招聘市场上不断冒出的 FDE 岗位，月薪标到 90K 到 120K，发 14 薪。同一周，上海徐汇第一期 FDE 市场化培训班也在 10 月 28 日开班。知乎微博
一边是企业高价抢人，一边是区里出面组织培训。缺人不是个别公司的错觉。
但真正该问的不是 FDE 为什么贵，而是这九十多 K 到底在买什么。
一份针对 160 条 Agent 线上故障工单的统计显示，48% 是会话稳定性问题，46% 的根因指向模型层。知乎
也就是说，Agent 上线后最常见的死法，和它够不够聪明关系不大。
一位长期做 Agent 交付的工程师复盘过自己的项目：最顺利的也踩了七八个坑；最惨的 Demo 一周做完，上线拖了三个月。
Demo 能跑通，不等于能上生产。它成立的前提是三个假设：输入总是合法、网络总是可靠、用户行为可预测，这三条进了生产环境几乎同时失效。知乎钛媒体
更麻烦的是，失效往往不报警。
一个团队做报表，脚本里写了兜底：工单号取不到，就填物料编码；再取不到，填「未知工单」。页面渲染正常，数据也不缺，没人发现「工单号」那一列填的其实是物料编码。知乎
缺陷藏了几个月，直到有人拿这份报表去对账。
这就是 AI 工程化最反直觉的地方：传统 bug 会报错，AI 的偏差会伪装成「看起来正常」。它沿着文档、模型理解、生成代码、数据流一路传下去，每一层都像是对的。
所以约束不能只写在文档里。写在文档里的叫愿望，只有能被系统在运行时拦下来的，才叫约束。知乎
事前拦截越权动作，过程中做横切校验，事后独立评审。三层门禁，漏一层就会漏。
还有一条同样重要：生成和验收必须分开。写代码的 Agent 不能自己给自己打分，否则它总会在「完成目标」和「遵守规则」之间选前者。
那 FDE 在这套系统里干什么？
市面上其实有两种 FDE。一种是换了名字的外包实施：进场梳理需求、对接接口、交付完就撤，资产全留在客户现场，下一个项目从头再来。
另一种的核心交付物不是项目代码，而是能回流平台的资产。现场的例外流程、口头 SOP、踩出来的边界 case，会被做成 Skill、连接器、评估用例。知乎
前者按人天收费，后者让下一个项目更便宜。高薪买的是后者。
这也解释了为什么「多招几个大模型调优专家」解决不了问题。大多数卡点不在模型能力，在流程、集成和组织对齐。
还有个细节：代码生成速度不等于业务交付吞吐量。代码写得快了，需求甄别、方案评审、变更管控还是老一套，结果只是返工也变快了。知乎
所以看板不能只盯生成了多少行代码。
要看返工分布、缺陷逃逸、无效熔断次数，还有人工卡点介入的频次。这些只能从审计日志和执行账本里捞，不能采信 Agent 自己说的「任务完成」。
高薪不是付给会用大模型的人，是付给能把不确定性关住的人——用门禁、状态机、审计账本和评估基线，给一个会犯错的系统划出可运营的边界。
模型会一直犯错。工程的任务不是让它不犯错，而是让错误发生在能被发现、被回滚、被追责的地方。
至于判断，还是留给人。哪笔业务值得做，哪个风险可以担，哪份方案能签——这些卡点一让出去，项目就开始翻车。
