# FDE 学习资料总整理

**日期：2026-10-21（纽约）｜对象：Prince｜范围：上一轮明确列出的16项资料。**

这份整理把书、代码、课程与视频组织成可执行的学习路径。它不是把每个仓库都当成课程，也不把“资料已取得”写成“所有内容已精读或所有代码已运行”。逐项阅读范围见文末及《FDE阅读覆盖》。

## 先看结论

对你，建议保留一条主线：**Richard Xu 手册建立交付框架 → AI Engineer Notebooks 补工程机制与评估 → Claude API／MCP 课程按缺口补课 → FDE Simulation 练完整交付 → 用已有项目完成一次外部使用者试点。**

- **技术主线：G01。** 先理解模型与工具的真实交互、检索与评估，再用框架组合系统。
- **客户交付主线：G04 + G02。** 从选问题、限定范围，到用户采用与客户接管。
- **工程参考：G03。** 生产化遇到具体问题时查，不把整本书所有云原生工具都变成前置条件。
- **集成案例：G10 + V01。** 适合分析和改造；深入检查后，定位为教学原型。
- **你的差异化：C03 中的语言界面 UX。** 用 HFE／UX 把系统能力转成实际可用、可判断、可恢复的工作流。
- **P0 是本次建议的学习优先级，不是外部质量评级；学习路线是分析建议，不是用户已作出的职业决定。**

本轮最重要的修正：此前“冷链物流项目适合跟做”的判断保留，但不采用作者的“企业级”宣传作为生产成熟度证据；中文手册之间存在共享与转引来源，不能累计成三份独立验证；高星导航不能替代代码训练。

## 1. FDE 究竟要学什么

把资料中的内容合并后，可以用八个能力模块组织学习。下列是本次综合框架，不是统一行业认证标准。

| 模块 | 要回答的问题 | 可检查的产物 | 首选来源 |
| --- | --- | --- | --- |
| 业务发现 | 谁遇到什么问题？现状代价是什么？ | 访谈记录、流程图、基线、未知项 | G04、G02、G01第11节 |
| 范围与验收 | 第一版改哪一段？怎样决定继续或停止？ | 一页范围说明、成功标准、排除项 | G04、G03综合实战 |
| 应用工程 | 请求、数据、状态和错误如何流动？ | 可解释的API、校验、异常路径 | G01、C01、G06 |
| 数据与集成 | 数据在哪？谁能访问？怎样保持新鲜？ | 数据契约、受控接口、权限说明 | G03、G10、C02 |
| AI系统判断 | 规则、工作流、检索还是Agent？ | 基线方案、取舍记录、停止条件 | G01、C01 |
| 评估与运行 | 正确、稳定、可负担分别怎样测？ | 评估集、质量／延迟／成本报告、回归 | G01、G07、G03 |
| 采用与接管 | 使用者明天还会用吗？你离开后谁维护？ | 任务型说明、告警责任、接管演练 | G04、G03、C03 |
| 产品反哺 | 下一位客户能复用什么？ | 连接器、模板、测试、共性需求 | G05、G03 |

这些资料经常把FDE、Solutions Engineer、Applied AI Engineer放在一起讨论。它们有交集，但岗位边界并不相同；应按具体职责、代码责任与客户交付范围核对，不能仅凭课程标题等同。

## 2. 16项资料逐项评价

### G01｜AI Engineer Notebooks：技术学习主线

[GitHub](https://github.com/calmrocks/ai-engineer-notebooks) · 英文 · P0

仓库有33份Notebook，按API、评估、RAG、Agent、安全、运行与客户需求组织；我检查了全目录，并重点静读核心Notebook的说明与代码。其特点是先用原始API实现机制，再讨论框架；评估出现在检索与Agent之前。

**建议顺序：** 00环境 → 01结构化输出／工具调用 → 02基础评估 → 03检索 → 04回归评估 → 05循环与预算 → 08可靠性 → 11需求 → 12客服案例。第06适配模型、09自托管推理和10推理服务设计可按后续需求补。

