驻场工程师留下的东西，为什么每次都蒸发了

问题是什么

如今把AI卖进大企业的公司，都会把人送进客户内部。前向部署工程师在客户那里坐上几周到几个月，给遗留系统接上适配器，挖出从没写进任何文档的业务规则，把脏乱的生产数据整理成产品吃得下的形状。做完之后系统跑起来了，而这一路造出来的东西，绝大部分留在了那家客户的围墙里面。

出不来不是因为偷懒。有保密协议，有数据驻留规定，更关键的是这些产物本身就浸透了客户的表结构和业务逻辑，连一张截图都带不走。于是沉淀在乙方这边的，只剩下人的记忆，加上交付结束几周后有空才写的几页内部wiki。wiki一定会腐烂。

结果体现在毛利曲线上：第三个客户的交付时间和第一个差不多。收入涨，成本同比例跟上，增长速度的上限就变成了招人的速度。这有多贵，看薪酬带就知道。Christian & Timbers整理的市场数据显示，中级FDE的总薪酬中位数为38.5万美元，Staff级为61万美元，前沿实验室的Principal级超过120万美元。就是这批人，在第三家客户那里重做着第一家做过的映射。

为什么是现在

先爆的是需求。同一份资料显示，Indeed上的FDE岗位从2025年4月的643个涨到2026年4月的5,330个，增幅729%；截至2026年年中，39家AI公司共开着224个岗位。Salesforce公开承诺要招1,000名FDE。Perspective AI分析约1,000条英文岗位的报告给出的同比增幅超过1,000%，并发现超过70%的岗位明确要求需求挖掘能力和把模糊业务问题翻译成方案的能力。已经有41%的AI工程师把三成以上的工作时间花在面对客户上。

大厂也把资本押在同一个形状上。AWS在6月30日宣布向FDE专属组织投入10亿美元，此前OpenAI和Anthropic分别设立了40亿和15亿美元规模的合资实体。值得拿来用的细节是亚马逊为什么选择内部建制而不是拆出独立公司：为了把IP留在自己手里。连最大的玩家都要用组织结构去堵交付资产的外流，没有这种体量的公司就需要一个替它做这件事的工具。

技术前提也齐了。软件跑在客户环境里、只把摘要送出去，也就是数据留在里面、只把形状取出来，这种设计在隐私工程里早已不算稀奇。几年前会死在法务审查上的方案，现在落进了可谈判的区间。中国大陆的企业客户对数据出域尤为敏感，能把“出去了什么”摊开给客户看，本身就是进场的条件。

flowchart LR
  A[客户环境<br/>集成·映射·提示词] --> B[观测层<br/>记录做了什么、怎么做的]
  B --> C[去标识化抽取<br/>剥掉取值，保留结构]
  C --> D[乙方交付记忆<br/>可检索的模式库]
  D --> E[下一次交付<br/>从骨架而不是白纸开始]

怎么构建

先把产物收窄到一种。数据映射规格是最好的第一个靶子：把客户的表结构翻译成产品期待的形状，这张表每次交付都要重做，同一行业里结构相似得惊人，把字段名和取值剥掉之后，留下的就是可复用的骨架。

工具跑在客户环境里，本地部署或客户VPC都行，但原始数据绝不外流。往外走的只有三样：表结构的形状、转换规则的形状，以及失败尝试的类别。最后一样其实最值钱，因为试过哪种映射、为什么崩，从来不会写进任何wiki。

乙方这边会积起一份可检索的交付记忆。下一个进场的工程师按行业、源系统、字段结构一搜，先拿到前面三次交付的映射骨架，以及当时踩过的雷。第一天从草稿开始，而不是从白纸开始。

设计的另一半在合同里。主协议里通常有派生资产归属条款，但从来没被执行过，因为没人看得见到底出去了什么。这个工具把导出项的审计日志原样开给客户看，这就是卖点：客户第一次能看清乙方带走了什么，乙方第一次能名正言顺地带走该带的东西。计费按FDE席位订阅，或者按交付次数。

成功条件

第一，去标识化方案必须过得了客户法务。过不了，工具连装都装不上，后面的讨论全部作废。所以客户可直接查看的审计日志不是功能，是前提。

第二，第二个客户开始必须真的更快。不更快，这就只是又一个文档工具，而FDE手上的文档工具已经够多了。第一个值得设的目标是：到第三次交付时，第一条集成跑通所需的时间砍掉一半。

剩下的是选行业。模式要能重复，领域就得够窄。保险理赔、医院医事、物流结算都是候选，但哪一个的表结构最标准化，得跟着两次真实交付走一遍才知道，光靠推理是推不出来的。