本文详细记录了作者在广州某高校图书馆 AI 工作坊上，带领学员使用腾讯 WorkBuddy 将手头资料（如数据表、规章文件）制作为交互式智能问答网站的完整过程。文章涵盖：让 WorkBuddy 生成可视化网站、接入 DeepSeek API 实现自由问答、通过中转函数保护 API key 安全、用 Codex 操控 Chrome 自动完成腾讯云部署等环节。作者还分享了 API key 三道安全防线、部署踩坑经验（教程过时、云函数超时、日期偏差排查）以及成本控制（全班提问仅花两毛二），并强调数据授权与隐私边界的重要性。
文章探讨了AI进入企业应用深水区后，FDE（Forward Deployed Engineer）这一职业的兴起与价值。随着模型能力趋同，企业部署AI的瓶颈转向数据、权限、流程等实际问题，FDE成为连接模型与业务的关键角色。文章提出个人FDE复利公式，强调问题价值、现场深度、反馈密度、抽象能力和复用范围的重要性，并详细阐述了FDE如何将隐性经验转化为系统规则、如何应对生产失败、以及如何构建职业复利。最后指出，FDE的核心在于靠近问题、承担上线责任，并将现场经验转化为可复用的能力，从而推动企业AI的落地与迭代。
文章分析了 FDE（部署工程师）岗位的现状，指出虽然需求真实，但网络上充斥着卖课和制造焦虑的虚假繁荣。通过分析岗位增长数据的真实性、OpenAI 等巨头的投资结构以及国内职称培训乱象，揭示了该岗位实际上是高强度的复合实施工作，而非宣传中的风口捷径。
OpenAI、Anthropic 和 Google 在 2026 年不约而同地押注 FDE（前置部署工程师），成立专门的部署公司或大规模招聘。文章深入分析了 FDE 的起源、为何成为 Agent 时代的刚需，以及它是否真的是 PMF 范式。FDE 通过驻场解决 AI 落地难题，但也面临掩盖产品缺陷和利润率挑战的风险。