**做完应留下：** 你能独立解释的工具循环、一份版本化评估集、对检索失败的归因、一次质量与成本取舍记录。Colab能启动或Notebook跑完只证明练习环境，不代表交付成熟。

**边界：** Groq、IETF语料和部分外部依赖需要网络；作者的免费额度说法需以实际账户为准。若没有GPU，先读自托管与微调的概念部分。没有把作者宣称的“生产排障案例”当作本轮独立核验的客户事故。

### G02｜FDE Simulation：补完整客户交付练习

[GitHub](https://github.com/kalyvask/fde-simulation) · 英文 · P0

两个虚构场景：保险理赔沟通与投资机构财报简报。包含需求发现、利益相关者、首个价值切片、Python原型、评估、交接、限时作业及客户冲突模拟。

**建议起点：** 先读Calder案例的 `START_HERE.md` 和 brief，再按 `EXERCISE.md` 交自己的需求与方案；之后对照参考答案。已有技术基础后，再做 `2-take-home-5h` 的限时演练。把参考答案留到自己尝试之后。

**重要发现：** 无API密钥时，部分生成和评分退回确定性mock；脚本也说明mock下重复运行的方差没有真实模型意义。`pass^k=5` 是此仓库的教学口径，不是适用于所有业务的生产标准。多Agent设计也是该练习的选型，并非FDE必备架构。

**做完应留下：** 需求备忘录、方案取舍、可运行原型、评估报告、交接说明、5分钟口头解释。作品集必须标注“合成客户模拟”，不能写成付费客户成果。

### G03｜前线部署工程实践指南：生产工程参考书

[GitHub](https://github.com/yeasy/forward_deployed_engineering_guide) · 中文 · P1

16章，覆盖调研、架构、协作、云原生、流水线、数据、安全、AI应用、LLMOps、生产化、运维与组织。综合实战用制造业异常订单建议串起发现、审批、受控写回与客户接管。

**适合你先读：** 第2–4章、第7章、第9–12章及综合实战。遇到具体部署问题再查第5–6章；GPU、服务网格和复杂混合云可以后置。

**值得带走：** 生产系统要有接口契约、责任边界、失败处理、版本和接管能力。模板的价值在于让这些问题可检查，而非文档越多越好。

**边界：** 本轮检查章节结构、小结与综合实战，并对关键段落抽读；没有逐字精读整书、逐一复核所有标准或执行模板中的部署。不要把书里的完整组织治理规模照搬到个人小项目。

### G04｜FDE：企业AI落地实战手册：你的中文起点

[GitHub](https://github.com/RichardXu001/the-fde-handbook) · 中文／英文 · P0

28章按角色、发现到生产、工程、采用移交、商业、人和组织展开。对你最有用的是第6–14章、第15／17章与第24–25章。

**核心方法：** 最小可行部署要验证真实用户、真实分布的数据与现有基线；缩小覆盖范围，同时保留完整价值链。客户接管要转移运行能力、知识与责任。

**建议练习：** 将一个现有项目写成“一页范围说明＋验收表＋任务型运行手册”。请另一个人照手册解释异常、完成一个受控恢复操作，记录他卡住的位置。

**边界：** 这是个人综合整理，部分章节引用XDash等二手来源；案例数字与职业市场说法没有全部独立核验。本轮是全章节结构检查与关键正文抽读，不能据此宣称阅读了全部中英文版本。许可允许个人学习及非商业分享，商业使用需另核许可。

### G05｜客户价值交付秘籍：补商业与采用视角

[GitHub](https://github.com/xdash/FDE-the-Guidance-Book-of-Forward-Deployed-Engineer) · 中文 · P1

八章串起问题选择、客户、激活、续约、收入、复制与案例。它能补上代码教程经常略过的采购、组织支持、用户激活和产品化问题。

**优先章节：** 第2章解决正确问题、第4章激活部署、第7章规模化复制；考虑独立服务生意时再读收费、续约与获客部分。

**采用方式：** 把“部署成功”与“被使用”分开，把重复客户问题转成可复用资产。报价和结果收费属于需要具体业务前提的策略，不是人人适用的FDE定义。

**边界：** 主要是研究整理与案例叙述；附录中部分引语本就保留待核说明。不能将其中的薪酬、增长率或单个公司成果升级为已证实的普遍规律。仓库公开可读不等于可自由商用。

### G06｜Coder Army配套仓库：可按模块选修

[GitHub](https://github.com/adityatandon15/Forward-Deployed-Engineer-Full-Course) · P1

