加速 | 已有生产部署、认证、CI/CD 和云端排障经验 | 12–15 小时 | 20 周 | 所有阶段门槛、Capstone、真实反馈 |
| 24 周标准 | 有开发经验，但企业 AI 与客户交付经验不完整 | 8–12 小时 | 24 周 | 全部内容 |
| 28 周稳健 | 每周时间较少，或需要补数据、云与安全基础 | 6–8 小时 | 28 周 | 全部内容，并增加四周强化 |
压缩的是练习数量和并行方式，不是验收标准。某一阶段未通过，就不要用日历日期假装已经毕业。
24 周标准路线
标题“24 周标准路线”已公开教程索引
标题“已公开教程索引”第 3–20 周已经展开为学习者可以按步骤执行的教程；第 21–24 周继续保留在 Capstone 阶段，不能把第 20 周当成毕业。第 5 周起的工程教程提供完整行为合同、合成输入、预期状态、失败恢复与验收标准，但仓库目前不附带固定技术栈的代码 starter；你需要使用自己掌握的技术栈完成实现，并把实际结果与页面中的合成完成例分开。
| 周次 | 公开教程 | 本周形成的可观察结果 |
|---|---|---|
| 1 | 锁定目标岗位与双层对话基线 | 目标岗位与个人证据缺口 |
| 2 | 连接战略目标与一线真实工作 | 第一次跨层证据循环 |
| 3 | 建立证据基线并核对矛盾 | 观察被补证、反驳或保留为未知 |
| 4 | 用 Discovery Brief 作范围决定 | 继续、补证、非技术改进或停止决定 |
| 5 | 构建确定性垂直薄片 | 一个成功路径与一个异常路径 |
| 6 | 建立可靠数据入口 | 重复、无效和重放可追溯 |
| 7 | 把权限放进一线任务 | 用户确认、拒绝或升级，服务端执行授权 |
| 8 | 让发布可重复、可回退 | 新环境部署与任务级回滚证据 |
| 9 | 先治理 RAG 语料 | 来源、版本、有效期、所有者和 ACL 合同 |
| 10 | 冻结评测合同 | 失败类型、指标、门槛和数据集版本 |
| 11 | 建立并诊断检索基线 | 关键词与向量候选的逐例比较 |
| 12 | 完成有引用的 RAG 评测 | 回答、拒答、升级与阶段决定 |
| 13 | 建立只读 MCP 边界 | 读取受限业务上下文但不产生外部效果 |
| 14 | 实现逐次批准的单一写操作 | 预览、审批、幂等、执行与核验闭环 |
| 15 | 对抗并恢复受控工具 | 注入、撤销、断连和对账不会扩大影响 |
| 16 | 区分离线质量与任务运行信号 | 一次任务可还原版本、判断与终态 |
| 17 | 让依赖故障进入安全降级路径 | 模型、索引与 MCP 故障进入预定义状态 |
| 18 | 把服务交给别人运行 | 非作者完成诊断、止损、回滚与任务复验 |
| 19 | 冻结 Capstone 问题与风险合同 | M0 商业问题、一线任务与风险边界 |
| 20 | 接通 Capstone 数据与访问边界 | M1 固定矩阵中的检索候选权限基线 |
第 1 周：建立基线与目标岗位
标题“第 1 周：建立基线与目标岗位”正式教程：第 1 周：锁定目标岗位与双层对话基线。这一周把“能与业务决策者讨论战略结果”和“能与一线员工还原真实流程”同时纳入能力基线，但不提前开始系统设计。
选择一个行业场景，例如客服、供应链、金融运营或研发知识管理。收集 5–10 个目标岗位说明，用同一张表标注反复出现的能力、证据和经验缺口。
本周交付物：
- 目标岗位卡：公司、岗位类型、客户对象、技术栈和交付方式；
- 能力差距表：当前证据、缺口、计划补齐方式；
- 一个可衡量的毕业目标，例如“能在 20 分钟内演示一次从问题发现到上线交接的完整项目”。
通过门槛：每个学习主题都能对应到岗位要求或 Capstone 交付物；删除“可能有用但无法证明价值”的内容。
第 2–4 周：客户发现与问题定义
标题“第 2–4 周：客户发现与问题定义”先从第 2 周：连接战略目标与一线真实工作开始。第 2 周只完成第一次跨层证据循环；第 3–4 周继续补访、核对数据并形成最终 Discovery Brief。
