Anthropic FDE（前沿部署工程师）面试指南：Anthropic 为什么重金招聘一批“驻场工程师”？
这不是在招聘一个会写提示词的工程师，而是在寻找能把模型能力、客户流程和安全边界一起送进生产系统的人。
- Anthropic 当前美国 FDE 岗位年薪为 28 万至 32 万美元，买的不是提示词技巧，而是把 Claude 送进客户生产系统的能力。
- FDE 的完整闭环是发现工作流、划定风险边界、构建、评测、上线，再把现场模式反馈给产品。
- 面试真正筛的是五种能力能否合在一起：生产代码、Agent 架构判断、评测证据、客户管理和安全工程。
Anthropic 正在招聘一批有些反常的工程师。
他们不只在模型公司内部写代码，还要进入客户的系统，和银行、医疗机构、政府部门及大型企业的团队一起工作。Anthropic 当前美国 FDE 岗位列出的年薪是 28 万至 32 万美元，另有股权。
一家拥有前沿模型的公司，为什么还要花这么高的价格，招聘一批深入客户现场的人？
这份 FDE 面试指南表面上在告诉候选人如何准备招聘流程，真正透露的却是一项更重要的变化：当模型能力越来越强，AI 落地最稀缺的已经不是“会调用模型的人”，而是能把客户混乱的工作流程改造成可评估、可控制、可上线系统的人。
Anthropic 花高价购买的不是提示词技巧，而是把模型能力送过最后一公里的能力。
FDE 到底是什么？
FDE 是 Forward Deployed Engineer，通常译作前沿部署工程师或前线部署工程师。
这个职位最早因 Palantir 出名。它不是传统驻场外包，也不是只画架构图、做演示的售前岗位。FDE 要直接进入客户环境，把一个模糊的业务愿望变成能够运行的生产系统。
Anthropic 把 FDE 放在 Applied AI 团队。官方职责包括在客户系统中构建 Claude 生产应用，交付 MCP servers、sub-agents 和 agent skills，提供企业部署支持，并把反复出现的现场模式反馈给 Product 与 Engineering。
把这个岗位放到当前招聘信息里看，轮廓更清楚：
- 岗位职责与资格要求：需要生产 LLM 应用经验、扎实的 Python、客户沟通与发现能力、高自主性，以及在企业环境里交付系统的经验；
- 主要交付物：Claude 应用、MCP servers、sub-agents、Agent Skills，以及可以跨客户复用的部署模式；
- 当前美国年薪：28 万—32 万美元，另有股权；
- 工作方式：预计约 25% 的客户现场出差，至少 25% 的时间在办公室；
- 面试中的 AI 使用：可以用 Claude 准备，但现场面试默认由本人独立完成；assessment 除非明确允许，也不能交给 AI 代写。
这些工作不是互不相干的任务，而是一条首尾相接的路径。
最后一步决定了 FDE 不是普通外包。咨询项目结束后，经验可能只留在报告里；定制开发结束后，代码可能只服务一个客户。FDE 还要继续问：这次解决的问题，能不能变成下一百个客户都能使用的 MCP、Skill、评测套件或产品功能？
FDE 因而也是 Anthropic 的外部产品研发机制。
如果想继续理解企业为什么“用了同一个模型，结果却完全不同”，可以从部署条件而不是模型参数继续往下看。
继续阅读同样一个 AI 模型，为什么有的公司用出复利，有的公司用了个寂寞四条落地原则打底，配 L'Oréal、Lyft、Rakuten 三家实测数据佐证
为什么一家模型公司需要 FDE？
因为“模型很强”和“企业真的能用”之间，隔着一条很宽的鸿沟。
假设一家银行找到 Anthropic，说：“我们想做一个合规 Agent。”这句话听上去目标明确，实际上几乎没有可执行信息。FDE 必须继续追问：
- 到底是哪一个合规流程？
- 使用者是调查员、审核员，还是客户经理？
- 系统只是检索、摘要和起草，还是可以修改记录、发送消息甚至冻结账户？
- 哪些系统保存权威数据，数据是否完整、及时、可信？
- 用户权限如何传递给 Claude 调用的工具？
- 模型答错一次的实际代价是什么？
- 哪些动作必须由人审批？
- 上线成功看节省时间、召回率、误报率，还是案件完成率？
真正困难的不是写一句“你是一名资深合规专家”，而是把这些问题落实为身份权限、工具接口、数据过滤、审计记录、评测任务、人工审批和回滚机制。
这也是 Context Engineering 与普通 Prompt Engineering 的差别。Anthropic 对它的定义不只包含提示词，还包括系统指令、工具、MCP、外部数据、消息历史和不断变化的 Agent 状态。模型负责推理，不代表模型应该负责认证、权限过滤、重试、数据校验和高风险动作审批。
评测同样不能只看最后一段回答是否顺眼。Agent 声称“案件已经更新”，真正要检查的是后台记录是否改变、权限是否正确、审计轨迹是否完整。Anthropic 的 Agent eval 框架把完整轨迹与最终环境状态分开，正是因为一句成功声明不等于任务真的完成。
所以 FDE 的工作不是把 Claude 接进企业，而是决定 Claude 在什么边界内、凭什么证据、以什么方式进入企业。
它和几个相近岗位有什么不同？
FDE 容易被误认成软件工程师、Solutions Architect、AI 应用工程师或咨询顾问。它确实吸收了这些岗位的一部分，但主要产出和失败方式不同。
最关键的差别不只是“既懂技术又懂客户”。FDE 还是产品侦察兵。
他站在模型能力与客户现实发生碰撞的地方。哪些工具不好用，哪些权限模型缺失，哪些 Agent 行为难以评估，哪些需求在不同客户那里反复出现，他往往比内部产品经理更早看到。
高级 FDE 与普通项目交付者的分界也在这里。前者会把一次部署提炼成可复用模式；后者可能成功完成一个项目，却让下一位工程师从头再来。