当前目录到Lecture 19；取得18份同名PDF笔记并提取文本，共667页。第11课存在RAG代码与知识文件，本轮未找到对应同名Notes.pdf。代码提供Python、JavaScript、Java路径。

**模块地图：** 1–2角色和模型基础；3–6 API、上下文、工具与流式；7–10 Embedding和向量检索；11–12 RAG；13结构化输出；14–15 MCP；16多模态；17–18评估与测试；19安全与Guardrails。

**你的选修顺序：** 3、5、11–15、17–19。根据实际基础补4／6／7–10；只选一种主要实现语言，避免三套示例同时学习。

**边界：** PDF已取得和结构阅读不代表667页全部精读。视频系列未完整观看；第一课元数据标注印地语。部分示例依赖Pinecone和模型API，有的跨语言示例只有函数入口而无HTTP服务，不要根据语言版本推定完全同构。

### G07｜Anthropic Cookbook：按问题查的代码库

[GitHub](https://github.com/anthropics/anthropic-cookbook) · 官方 · P1

重点查看了客服工具、自然语言SQL、评估、成本优化四类配方。最值得借鉴的是先测任务基线，再比较质量、延迟、上下文、循环与模型配置的成本。

**建议入口：** `misc/building_evals.ipynb`、`tool_use/customer_service_agent.ipynb`、`cost_optimization/cost_optimization.ipynb`。自然语言SQL配方只用来理解交互机制，单独设计数据权限和查询约束。

**边界：** 官方仓库仍混有旧模型配方和合成工具回复；README还链接旧归档课程。活跃仓库不代表每个文件均已更新。本轮没有逐个阅读或执行全部配方。

### G08｜Awesome FDE Roadmap：查漏地图

[GitHub](https://github.com/pierpaolo28/Awesome-FDE-Roadmap) · 英文 · P2

有数据工程、云架构、咨询、评估、企业RAG及交付模板，也包含GCP／ADK和隔离环境部署内容。

**用法：** 对照能力模块找缺口，借鉴现场调研与范围模板。不要将所有工具都当作进入FDE的前置要求；你已有部署经验可以先在熟悉环境完成一条闭环。

**边界：** 快照只有少量文件，主体是长README与外链，不是可从头跑到尾的工程课程。外链与工具的当前兼容性未逐一验证。

### G09｜Awesome FDE Resources：后续检索入口

[GitHub](https://github.com/global-fde/awesome-fde-resources) · 中文／英文 · P2

目录按入门、最佳实践、案例和工具分类。适合当你发现具体缺口时再检索。

**用法：** 每次只引入解决当前问题的一份外链，完成一个可检查产物后再扩展。

**边界：** “查看该资源”是检查目录与收录关系；未递归评审全部外链。被收录与得到独立质量验证是不同状态。

### G10＋V01｜冷链物流项目和长视频：值得分析的教学案例

[代码](https://github.com/nimowhyca/cold-chain-logistics-FDE-Project) · [视频](https://www.youtube.com/watch?v=FSZhPDzESPU) · 英文 · P1

视频约4小时51分钟。取得英文自动字幕，按14个章节抽读，并对照SQL接入、语义视图、SOP检索、外部天气工具、LangGraph、Streamlit与部署代码。它的价值是将需求、方案、数据和部署放进一个案例。

**静态检查发现：**

1. SQL工具主要用语句是否以SELECT开头进行应用层过滤，真实边界还依赖数据库权限；这不能替代完整查询约束、资源限制与权限验收。
2. 示例连接配置包含关闭加密／信任证书的设置，并有固定演示凭据；跟做时应视为本地教学配置，不沿用到真实部署。
3. “corridor congestion”数值由风速阈值生成，是示意业务规则，不是独立交通拥堵数据源。不能把它当作真实物流预测效果。
4. 编排使用内存checkpointer；进程恢复与多实例状态不是这个实现已证明的能力。
5. 发布工作流为人工触发SSH后拉取main并重启；本轮没有在该流程看到自动测试、AI评估、不可变制品提升、健康门禁与自动回滚。

