重生之我在 Vibe Coding 时代当程序员：第八课，FDE 是什么？从 Coze 工作流看 AI 如何真正落地 - 掘金

重生之我在 Vibe Coding 时代当程序员：第八课，FDE 是什么？从 Coze 工作流看 AI 如何真正落地

Asize

2026-05-26

219

阅读9分钟

重生之我在 Vibe Coding 时代当程序员：第八课，FDE 是什么？从 Coze 工作流看 AI 如何真正落地

上节课我用一个数组去重，从 O(n²) 推到 O(n)，把 JS 基础串了一遍。这节课的风格不太一样——它讲的不只是代码，而是"AI 怎么从玩具变成工具"。之前七节课一直在说"怎么用 AI 写代码"，但这节课说的是"怎么把 AI 塞进一个企业的业务流程里"。我一开始以为这是偏销售的内容，上了课程才发现完全不是——这里面每一段都在讲工程架构。今天的关键词有两个：Coze 和 FDE。一个是字节跳动的 AI Agent 开发平台，另一个是硅谷最近一年涨了 10 倍的新工种——前沿部署工程师。

FDE 正在硅谷崛起

先上数据。

2025 年 4 月，硅谷的"前沿部署工程师"（FDE）岗位大约只有 600 个。到了 2026 年 4 月，这个数字涨到了 6000 个。一年 10 倍。

同步发生的还有两件事：

OpenAI 成立了一家叫 Tomoro 的公司，专门做 FDE 方向的业务。

Anthropic 和高盛、黑石（全球最大的私募基金之一）合作，成立了一家 AI 服务公司，把 Claude 带进企业的核心业务流程。

说白了，AI 公司已经进入了一个新阶段。过去大家拼的是模型能力——谁参数更强、谁上下文更长、谁跑分更高、谁写代码更厉害。现在拼的是谁能真正把 AI 落地到企业业务里。

企业买 AI 不是买一个 API，也不是买 token。他们要的是降本、增效、业务增长、风控。这四个词要落地，靠的不是一个模型，而是一个能真正嵌入业务流程、每天被员工使用、最终能产生业务结果的系统。

FDE 就是干这个的。

FDE 到底是什么

FDE 的全称是 Forward Deployed Engineer，中文叫"前沿部署工程师"。

我个人理解更直接一点：Agent 工程师的进化工种，除了大模型相关，还要有对应的落地的业务经验与知识。

你负责的事情不是研究模型参数，而是：

理解客户的业务流程——先去客户现场（或者远程），搞懂他们到底在做什么、有什么环节、哪个环节最痛

找出哪些环节适合用 AI 来改造——不是所有环节都适合装 AI，你要判断 ROI

把企业内部的数据、权限、系统、工具链接起来——把企业数据化，再把数据智能化

确保这些东西在生产环境中跑起来——不是 Demo 完就结束了，是要每天被真实用户使用的

这四件事，每一件都不简单。

Agent 的技术架构：大脑和手脚

要实现上面这些事情，得先理解一个 Agent 是怎么工作的。笔记里有一句总结我觉得特别精炼：

LLM = 大脑：理解任务、推理、规划、生成下一步动作

Harness = 神经系统 + 手脚协调系统：把 LLM 的想法变成可执行动作——调用工具、管理上下文、处理结果、继续循环

Tools = 具体手脚/器官：浏览网页、读写文件、运行代码、查数据库

拿人做个类比：LLM 是大脑，负责思考决策；Tools 是手、眼睛、脚，负责看网页、写文件、运行命令；Harness 是神经系统和行动协调机制，负责把大脑的意图传给工具，再把工具的结果反馈回来，让 Agent 能一轮一轮地完成任务。

一个完整的 Agent = LLM（大脑）+ Harness（运行与调度框架）+ Tools（具体能力接口）。LLM 负责想，Harness 负责把想法组织成行动流程，Tools 负责真正执行。

