Codex / Claude Code
从需求拆解到改文件、跑命令、测试修复、生成交付文档，适合做端到端项目。
Job Market
国内岗位地图
不要只搜 FDE。国内更多岗位会写成“大模型应用落地、AI 增效、Agent 应用、解决方案、售前交付”。优先投能看作品集、能搭 Demo、能接触真实客户的岗位。
| 岗位方向 | 薪资样本 | JD 关键词 | 匹配策略 | 优先级 |
|---|---|---|---|---|
| 大模型支持工程师偏搭建和客户支持 | 10-15K | CozeDifyAgentAPIAI 编写代码 | 用 3 个 Demo 证明能快速搭原型、调流程、写交付说明。 | 高 |
| AI 大模型应用落地工程师偏方案和落地 | 15-30K | 数字员工PromptWorkflow后台集成 | 强调业务流程诊断、人工确认、风险控制和验收指标。 | 很高 |
| AI 增效落地工程师偏内部效率提升 | 15-30K | 业务调研AI 提效方案设计实施 | 拿 WorkBuddy / Bloome / 飞书场景讲“办公 agent 工作台”。 | 很高 |
| AI Agent 开发工程师偏技术实现 | 20-30K+ | PythonRAGLangChainAutoGen | 可尝试，但要避开强后端/算法硬门槛岗位。 | 中 |
| AI 解决方案 / 售前偏客户沟通 | 15-25K | POCDemo行业方案客户交付 | 适合沟通能力强、能写方案、能做演示的人。 | 高 |
| AI 平台架构师 / Infra偏资深平台 | 30K+ | 云原生训练推理K8s架构 | 长期目标，不适合作为两个月主攻方向。 | 低 |
Tool Stack
主流产品和工具
Dify、Coze、n8n 仍然有用，但要降级为“业务原型层”。真正拉开差距的是 agentic coding、Skills、MCP、harness 和人类-agent 协作入口。
Trae / 通义灵码
适合中文需求、国内企业环境、多文件修改和本土模型生态。
CodeBuddy / WorkBuddy
一个偏代码交付，一个偏职场任务工作台，适合讲企业提效和交付场景。
Bloome
把 agent 放进频道、私信、线程中协作，适合设计“群聊式业务 agent”。
Skills / Rules
把客户访谈、方案生成、风险检查和验收指标沉淀成可复用工作流。
MCP / Connectors
让 agent 连接飞书、GitHub、Figma、数据库、知识库和客户内部 API。
Eval Harness
用测试集、回放、指标、人工审批和发布门禁，让 Demo 变成可上线系统。
Coze / Dify / FastGPT
快速搭业务 Agent、RAG 和客户演示原型，不作为唯一核心能力。
Roadmap
8 周行动路线
路线设计不是“学完所有技术”，而是每周产出一个可展示资产，最后形成作品集、简历和投递闭环。
Week 1
Agentic 工具链
- 启用 Codex / Claude Code
- 选 1-2 个国内工具
- 做第一个小交付
Week 2
方案拆解
- 练 5 个业务场景
- 输出 FDE 方案模板
- 写第一个 Skill / Rule
Week 3
RAG 知识库
- 文档导入和问答
- 引用来源和低置信度兜底
- 20 条测试问题
Week 4
Agent Workflow
- 客服工单或销售跟进
- 结构化输出
- 人工确认和日志
Week 5
行业方案包
- 选教培/电商/HR/法务
- 做流程图、成本估算
- 写验收指标
Week 6
Eval Harness
- 边界测试和越权测试
- 成本、延迟、人工接管率
- 整理 GitHub 和演示
Week 7
求职材料
- 1 页简历
- 作品集页面
- 3 分钟项目讲解
Week 8
投递复盘
- 80-120 个岗位投递
- 20-50 次私信触达
- 按面试反馈迭代
Portfolio
3 个必须完成的作品
每个作品都要像客户交付案例：有痛点、流程、工具、截图、Demo、视频、评估和风险边界。
Project 01
企业知识库 RAG 助手
模拟教育机构课程顾问场景，解决新人查政策慢、回答不一致、主管被重复询问的问题。
- 文档导入、知识库问答、引用来源
- 低置信度转人工和用户反馈
- 20 条测试问题和命中率复盘
- Demo 链接、截图、3 分钟视频
Project 02
客服工单 / 销售跟进 Agent
用 Agent 判断类型、调用知识库、生成回复草稿、决定是否转人工，并写入处理日志。
- 结构化 JSON 输出
- 工具调用和人工确认
- 飞书表格 / Airtable 记录
- 转人工规则和失败兜底
Project 03
垂直行业 AI 解决方案包
选一个行业深挖，做成完整交付包，而不是普通 Demo。推荐电商售后、教培、HR 或法务。
- 客户背景和当前流程
- AI 工作流和系统架构
- 成本估算、验收指标、风险表
- 上线计划和迭代路线
Trends
必须关注的行业热点
每周更新一次工具和 JD 关键词。热点不是追新闻，而是让你的作品集和面试表达始终贴近真实市场。
Agentic Coding从补全代码走向需求、开发、测试、部署的完整交付。
Skills / Playbooks一次交付沉淀成可复用能力包，而不是一次性 Prompt。
MCP / ConnectorsAgent 接入真实客户系统，成为落地关键。
Eval Harness上线前要有测试集、回放、门禁和人工审批。
IM AgentAgent 进入飞书、企微、Slack、Bloome 这类协作入口。
Vertical Agent客服、销售、HR、法务、金融运营更容易付费。
Computer Use下一代 RPA，但必须有权限、日志、回滚和审批。
国产模型替代Qwen、Kimi、DeepSeek、GLM 等影响成本和私有化方案。
Agent SecurityPrompt injection、越权调用、敏感数据泄露是必问点。
Task-based AI产品形态从聊天框转向任务、状态、验收和复用。
简历定位不要写“零基础转行”
写成：AI FDE / 大模型应用落地 / Agent 方案工程师。核心卖点是能用 agentic 工具把客户需求拆成 Demo、评估、交付文档和上线计划。
BOSS 开场话术
您好，我正在转向 AI FDE / 大模型应用落地方向，已完成企业知识库 RAG、客服工单 Agent、销售跟进 Workflow 三个 Demo。我的优势是能快速把业务需求拆成 AI 工作流，并用 Codex / Claude Code / Trae / Coze / WorkBuddy 等工具做出可演示方案。想了解贵司是否有 AI 应用落地、解决方案或初级 FDE 相关机会。
面试回答框架
- 业务背景和目标用户
- 原流程有什么问题
- AI 介入哪个环节
- 用了哪些工具和 agent
- 如何保留人工确认
- 如何评估效果和风险
- 上线后怎么监控和迭代
女生求职要问清楚
- 差旅和长期驻场比例是多少？
- 写方案和搭 Demo 多，还是纯 PPT 和陪客户多？
- 有没有资深工程师或方案架构师带？
- 项目是否能沉淀成产品能力？
- 客户紧急响应是否有明确边界？
References
核心参考
网页只展示关键来源，完整来源保留在 Markdown 原文里。