以上是具体文件的静态观察，不是本轮漏洞验证或运行测试。**推荐定位：学习后再改造的教学原型。**

**可做的改造题：** 明确一个客户问题；把示意风险值显式标记；为查询增加范围与超时约束；建立失败评估集；设计状态恢复和发布回读。先证明这些改动的价值，再决定是否需要更多工具。

### G11｜Anthropic Courses旧仓库：保留历史对照

[GitHub](https://github.com/anthropics/courses) · 已归档 · P2

五门旧课程涉及API、提示、真实任务、评估和工具。归档状态已核对，部分示例仍使用旧代模型。可用于理解演变；新学习优先C01／C02，不能因为其他官方README仍链接它就认定它是当前主入口。

### V02｜Coder Army第一课：通过笔记补足，视频保留缺口

[视频](https://www.youtube.com/watch?v=kBM5UXRbo3U) · 约81分钟 · P2

第一课将客服请求转成业务目标，之后讲生成式AI基础。元数据、说明、时间戳与G06第一课PDF已核对。英文自动字幕下载遇到HTTP 429，本轮未获得完整字幕，也没有完整观看视频。仅凭这些材料不评价讲师全程授课质量。

### C01｜Building with the Claude API：官方系统补课

[课程](https://academy.claude.com/courses/building-with-the-claude-api) · 67课、约9小时 · P0

公开页面覆盖API、评估、工具、混合检索、MCP和工作流。建议根据缺口选读评估、Tool Use、RAG与Agent部分；已熟悉的调用入门可以快速自检。

**完成标准：** 用自己的小服务重现工具往返；用固定样本比较一次提示或检索改动；解释规则工作流与Agent的选择。课程里的模型特性、缓存和工具版本仍要对照当前官方文档。

**边界：** 已检查公开课程目录和可访问讲义；没有登录、做测验、获取徽章或逐节观看视频。页面返回成功不代表测验正文已开放；部分页面只有外壳。

### C02｜Introduction to MCP：从会用到会实现

[课程](https://academy.claude.com/courses/introduction-to-model-context-protocol) · 10课、约1小时 · P0

通过Python讲服务端、客户端，以及Tools、Resources、Prompts。适合你把现有工作流中的一个受控接口提供给Agent使用。

**练习：** 先做一个只读资料查询接口，包含输入校验、错误返回和连接清理。解释权限在哪里执行、数据从哪里进入、哪些功能不开放。写入与远程鉴权作为后续明确范围。

**边界：** 入门课程不能证明已掌握企业远程MCP的认证、多租户、审计和所有版本兼容；本轮没有运行课程代码。

### C03｜Full Stack LLM Bootcamp：保留产品与系统视角

[课程](https://fullstackdeeplearning.com/llm-bootcamp/spring-2023/) · 2023年录像／讲义 · P1

检查了总目录与11个讲座页面。建议先看 [UX for Language User Interfaces](https://fullstackdeeplearning.com/llm-bootcamp/spring-2023/ux-for-luis/)、[LLMOps](https://fullstackdeeplearning.com/llm-bootcamp/spring-2023/llmops/) 和 [askFSDL项目讲解](https://fullstackdeeplearning.com/llm-bootcamp/spring-2023/askfsdl-walkthrough/)。

**对你最有用：** 选择聊天、补全、命令入口等不同交互方式；让界面承诺符合能力；把数据清理、部署、监控和改进纳入同一产品。

**边界：** 这是旧课程，2023年的模型、插件、框架与未来预测不作为当前实现依据。公开章节摘要已检查，所有录像未逐一完整观看。

## 3. 合并后的学习笔记

### 3.1 需求发现：先形成能被验证的问题

来自G02、G03、G04及G01客户模块的共同启发：访谈应还原当前任务和失败路径。至少问清使用者、触发条件、已有做法、数据、代价、最终决定者、数据授权者和维护者。

