FDE 系统设计案例：为广告公司构建 AI 研究到行动的副驾驶
AI拉呱：洞察AI技术前沿
前向部署工程师（FDE）的面试很少考你能不能说出最新的 LLM 框架。
更难的问题是：你能不能把一个模糊的业务问题，发现真正重要的东西，设计出技术上可信的系统，并把权衡讲得足够清楚，让工程主管和客户都信任你去构建它。
考虑这样一个场景：
一家广告公司想用 AI 提升员工生产力。
员工目前要花大量时间从多个地方收集信息：
- 存储在 CRM 系统中的客户与账户数据；
- 内部产品文档和知识库；
- 关于客户、市场和竞争对手的外部网络调研；
- 以往的沟通记录和账户历史。
收集完这些信息后，员工仍需要人工综合，才能产出有用的东西：账户简报、客户洞察、建议、会议准备文档或个性化邮件。
业务目标听起来很简单：
减少人工调研，让员工把更多时间花在更高价值的工作上。
但围绕这句话设计一个生产系统，是一个绝佳的 FDE 面试题。
有意思的挑战不仅仅是**“构建一个 RAG 聊天机器人。”**
而是设计一个安全、可感知权限、有证据支撑的研究到行动系统，让它能横跨结构化企业数据、非结构化内部知识和变化的外部信息。
这篇文章将带你了解一个优秀候选人会如何解决这个问题。
