Forward Deployed Engineer・職位指南
FDE/解決方案工程師
駐在客戶端寫會上線的程式,把 AI 接進對方的系統,大半時間在做資料整合;台灣職缺多叫解決方案工程師。
自評進度
登入後記進度FIT・適合誰
- 喜歡看到自己寫的東西馬上被真實使用者拿去用
- 不怕陌生的系統與資料,願意花時間讀懂客戶的流程
- 能在會議室把技術講成對方聽得懂的話,回到座位也能寫程式
DUTIES・職責
每天在做什麼
- 到客戶端訪談,釐清使用情境、需求和使用者,把問題翻成做得出來的規格
- 資料整合:串接客戶的資料庫、檔案、內部 API,清理並對齊欄位
- 在客戶環境開發與部署 AI 應用(LLM、RAG、Agent),寫的是會上線的程式
- 先做 PoC,再推到正式環境:權限、資安、監控、交接文件
- 把客戶現場的回饋帶回產品團隊,推動功能改進
SKILLS・技能
必備
- 資料整合:SQL、ETL、API 串接、處理格式不一致的資料
- 後端與部署:Python、FastAPI、Docker、雲端(AWS/GCP/Azure)
- AI 應用:LLM API、RAG、結構化輸出、評估
- 需求訪談與簡報:問對問題、寫需求文件、向主管說明成效
加分
- 企業環境:權限、VPN、地端部署、資安審查
- 專案管理:時程、範圍變更、風險回報
- 產業知識:製造、金融、醫療等領域的流程與法規
- 系統設計:多來源資料架構、整合模式、降級與警報
INTERVIEW・面試準備
會被問什麼
- 情境題:客戶說「我們想導入 AI」,第一週你會問哪些問題、看哪些資料
- 資料整合題:幾個來源欄位不一致、有缺值,怎麼設計整合流程與檢查
- 實作題:現場寫一段串 API 或處理資料的程式,邊寫邊說明取捨
- AI 應用題:設計一個 RAG 或 Agent 方案,說明怎麼評估、失敗時怎麼處理
- 溝通題:PoC 成效不如預期,怎麼跟客戶主管說明、下一步怎麼提
NEIGHBORS・相鄰職位邊界
和誰容易搞混
HEADHUNTER・與獵頭合作
怎麼跟獵頭談
- 用多個職稱搜尋:解決方案工程師、導入工程師、技術顧問、售前工程師、FDE
- 履歷寫「在客戶端做了什麼、串了哪些系統、上線後誰在用」
- 問清楚出差與駐點的比例,一次同時負責幾個客戶
- 問清楚職缺偏售前提案還是交付上線,兩者寫程式的比例差很多
READ・延伸閱讀

送件鴿飛出去了