一页范围说明可以只有八项：目标用户、具体任务、当前基线、第一版范围、不做事项、所需数据、验收样本、继续／停止条件。它应能支持取舍，不追求写成宏大的PRD。

### 3.2 方案选择：保留确定性基线

G01和C01都讨论了规则、固定工作流与自适应Agent之间的差异。先为同一任务做简单基线，再判断引入模型或Agent在哪些样本上有收益。复杂度是需要证明的成本。

把模型请求、工具执行与业务权限分开：模型可提出动作请求，应用代码决定是否执行。工具返回需要包含可供下一步判断的结果或错误；失败、循环、延迟和预算用代码约束。

### 3.3 数据与RAG：检索质量和生成质量分开看

G01、C01和G03共同提供了拆解方式：文档准备→切分→检索→重排／融合→上下文→生成。实体编号、日期与关键词有时需要词法检索；语义相似不等于业务相关。

失败至少区分：资料中没有答案、索引过期、切分破坏内容、正确文段未召回、召回后被噪声淹没、回答引用错误。用相同问题集逐项比较，不能只靠“换了模型后感觉更好”。

### 3.4 评估：先定口径，再改方案

建立有来源的任务集，覆盖常见、边界、无答案、权限不足、格式错误与依赖失败。将业务规则、结构校验、检索指标、人工评价与模型评分分开使用。LLM-as-judge也需要人工校准。

每次改动记录：数据／索引／提示／模型／代码版本、样本范围、质量、延迟与成本。通过分数、通过门槛和上线决定是不同层次；课程给出的样本量、分数和重复次数不自动成为你的标准。

### 3.5 可靠性：请求成功之后仍要检查结果

G01、G03与G07覆盖重试、超时、降级、预算、trace与回归。对于写操作，还要明确幂等、重复调用、审批、失败恢复和状态持久化。

日志应能回答失败发生在哪一层；避免把完整私人数据无差别写入日志。发布后读取实际状态，恢复后检查业务数据，不能用启动成功替代功能验收。

### 3.6 采用与移交：将设计能力用在任务现场

G04和C03对你尤其有价值。界面应告诉使用者正在发生什么、哪些内容可靠、如何纠正和恢复；接入方式应适合现有任务。

移交需要任务型说明、责任人、告警与升级路径，以及客户自己操作的证据。将文档发出去只是交接动作；对方能否独立处理异常才说明知识是否转移。

### 3.7 复用：让第二次交付真正更容易

G03、G04、G05强调将共性转成连接器、数据契约、评估集、运行手册与配置。保留客户特有部分，记录不可复用的原因。课程中的商业模式属于策略参考，不能把“按结果收费”或“减少定制”当作所有岗位的唯一判据。

## 4. 对你现有项目的落点

本节沿用本会话此前核对的项目记录，没有重新审计源码或生产环境；已发布、内部使用、模拟与商业验收保持原边界。

| 项目 | 已有相关素材 | 适合补的一段 | 不能推断的成果 |
| --- | --- | --- | --- |
| 声间 | 真实任务、录音转录、存储、权限与恢复取舍 | 一名外部使用者的任务基线、错误样本和采用记录 | 私人使用不等于公开SaaS商业验收 |
| KnowledgeOS | 工作流、来源、去重、可追踪维护 | 用授权或合成资料演示一条受控查询／更新接口及接管 | 个人环境不等于多租户企业系统 |
| CompanyOS／AuthorOS | 另一位使用者的资料、反馈与交付约束 | 选一个反复发生的流程，明确输入、产物、接受标准与维护者 | 文档交付不等于持续采用或付费ROI |
| Helmline／SayIt | 设备、权限、系统集成和发布经验 | 从真实故障说明取舍、诊断、修复与验证 | 上架／发行不等于企业部署或规模验证 |

