# 前线部署工程实践指南

## 前线部署工程实践指南

[![GitHub stars](https://img.shields.io/github/stars/yeasy/forward_deployed_engineering_guide?style=social)](https://github.com/yeasy/forward_deployed_engineering_guide) [![Release](https://img.shields.io/github/release/yeasy/forward_deployed_engineering_guide.svg)](https://github.com/yeasy/forward_deployed_engineering_guide/releases) [![Online Reading](https://img.shields.io/badge/%E5%9C%A8%E7%BA%BF%E9%98%85%E8%AF%BB-GitBook-brightgreen)](https://yeasy.gitbook.io/forward_deployed_engineering_guide/) [![PDF](https://img.shields.io/badge/PDF-%E4%B8%8B%E8%BD%BD-orange)](https://github.com/yeasy/forward_deployed_engineering_guide/releases/latest)

> 从现场问题发现到 AI 原生生产交付，系统掌握前线部署工程的方法、工具与实践。

<img src="/files/9lYzWXzZvHxvQQM3ALt4" alt="前线部署工程实践指南封面配图" width="360">

***

### 本书定位

Forward Deployed Engineering，简称 FDE，本书译作“前线部署工程”。它不是传统售前、外包实施或一次性顾问交付，而是一种把工程师嵌入真实业务现场，用软件、数据、AI、平台和运营方法解决复杂组织问题的工程实践。FDE 的目标不是完成一份方案文档，而是把模糊问题转化为可运行、可观测、可治理、可持续演进的生产系统。

FDE 已从少数公司的组织实践扩展为企业 AI 和数字化转型的重要交付模式：

* Palantir 的 FDE 实践将这一角色带入行业视野，并在 Foundry 文档中提供 [AI FDE](https://www.palantir.com/docs/foundry/ai-fde/overview)。
* OpenAI 推出 [OpenAI Deployment Company](https://openai.com/index/openai-launches-the-deployment-company/)，强调工程师嵌入组织、识别高影响场景、重构关键工作流。
* Accenture 与 Microsoft 成立面向企业 AI 规模化的 [FDE 实践](https://newsroom.accenture.com/news/2026/accenture-launches-microsoft-forward-deployed-engineering-practice-to-help-organizations-scale-ai-across-the-enterprise)。

本书面向希望系统掌握 FDE 的工程师、技术负责人、产品经理、解决方案架构师、平台工程师、AI 应用开发者和企业数字化负责人。

### 目标读者

本书适合以下读者阅读：

1. 已具备软件工程基础，希望进入 FDE、解决方案工程、AI 交付、平台工程或企业技术咨询领域的工程师。
2. 正在把 AI、数据平台、云原生平台或业务自动化系统落地到企业现场的技术负责人。
3. 需要理解 FDE 与售前、咨询、SRE、平台工程、客户成功之间边界的管理者。
4. 希望用开源工具构建可复制交付能力的团队，包括 Kubernetes、GitOps、IaC、OpenTelemetry、Backstage、Temporal、Dagster、LangGraph、LlamaIndex、MLflow 等生态使用者。
5. 正在负责高安全、高合规、高复杂度现场交付的团队，例如金融、制造、医疗、能源、公共部门和供应链场景。

### 将学到什么

读完整书后，读者应能够形成四类能力。

第一，理解 FDE 的角色本质。读者将能区分 FDE、售前工程师、解决方案架构师、专业服务、平台工程师、SRE、AI 工程师之间的责任边界，理解为什么 FDE 的核心是现场发现、工程交付、生产价值和产品反哺。

第二，掌握从问题到系统的交付方法。书中将讲解如何进入客户现场，识别真实瓶颈，建立领域语言，设计成功指标，拆分原型、试点和生产系统，并管理范围、风险、变更和知识转移。

第三，建立生产级工程底座。读者将学习容器与 Kubernetes、GitOps、基础设施即代码、CI/CD、软件供应链安全、数据产品、语义层、零信任、可观测性、SLO、事件响应等核心能力，并理解它们在 FDE 项目中的实际作用。

第四，掌握 AI 原生 FDE 实践。书中将覆盖 LLM、RAG、Agent、评测、LLMOps、提示工程、工具调用、模型部署、安全防护和人机协同边界，重点解释如何把 AI 能力接入客户数据、系统、权限和真实工作流。

