FDE课程咨询

告诉我们您的学习需求

称呼和联系方式为必填项,其他信息按需填写即可。

补充单位、人数或邮箱(选填)

我们会根据您填写的信息尽快与您联系。您提交的信息仅用于课程咨询与回访,不作其他用途,也不会对外展示。

直接拨打 137 6791 8257 ↗

FDE 岗位招聘要求数据室:国内 29 家 × 全球初始 100 家双样本(2026-11 快照)

参考两组岗位快照,了解需求发现、系统集成、AI应用与生产交付等能力在招聘描述中的提及情况。国内与全球初始样本分别统计,可切换查看。

22/29国内样本 JD 提及生产交付 / 端到端负责
9/29国内样本 JD 提及客户沟通 / 协作
12/29国内样本 JD 提及系统 / API 集成

2026-11-04 快照 · 国内样本 · 整篇 JD 明文提及口径 · 统计版本 v3

这是什么:两个独立样本——国内 29 家公司 FDE 类(AI 交付/解决方案/前沿部署等命名口径,见方法区)岗位 JD,与全球初始 100 家公司 FDE 岗位 JD——的能力要求频次统计(2026-11-04 前后快照,口径一致、样本分开,不合并)。

怎么抓的:国内样本全部取自公司官方招聘渠道(飞书招聘门户 14 家、Moka 招聘门户 6 家、官方招聘 API 与官网页面其余部分),全球初始样本 99/100 取自 Ashby / Greenhouse / 公司官网原文。各条目附来源、采集时间与SHA-256校验值;直接采集记录校验正文,截图整理记录校验截图文件。

如何核对:可浏览公司岗位摘录与来源,并下载统计复核包,核对已公开标签的汇总结果。

22/29JD 提及生产交付 / 端到端负责
9/29JD 提及客户沟通 / 协作
12/29JD 提及系统 / API 集成

2026-11-04 快照 · 整篇 JD 明文提及口径 · 统计版本 v3 · 样本量 29 家

样本统计结果

引用统计结果时,请注明真实智元、所用样本(国内 29 家)、采集日期(2026-11-04)与统计范围。

Top 10 技能提及频次(n=29)

#技能 / 能力域提及公司数占比
1生产交付/端到端负责2275.9%
2需求发现/范围界定1965.5%
3产品反馈/可复用资产1655.2%
4LLM/生成式AI1551.7%
5Workflow/自动化1448.3%
6系统/API集成1241.4%
7软件测试/代码审查/Git1137.9%
8Agent/智能体1137.9%
9业务价值/ROI/指标1137.9%
10RAG/检索/向量库1034.5%