**建议的首个练习：** 在上述项目中选择一个明确的人和一条流程，保留现有产品主体；补上一页范围说明、受控接口、评估集和接管记录。首轮不需要新建一个更大的平台。

你的优势可以体现在业务任务、交互与工程结果之间的连接。最需要补证的仍是：能否独立解释并维护关键代码，以及能否对外部使用者完成范围、采用和维护闭环。

## 5. 建议学习顺序与产物

以下是阶段安排，可按每周可投入时间执行，不承诺固定周数或求职结果。实际花费取决于Python、后端、SQL与云基础。

| 阶段 | 学什么 | 主要来源 | 结束时应该能展示什么 |
| --- | --- | --- | --- |
| 0：自检 | 请求／JSON／SQL／异常／Git基础 | G06第3–6课、G01第01节 | 一个可解释的API和一次亲自定位的故障；薄弱处先补 |
| 1：选问题 | 真实任务、基线、范围、验收 | G04第6–8章、G01第11节 | 一页范围说明和一个非AI基线 |
| 2：应用机制 | 结构输出、工具调用、循环与停止 | G01第01／05节，C01工具部分 | 能独立讲清的原始API工具循环及失败处理 |
| 3：检索与评估 | RAG、混合检索、golden set、回归 | G01第02–04节，C01 RAG | 同一批样本的方案比较及失败归因 |
| 4：集成与运行 | MCP、权限、预算、降级、版本 | C02，G03第7／10–12章，G10 | 一条受控数据链路、运行手册和恢复验证设计 |
| 5：模拟交付 | 客户沟通、方案、原型、交接 | G02一个案例，G04第15／17章 | 完整模拟交付包，明确合成场景 |
| 6：外部试点 | 采用、成本、故障、接管 | 已有项目＋真实使用者 | 使用与反馈记录、未解决问题、对方能操作的交接材料 |

**避免重复：** C01与G01的API／RAG／工具部分重叠，可选一份完整跟做，另一份查缺口；C02和C01的MCP部分重叠；三份中文书各选一份主读，其余按主题查；G06是长课程，按模块补课即可。

## 6. 你可以实际使用的验收清单

这是一份本次整理建议的检查表，尚未执行。只有实际完成的项目才能勾选。

- [ ] 我能用具体任务解释使用者的困难，并提供当前处理方式与基线。
- [ ] 第一版有明确范围、排除项、数据来源与验收人。
- [ ] 我能画出请求、上下文、工具、数据、状态和错误的流向。
- [ ] 我能解释关键代码，识别AI生成实现中的不合理假设，并独立定位一个失败。
- [ ] 我能用同一批样本比较简单方案与AI方案，说明质量、成本和延迟。
- [ ] 权限、参数、预算和停止条件由应用系统执行。
- [ ] 依赖超时、无答案、工具错误、重复调用与重启有明确行为。
- [ ] 发布与恢复能通过状态回读确认；未测部分明确记录。
- [ ] 至少一个其他使用者实际使用并留下反馈。
- [ ] 另一个人能按任务型手册操作，并知道何时停止或升级。
- [ ] 案例说明区分合成模拟、真实试点、上线和商业成果。

## 7. 阅读与验证范围

- 覆盖上一轮列出的16项：11个GitHub仓库、2个YouTube视频、3个课程入口。没有把导航目录的所有外链无限展开。
- 仓库取得公开文本／代码快照用于目录检查和重点静态阅读；没有安装这些仓库、运行样例、调用模型、部署服务或操作真实客户系统。
- 课程共取得102个公开页面，包含总目录、课文、测验／徽章入口及FSDL讲座页。页面取得不等于每页都有正文，也不等于逐字阅读或观看对应视频。
- Coder Army的18份PDF共667页：提取并检查结构与重点内容，没有声称逐页精读。第11课PDF缺口与视频字幕限流均保留。
- 冷链视频取得英文自动字幕，按章节抽读并与代码对应；没有完整逐帧观看4小时51分视频。自动字幕的专名、数字和代码应以仓库及官方文档核对。
- 本报告的推荐、合并框架、学习产物和个人适配均为分析判断；不等同于完成课程、获得岗位资格或用户确认转向FDE。
- 项目推荐沿用本会话项目背景，未读取或外发私人数据库、密钥与客户原文。

逐项覆盖、章节地图和公开页面入口见同目录《FDE阅读覆盖-2026-10-21.md》；可筛选目录见《FDE资源目录-2026-10-21.csv》。