FDE 的起点不是模型，而是业务决策。找 3–5 位目标用户访谈；如果无法接触企业用户，就用开源社区维护者、小团队负责人或具有相似流程的人替代，并明确这是模拟环境。
练习内容：
- 访谈现状流程、痛点频率、已有替代方案、决策者和阻力；
- 绘制当前流程与目标流程，标出数据来源、手工交接和失败点；
- 把“做一个 AI 助手”改写成业务结果、领先指标、滞后指标与保护指标；
- 明确非目标、数据限制、预算、时间和上线决策人。
本阶段交付物：访谈记录、利益相关者图、流程图、Discovery Brief、风险登记表和验收草案。
通过门槛：一位不了解实现细节的人能够判断项目是否值得做；成功指标不依赖“用户觉得很智能”这类模糊表述。
第 5–8 周：数据与应用工程底座
标题“第 5–8 周：数据与应用工程底座”用普通软件先完成可验证的业务闭环，再决定模型介入的位置。建议做一个模块化单体，而不是为了作品集拆微服务。
练习内容：
- 设计版本化 API、关系数据模型、迁移和幂等写入；
- 接入身份认证，并在服务端执行角色或属性授权；
- 建立数据摄取、质量校验、血缘与失败重放；
- 编写单元、集成和端到端测试；
- 使用容器、CI/CD 和独立环境完成可重复部署；
- 从第一天生成结构化日志、基础指标和关联 ID。
本阶段交付物：可部署应用、API 契约、数据字典、测试报告、部署说明和一页 ADR。
通过门槛：新环境可按文档部署；重复请求不会产生重复业务结果；未授权用户无法只靠修改前端请求越权。
第 9–12 周：RAG 基线与评测
标题“第 9–12 周：RAG 基线与评测”先建立朴素、可测量的检索基线，再引入复杂编排。不要只展示三个成功提问。
练习内容：
- 定义文档来源、更新频率、所有者、保留策略和访问控制元数据；
- 比较关键词、向量或混合检索，并记录分块、排序和过滤策略；
- 建立包含可回答、不可回答、权限受限、冲突和过期信息的评测集；
- 分开测量检索、回答、引用、拒答和端到端任务成功；
- 保存失败样本，记录每次变更的假设、成本、延迟与质量结果。
本阶段交付物：版本化语料说明、检索基线、至少 60 条代表性评测样本、评测脚本接口和首份结果报告。
通过门槛：你能说明“失败发生在检索、上下文、生成、权限还是产品流程”，而不是只调整提示词碰运气。
第 13–15 周：MCP、工具与安全边界
标题“第 13–15 周：MCP、工具与安全边界”MCP 标准化主机、客户端与服务器之间的能力交换，但它不替代授权、审批、调度或完成验证。使用一个受控主机，先实现只读工具，再实现一个需要审批的写工具。
练习内容：
- 为工具定义封闭输入模式、版本、超时、结果上限和类型化错误；
- 在模型之外执行策略判断；对参数做规范化后再授权；
- 把审批绑定到用户、运行、工具版本、参数摘要、范围和有效期；
- 对写操作使用幂等键、审计记录和可恢复方案；
- 把检索内容、MCP 描述和工具结果视为不可信数据；
- 固定服务器身份与版本，演练模式变更、撤销和连接失败。
本阶段交付物：工具目录、权限矩阵、威胁模型、审批流程、审计样例和对抗测试集。
通过门槛：恶意文档不能授予工具权限；没有明确授权时，系统只能预览写操作，不能产生外部效果。
第 16–18 周：生产化与运维
标题“第 16–18 周：生产化与运维”把系统当成需要被别人值守的服务。为模型、检索、数据库和 MCP 依赖分别设计超时、重试、降级和关闭开关。
练习内容：
- 定义面向用户结果的 SLO，而不只看服务器是否存活；
- 贯通请求、模型、检索、策略、工具、审批和验证的 trace；
- 统计成功率、p50/p95/p99 延迟、成本、拒答、越权尝试和重复效果；
- 演练模型不可用、索引陈旧、MCP 失败、成本失控和敏感信息误入日志；
- 制作发布门槛、灰度方案、自动回滚信号和操作手册。
本阶段交付物：SLO、仪表盘、告警、故障演练记录、回滚方案、成本预算和 runbook。