统计范围为整篇岗位描述(含公司介绍)。数字表示提及该技能的公司数,不等于招聘硬性要求;完整34项统计见下方列表。

主要发现与适用范围

发现 1:生产交付与客户协作:22/29 家公司的岗位描述提及生产交付或端到端负责,9/29 家提及客户沟通与协作。

数据怎么读:统计涵盖整篇岗位描述,包括公司介绍;提及次数反映样本内容,并不区分必需项与加分项。

不能用来做什么:样本为目的性选取,不能据此推断全市场招聘量或岗位增减趋势。

发现 2:系统集成与AI应用技能:系统/API集成被 12/29 家提及;RAG、Prompt工程与MCP分别被 10、7、1 家提及。

数据怎么读:不同技能可能出现在同一份岗位描述中,各项公司数不能直接相加为不重复的企业数量。

不能用来做什么:技能提及频次不能直接视为招聘硬性要求或岗位能力权重。

发现 3:自动化与智能体:Workflow/自动化被 14/29 家提及,Agent/智能体被 11/29 家提及。

数据怎么读:两个数字来自同一组样本和统计规则,反映岗位描述中的相关要求。

不能用来做什么:这组频次不能说明具体项目应优先采用哪种技术,也不能推断人才供需或薪资。

发现 4:具体框架提及情况:LangChain、LangGraph、LlamaIndex、CrewAI分别被 0、0、1、0 家提及。

数据怎么读:框架名称按词典匹配;Dify、OpenAI Agents SDK等未纳入此次词典的框架不参与计数。

不能用来做什么:提及较少不等于框架没有价值,也不能据此判断实际项目的工具使用率。

数据索引

两种方式浏览底层数据。

可以按技能查看提及频次,也可以按公司浏览29份岗位描述,查看原文摘录、来源与文件校验值。

完整 34 项技能词典的提及频次(宽口径,按频次从高到低排列,并列按词典序)。

#技能 / 能力域提及公司数占比
1生产交付/端到端负责2275.9%
2需求发现/范围界定1965.5%
3产品反馈/可复用资产1655.2%
4LLM/生成式AI1551.7%
5Workflow/自动化1448.3%
6系统/API集成1241.4%
7软件测试/代码审查/Git1137.9%
8Agent/智能体1137.9%
9业务价值/ROI/指标1137.9%
10RAG/检索/向量库1034.5%
11评估/评测/Benchmark(宽口径)1034.5%
12客户沟通/协作931.0%
13用户采用/培训/赋能827.6%
14出差/客户现场827.6%
15机器人/硬件/控制827.6%
16Prompt/上下文工程724.1%
17性能/成本/可靠性724.1%
18模型微调/训练724.1%
19Python620.7%
20Java/Go/C++/Rust等620.7%
21推理引擎/GPU/模型服务620.7%
22网络/Linux/操作系统517.2%
23前端/全栈应用413.8%
24Docker/Kubernetes/Helm310.3%
25监控/可观测/排障310.3%
26安全/权限/治理310.3%
27AI Coding工具310.3%
28JavaScript/TypeScript26.9%
29云平台AWS/Azure/GCP等26.9%
30CI/CD与基础设施配置26.9%
31SQL/关系数据库13.4%
32数据工程/ETL/管道13.4%
33MCP13.4%
34LlamaIndex13.4%

占比 = 提及公司数 / 29。框架词(LangChain 等)也在本词典口径内计数;未纳入词典的框架不作计数(见方法区)。

方法与复算

公开来源、统计口径、宽窄口径比较与复核方法,区分原文判读和已公开标签的汇总复核。

点开展开:抓取渠道、岗位命名口径、统计口径、敏感性对比、SHA-256 与版本记录

国内样本(2026-11-04 快照,n=29)

国内样本全部 29 份 JD 取自公司官方招聘渠道原文:官方飞书招聘门户(jobs.feishu.cn) 14 家、官方招聘站(careers.aliyun.com)· 用户提供截图,人工录入 1 家、官方招聘站(talent.antgroup.com)· 用户提供截图,人工录入 1 家、官方招聘 API(jobs.bytedance.com) 1 家、官方 Moka 招聘门户(mokahr.com) 6 家、官方招聘站页面 3 家、官方招聘站(网易智企招聘页)· 用户提供截图,人工录入 1 家、官方招聘 API(careers.tencent.com) 1 家、官方招聘站(job.xiaohongshu.com)· 用户提供截图,人工录入 1 家。抓取遵守 robots 与限速(1 请求 / 2 秒),不使用需登录或强反爬平台(Boss直聘 / 拉勾 / 智联)。

国内样本岗位命名口径

国内极少把岗位直接命名为 FDE。本样本按关键词分级匹配官方渠道岗位名:第一级为 FDE / 前沿部署 / 解决方案(架构师、工程师、专家、顾问)/ AI 交付 / 大模型应用 / Agent 工程等强相关命名;第二级为 AI 工程师 / 大模型工程师 / AI 产品经理等弱相关命名(仅在前一级不足时补充)。每公司收录 1-3 个匹配岗位,数据集中每公司保留 1 条最匹配岗位为主记录。因此本样本是「国内 AI 交付类岗位样本」,不是严格的「FDE 岗位样本」——引用时请注明该口径。

全球初始样本(2026-11-02 快照,n=100)

样本为 100 份全球初始 FDE 类岗位公开招聘 JD:99 份直接取自公司官方招聘渠道原文(Ashby 接口 64 份、Greenhouse 接口 21 份、公司官网 14 份),1 份为第三方聚合站完整 JD(单独标注,不影响主结论)。

统计口径(两样本一致)

整篇 JD 明文提及:职责、必需、优选、公司介绍与未分节段落均计入(注意:公司介绍段落里对产品与业务的描述会计入频次);招聘法律与平等声明、福利与薪酬模板、工作许可与招聘流程段落不参与计数(逐行排除)。本统计为'明文提及'频次,不代表市场硬性要求。样本为国内公司 AI 交付类岗位(岗位选择规则见方法说明),按公司分别计数。

技能频次按同一词典逐行匹配计算;英文技能词按完整单词匹配。国内样本统计版本为v3(2026-11-04),全球初始样本为v3(2026-11-03)。

宽窄口径敏感性对比(国内样本)

窄口径=仅职责+必需+优选段落计数;范围选择影响结论。两口径并列展示,供读者自行判断。(窄口径规则:仅计职责+必需+优选段落(不含公司介绍与未分节)。)范围选择影响结论,引用时请注明所用口径。