这就是 FDE 每天都在打交道的技术栈。

Coze：字节的 AI Agent 开发平台

有了概念，得上手工具。

Coze 是字节跳动推出的 AI Agent 开发平台。它最大的特点就四个字：低代码 / 零代码。

什么意思？就是你不需要从头写一个 Agent 的程序，而是在 Coze 上用搭积木的方式把 Agent 搭出来。

除了 Coze，字节在这个方向还有 Trae（AI 编程工具）和 豆包（AI 对话产品），但我这节课主要接触的是 Coze。

Coze 这个平台提供了两个场景给我们：

比赛和外包工作：平台上有比赛和外包需求，完成可以拿到奖项和奖金

企业应用：这是与企业结合的主流形式，直接嵌入业务流程

老师说了一句我觉得很关键的判断：Coze 是来自字节的最好的 AI Agent 开发平台。低代码/零代码的属性，让它天然适合做企业服务的快速落地。

核心概念：工作流（Workflow）

FDE 拿到一个企业需求之后，第一件事就是把业务流程拆成工作流。

工作流就是流水线。

我一开始觉得"工作流"是个很高大上的词，后来老师举了一个例子，我一下就懂了——生产蔗糖：

甘蔗（原料）→ 挑拣 → 清洗 → 分割 → 提炼 → 包装 → 装箱（成品）

每一根甘蔗从流水线入口进去，经过一道道工序，最后变成一包包蔗糖出来。工作流也是一样的——数据从入口进去，经过一个个节点，最后产出结果。

工作流的好处有三个：

自动化：定好的流程自动执行，不用人盯着

可靠：流程化了，出错能快速定位到具体节点

可复用：同一个工作流套不同的数据，出来不同的结果

三个里面，"可靠"对企业来说最关键——你不可能让一个 AI 应用出了错却不知道错在哪。

实战案例：修照片应用的 Coze 工作流

理解了概念之后，这节课做了一个实战——设计一个修照片应用的 Coze 工作流。

第一步：创建智能体应用

在 Coze 上创建一个智能体应用。它的核心能力是：输入照片标题和描述，自动生成图片。

这意味着什么？——省去了设计师。

对于一些小企业（比如照相馆、小型电商），他们没有专门的视觉设计师，但又需要生产宣传图片。这个工作流就可以直接替代设计师的部分工作。

第二步：设计节点

Coze 的特色是零代码节点——每一个节点就是一个 AI 工作的单元，节点之间可以按顺序连接起来。

整个工作流涉及到两个核心节点：

滤镜节点

项目说明

输入图片、风格

处理AI 根据风格对图片进行滤镜处理

输出处理后的图片

字符处理节点

项目说明

输入上一个节点的输出（字符串）

处理对字符串做格式化、拼接等操作

输出处理后的字符串

这个流程也可以从 AIGC（AI Generated Content，人工智能生成内容）的角度来理解——根据描述生成内容。用户给一段描述（title + desc），工作流里跑一下，输出就出来了。

再深一步：用一个真实的业务场景串起来

为了让我理解 FDE 到底在做什么，老师拿了一个非常具体的行业来拆——照相馆。

一家传统照相馆，有什么业务可以接入 AI？

1. 推销宣传 → 自动生成文案 Agent

照相馆经常要发朋友圈、发传单、做活动海报。这些宣传文案以前要么老板自己写，要么花钱请人写。

AI 落地方案：做一个文案生成 Agent，输入"什么活动、面向谁、什么风格"，自动生成多条文案。这就是降本、增效、业务增长——省了时间，多了产出，带来了更多曝光。

2. 智能客服 → AI Chatbot

顾客经常在微信上问："你们拍证件照多少钱？""什么时候能取片？""可以修图吗？"

AI 落地方案：做一个 AI Chatbot，接入知识库（价目表、营业时间、摄影师排班等），自动回答用户的重复提问。解决不了的再转人工。这里涉及的是智能客服的经典架构——Chatbot + 知识库。

3. P 图、修图 → AI 图像处理

这就是前面 Coze 工作流的用武之地了。

这里有一个关键信息：海马体（阿里旗下的产品）已经在做类似的事情了——用 AI 修图、加滤镜、生成不同风格的照片。

Agent 怎么在这个场景里赚钱

这个部分我觉得是这节课最有价值的内容之一——AI Agent 到底怎么赚钱：

to B 的提效业务：帮企业省人力、省时间，按服务收费。比如帮照相馆做了一套文案生成系统，每个月收服务费

to C 的用户买单：直接面对消费者的 AI 产品，用户为功能付费。比如一个在线修图的 AI 工具，用户按次或者按月付费

但不管是 to B 还是 to C，前提都是：有一个可部署的 AI 应用闭环。这个闭环，Coze 工作流帮你搭，CC（Claude Code）帮你开发，FDE 帮你落地到真实场景里。

下课了

这节课上完之后，我最大的感受是视角变了。之前七节课一直在说"怎么给 AI 指令""怎么用 AI 写代码""怎么用 AI 做项目"，听起来始终是一个开发者在跟机器对话。但这节课说的是"怎么把 AI 放到一个真实的业务里，让它每天被员工使用，产生实际的商业价值"。

从 2025 到 2026，FDE 岗位涨了 10 倍。OpenAI 和 Anthropic 都在往企业服务方向布局。整个行业正在从"谁的模型更强"转向"谁能把模型用起来"。

这事对我有一个实际启发：学 AI 不只是在学调模型和写 Prompt，更是在学怎么把技术嵌入到真实的业务流程里。后者可能才是未来真正稀缺的能力。

下节课预告：前面八节课把"用 AI 写代码"和"把 AI 落地到企业"都走了一遍，下一步是什么？——我猜是把这个能力嫁接回实际开发中去。具体是啥，下节课见。