通过门槛：关闭模型或 MCP 后，用户得到明确、可预测的降级结果；运营人员能从一次 run_id 还原发生了什么。
第 19–24 周：企业 RAG + MCP Capstone
标题“第 19–24 周：企业 RAG + MCP Capstone”完成企业 RAG + MCP 项目说明。不要从空白技术方案开始：沿用前面产生的客户问题、数据契约、评测集、安全控制和运维基线。
建议节奏：
| 周次 | 目标 | 评审问题 |
|---|---|---|
| 19 | 冻结问题、用户旅程和初始指标 | 是否值得解决，谁决定上线？ |
| 20 | 接通数据与权限过滤 | 访问控制是否在检索层生效？ |
| 21 | 建立 RAG 与拒答基线 | 失败能否被分类和复现？ |
| 22 | 接入 MCP 工具与审批 | 模型是否可能绕过策略产生效果？ |
| 23 | 完成评测、安全、负载与故障演练 | 数据是否支持上线判断？ |
| 24 | 小范围试点、复盘与交接 | 别人能否运营、回滚和继续迭代？ |
最终评审必须包含一次失败演示：展示系统如何拒绝越权问题、阻止未审批写操作，或在依赖故障时安全降级。
如何压缩到 20 周
标题“如何压缩到 20 周”只有通过诊断的内容才能压缩：
| 20 周周次 | 阶段 | 压缩规则 |
|---|---|---|
| 第 1 周 | 岗位与基线 | 保持不变 |
| 第 2–3 周 | 客户发现 | 至少完成 3 次跨层访谈，不删除问题定义门槛 |
| 第 4–6 周 | 工程底座 | 复用已经验证的认证、部署与测试模板 |
| 第 7–9 周 | RAG 与评测 | 减少实验组合，不删除版本化评测与失败分类 |
| 第 10–11 周 | MCP 与安全 | 减少工具数量，不删除授权、审批与安全边界 |
| 第 12–13 周 | 生产化 | 减少演练数量，不删除降级、回滚与运维证据 |
| 第 14–20 周 | Capstone | 独立保留 7 周，不与前述阶段重叠 |
如果你需要边学认证、数据库迁移、容器或 CI/CD，20 周就不是合理计划。
如何扩展到 28 周
标题“如何扩展到 28 周”28 周路线等于完整 24 周标准路线，再增加第 25–28 周强化。每周只补一个证据缺口：
- 第 25 周，多租户与权限强化： 跨租户测试、缓存键审计和审计保留；
- 第 26 周，数据质量强化： 增量更新、过期检测、重建和恢复演练；
- 第 27 周，安全强化： 文档投毒、参数走私、审批混淆和秘密泄漏演练；
- 第 28 周，真实试点强化： 至少两轮用户反馈、变更前后指标和交接回访。
每周工作节奏
标题“每周工作节奏”把时间按交付价值分配：约 60% 构建与测试，20% 用户访谈和反馈，10% 评测与复盘，10% 写文档和演示。每周结束回答四个问题：
- 本周验证了哪个用户或技术假设？
- 哪项证据支持或反驳它？
- 最大风险现在是什么？
- 下周最小、可验收的交付是什么？
权威来源与核验记录
标题“权威来源与核验记录”以下页面均于 2026-08-19 核验。岗位页面会变化，使用时应再次检查。
- Palantir：Forward Deployed Software Engineer——端到端项目、客户协作、架构、数据和部署职责。
- Palantir：Forward Deployed AI Engineer——LLM 方案、机器学习基础、评测和工程要求。
- Anthropic：Forward Deployed Engineer——生产应用、MCP、Agent Skills、企业部署、客户发现和交付模式。
- Model Context Protocol：Architecture——MCP 主机、客户端、服务器及协议边界；核验时
latest对应 2026-07-28 版。 - NIST：AI RMF Generative AI Profile——生成式 AI 风险识别与治理参考。
本路线中的周数、样本数与项目门槛是课程设计目标，不是任何机构发布的统一行业标准，也不构成招聘、薪资或就业承诺。