### 阅读路径

| 读者              | 建议章节                         | 阅读重点                            |
| --------------- | ---------------------------- | ------------------------------- |
| FDE / 解决方案工程师   | 1 -> 2 -> 3 -> 4 -> 11 -> 12 | 角色边界、现场发现、架构取舍、生产上线、运维闭环        |
| 平台 / DevOps 工程师 | 5 -> 6 -> 8 -> 12 -> 13      | 云原生、GitOps、供应链安全、可观测性、平台化       |
| AI 应用工程师        | 7 -> 9 -> 10 -> 11 -> 16     | 数据接入、RAG、Agent、评测、LLMOps、AI FDE |
| 技术负责人 / 产品负责人   | 1 -> 4 -> 14 -> 15 -> 16     | 交付模式、行业案例、组织能力、长期价值             |

### 相关图书

* [Docker 从入门到实践](https://yeasy.gitbook.io/docker_practice/)：补齐容器、镜像、Compose、Kubernetes 等运行底座。
* [大模型提示词工程指南](https://yeasy.gitbook.io/prompt_engineering_guide/)：补齐提示设计、任务拆解和提示评测基础。
* [大模型上下文工程权威指南](https://yeasy.gitbook.io/context_engineering_guide/)：补齐 RAG、记忆、工具调用和上下文管理。
* [智能体 Harness 工程指南](https://yeasy.gitbook.io/harness_engineering_guide/)：补齐 Agent 运行时、工具层、记忆、安全和可观测性。
* [大模型安全权威指南](https://yeasy.gitbook.io/ai_security_guide/)：补齐提示注入、数据泄露、模型滥用和 AI 系统治理。

### 全书结构

全书分为四部分，共十六章，另设附录。

第一部分“理解 FDE”建立基本概念。它解释 FDE 的来源、角色边界、现场问题发现、架构取舍和交付协作。

第二部分“工程底座”讲生产化所需的基础能力。它覆盖云原生运行环境、自动化交付、数据集成、安全合规和治理。

第三部分“AI 原生实践”聚焦企业 AI 落地。它讲解 LLM 应用、RAG、Agent、评测、LLMOps、从原型到生产系统以及现场运维。

第四部分“规模化与生态”讨论如何把一次交付变成可复用能力。它包括工具生态、行业案例、组织能力、职业发展和未来趋势。

附录包括术语表、参考文献和工具索引，便于读者在阅读过程中快速查阅。

### 在线阅读

可通过 GitBook 阅读在线版本：[前线部署工程实践指南](https://yeasy.gitbook.io/forward_deployed_engineering_guide/)。

### 下载离线版本

正式 PDF 版本可前往 [GitHub Releases](https://github.com/yeasy/forward_deployed_engineering_guide/releases/latest) 页面下载。

默认分支自动更新的预览版可直接下载 [forward\_deployed\_engineering\_guide.pdf](https://github.com/yeasy/forward_deployed_engineering_guide/releases/download/preview-pdf/forward_deployed_engineering_guide.pdf)。该文件会随主线更新覆盖，不代表正式发布版本。

### 本地阅读与构建

安装 mdPress：

```bash
brew tap yeasy/tap
brew install mdpress
```

本地预览：

```bash
mdpress serve .
```

检查 Markdown 链接和代码块围栏：

```bash
python3 check_project_rules.py
```

构建静态站点、PDF 和 ePub：

```bash
mdpress build --format site,pdf,epub .
```

生成单文件 HTML：

```bash
mdpress build --format html .
```

### CI 与发布

本仓库配置 GitHub Actions：

* `CI`：在 `main` 分支推送、Pull Request 和手动触发时运行 Markdown 项目检查并构建 PDF artifact。
* `Update Preview PDF`：在 `main` 分支推送和手动触发时更新 `preview-pdf` 预览版 Release。
* `Auto Release`：在 `v*` tag 推送或手动触发时构建正式 PDF，并在 tag 发布时上传到 GitHub Release。
* `Dependabot auto-merge`：仅对 GitHub Actions 的低风险补丁和小版本更新启用自动合并，且要求目标分支已配置必需检查。


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://yeasy.gitbook.io/forward_deployed_engineering_guide/readme.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
