资料来源与事实边界

先说结论

本教程把 FDE 固定定义为 Forward Deployed Engineer，中文同时覆盖“前沿部署工程师”和“前线部署工程师”。课程优先引用公司官方招聘页、官方工程博客和技术规范；媒体报道、课程宣传和社区帖子只能作为线索，不能单独支撑岗位事实。

岗位与基础资料核验基线：2026-08-19。第 21–24 周新增的 Capstone 评测、安全与运维来源链接于 2026-09-12 再次核验；Google SRE 页面沿用 2026-08-19 的既有核验，本次网络复查超时，因此不把它写成已重新确认。外部内容和版本仍可能变化。

需要从来源回到教程时，可依次阅读岗位定义、能力矩阵、学习路线和实战项目。

岗位与角色定义

一手来源	用于核验的内容	类型
Palantir — Forward Deployed Software Engineer	FDSE 职责范围、软件工程、数据、客户协作与端到端交付	官方招聘
Palantir — Forward Deployed AI Engineer	LLM 工作流、AI 战略、评测、数据管道与生产应用	官方招聘
OpenAI — Forward Deployed Engineer	Discovery、技术范围、系统设计、构建、上线与采用	官方招聘
Anthropic — Forward Deployed Engineer	生产 Claude 应用、MCP、Agent Skill、评测与企业 IT	官方招聘
Scale AI — Forward Deployed Engineer, GenAI	全栈交付、AI 数据基础设施、快速实验与产品反馈	官方招聘
Cohere — FDE, Agentic Platform	Agent、RAG、评测、安全、延迟与可审计性	官方招聘
Baseten — Forward deployed engineering	FDE 与咨询/方案架构的区别、工程组织归属和产品反馈闭环	官方工程博客

如何阅读岗位来源

职位链接会下线，年限、地点和出差要求也会变化。教程只提炼跨来源重复出现的能力，不把某一家公司的要求包装成行业统一标准。

AI 应用与生产交付资料

• OpenAI Docs — Agents SDK：Agent、工具、状态、审批和可观测性入口。
• OpenAI Docs — Evaluation best practices：评测目标、数据集、指标和持续评测原则。
• OpenAI Docs — Production best practices：安全、扩展、成本、延迟和生产环境原则。
• Anthropic — Building Effective Agents：工作流与 Agent 的边界以及常见组合模式。
• Model Context Protocol：MCP 的协议概念与实现入口。
• OWASP GenAI Security Project：生成式 AI 应用的主要安全风险。

版本边界

模型、API 和评测工具会持续更新。本教程教授可迁移的评测方法、数据集和回归流程；实际实现时，请重新核对供应商的当前官方文档与版本说明。

客户发现与业务判断资料

• GOV.UK — Start by learning user needs：从用户、当前行为与问题开始，不把利益相关者提出的方案直接写成用户需要。
• GOV.UK — How the discovery phase works：Discovery 中的问题、范围、约束、数据和停止判断。其公共服务语境不能代替企业采购与商业判断。
• Google PAIR — Identify user needs and AI strengths：识别用户情境、绘制现有工作流，并比较 AI、规则与人工方案。
• Palantir — A Day in the Life of an FDSE：客户协作、领域学习、工程与产品反馈的团队实践；同时具有招聘传播目的。
• Ramp — Forward Deployed Engineering：持续范围判断、直接接触用户和以客户结果衡量工作的团队实践；同时具有公司文化与招聘传播目的。

本教程中的“双层对话”“商业五问”和证据翻译板是综合上述资料形成的原创教学工具，不是任何机构发布的统一 FDE 方法。

Capstone 评测、安全与运维资料

• Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks：RAG 的原始研究论文；课程的引用、拒答、权限和门槛是后续教学设计，并非论文规定。
• NIST SP 800-162 — Guide to Attribute Based Access Control：依据主体、对象、操作和环境属性作访问控制决策的参考。
• Model Context Protocol Specification：MCP Host、Client、Server、能力协商和协议契约；2026-09-12 核验时 latest 解析到 2026-07-28 版。
• MCP Security Best Practices：授权、令牌、会话、代理和远程服务器风险参考。
• OWASP Authorization Cheat Sheet：默认拒绝、每次请求检查权限和授权测试原则参考。
• NIST AI RMF Generative AI Profile：生成式 AI 风险识别、测量和治理参考。
• OWASP Top 10 for LLM Applications：提示注入、敏感信息、供应链、数据或模型投毒、权限与过度代理风险参考。
• OpenTelemetry Generative AI Semantic Conventions：模型与 Agent 遥测字段参考；实现时必须检查具体字段的稳定级别。
• RAGAS: Automated Evaluation of Retrieval Augmented Generation：RAG 评测维度的研究参考；课程数据分布、门槛和发布决定并非该论文给出的行业标准。
• Google SRE：Monitoring Distributed Systems：延迟、流量、错误、饱和度与面向用户症状的运行判断参考；沿用 2026-08-19 核验基线，本次网络复查超时。

这些来源支持协议、威胁、观测与评测方法，不支持本课程虚构的北辰案例、样本数量、阈值或试点结果。课程数字均需标为教学设计，真实项目应由有权角色根据自身任务和风险重新批准。

搜索与生成式引用原则

为了同时服务传统搜索和生成式搜索，本教程遵循以下写法：

1. 每页先给可独立引用的结论，再展开证据和步骤。
2. 首次出现的缩写提供全称、中文别名和明确语境。
3. 事实、建议和作者判断分开表达。
4. 涉及岗位、薪资、数量和产品版本时标注来源与核验日期。
5. 页面使用稳定 URL、静态 HTML、canonical、sitemap 和结构化数据。
6. 提供 llms.txt 与 llms-full.txt，但不把这些非强制标准描述成收录保证。

OpenAI 官方文档说明，用于 ChatGPT 搜索展示的爬虫是 OAI-SearchBot，它与用于模型训练控制的 GPTBot 相互独立。站点根目录的 robots.txt 应允许 OAI-SearchBot，是否允许 GPTBot则应由站点所有者根据内容策略单独决定。参见 OpenAI crawlers。

不会采用的做法

• 不转载付费课程、泄露资料或整篇复制第三方文章。
• 不用无法复核的“需求增长几十倍”“年薪百万”制造紧迫感。
• 不虚构证书认可、学员结果、合作关系或项目指标。
• 不把搜索联想词当成搜索量或市场规模。
• 不为“前沿部署工程师”和“前线部署工程师”建立内容重复的页面。

发现来源失效或事实变化时，可以通过 GitHub Issue 提交链接和核验日期。