技能 / 能力域宽口径(/29)窄口径(/29)
生产交付/端到端负责2212
需求发现/范围界定1911
产品反馈/可复用资产1611
LLM/生成式AI159
Workflow/自动化148
系统/API集成127
软件测试/代码审查/Git116
Agent/智能体117
业务价值/ROI/指标116
RAG/检索/向量库107
评估/评测/Benchmark(宽口径)105
客户沟通/协作94
用户采用/培训/赋能86
出差/客户现场85
机器人/硬件/控制85
Prompt/上下文工程73
性能/成本/可靠性74
模型微调/训练75
Python64
Java/Go/C++/Rust等63
推理引擎/GPU/模型服务64
网络/Linux/操作系统52
前端/全栈应用42
Docker/Kubernetes/Helm31
监控/可观测/排障32
安全/权限/治理32
AI Coding工具32
JavaScript/TypeScript21
云平台AWS/Azure/GCP等20
CI/CD与基础设施配置21
SQL/关系数据库11
数据工程/ETL/管道10
MCP11
LlamaIndex10

数据复核与来源限制

可下载统计复核包(JSON与Python脚本),重算已公开技能标签的汇总结果。复核包不含招聘全文镜像;原始正文或截图的文件校验,需要取得相同版本的文件。

  • 各公司详情页列有来源链接、采集日期与SHA-256校验值。
  • 阿里云、蚂蚁集团、小红书与网易条目根据招聘页截图人工整理,校验值对应截图文件。截图未包含具体岗位URL,申请前应通过官方招聘渠道核实。
  • 国内与全球初始样本采用相同统计规则,分别汇总;两组存在重叠,不直接相加。

版本变更记录

  • 国内样本(2026-11-04):由25家扩展至29家,新增阿里云、蚂蚁集团、小红书和网易的招聘截图记录,并更新技能统计。
  • 全球初始样本(2026-11-03):根据岗位正文统一统计技能,排除招聘法律条款、福利与招聘流程模板,并增加不同统计范围的对照。

常见问题

关于这份数据的五个问题。

这份数据可以引用吗?

可以。引用时注明来源(真实智元「FDE 岗位招聘要求数据室」)、所用样本(国内 29 家 / 全球初始 100 家)、快照日期(2026-11-04 前后,2026-11-04 复核)并链接回本页;引用频次时请带上「本样本整篇 JD 明文提及」的口径。许可细则见许可页。

为什么这里的数字和某些文章不一样?

常见原因有四个:口径不同(本页为「整篇明文提及」宽口径,只统计职责+必需+优选会得到更低的数字,见方法区敏感性表)、样本不同(国内 29 家与全球初始 100 家是等权目的样本,非市场抽样,且两样本不合并)、快照日期不同(岗位 JD 会随时下线或更新)、岗位命名口径不同(国内样本含 AI 交付/解决方案类命名,见方法区)。对比前请先对齐这四点。

国内样本为什么不是严格的 FDE 命名?

国内招聘市场极少直接把岗位命名为 FDE(Forward Deployed Engineer),对应职能通常叫解决方案架构师/工程师、AI 交付工程师、大模型应用工程师、Agent 工程师等。本样本按关键词分级匹配这些命名(口径见方法区),所以它是「国内 AI 交付类岗位样本」。全球初始样本则以 FDE 直接命名为主,两个样本各自如实标注,不作跨口径混算。

数据会更新吗?

数据按快照更新,每次采集和复算会标注日期与统计版本。当前国内样本为v3,全球初始样本为v3;引用时请注明所用版本与快照日期。

这份数据能推断国内 FDE 岗位的真实比例吗?

不能。国内 29 家是为研究目的挑选的可达官方渠道样本、非市场比例抽样;岗位命名口径也与 FDE 原义有差异。快照仅用于能力信号参考,不能推断任何市场的招聘频率或岗位比例。

下一步

按真实岗位信号训练,而不是按框架名单训练

真实智元FDE课程参考这两组岗位调研,围绕需求、工程、评测与交付安排训练。课程大纲、练习题与评分要求均可查阅。

样本覆盖与岗位时效

全球初始样本覆盖多个国家和地区,也包含中国岗位。国内补充样本与全球初始样本分别统计,两组可能收录同一企业或岗位,不能直接相加为互不重复的公司数量。

腾讯的一条岗位同时收录于两组样本。两组样本各自反映采集时的招聘信息,并非全市场随机抽样;技能提及频次不等于招聘硬性要求。

历史快照保留采集时的岗位信息。招聘页面能够访问,并不表示职位仍在开放;申请前请通过招聘方官方渠道确认岗位主体、完整要求与当前状态。