OpenAI 與Palantir 都在用的FDE 打法：吃客戶的苦，擠出好產品 來自@apoorv03 對OpenAI Forward Deployed Engineering (FDE) 負責人Colin Jarvis 的訪談：真正能把最前沿AI 落地到企業、創造數億甚至數十億美元價值的，不是模型跑分最高的公司，而是最懂得「吃痛苦、吐產品」的公司。 什麼是FDE？ 簡單說，就是把最頂尖的核心技術工程師直接「丟」到客戶現場，和客戶的業務專家一起日夜作戰，深度理解他們的真實痛苦，快速迭代出能用的解決方案，然後把其中可復用的部分提煉成產品，反哺給更多客戶。 Palantir 前CTO Shyam Sankar 的經典比喻： FDE 就是要「metabolize pain and excrete product」（把痛苦吃下去，拉出產品）。 OpenAI 自己的FDE 實踐與關鍵原則 1. 只挑真正高風險、高價值的大問題· 不是做邊緣小功能，而是直接攻擊客戶業務裡最核心、最賺錢或最浪費的環節。 · 例子： · 摩根士丹利直接把GPT-4 鋪到整個財富管理業務（他們最大的業務部門）。 · 一家半導體巨頭讓OpenAI 解決整個價值鏈上最大的浪費源頭。 2. 信任比技術更難，迭代比demo 更重要· 摩根士丹利案例：技術管線6-8 週就能跑通，但真正讓理財顧問敢拿去面對客戶，花了整整6 個月的試點、評估、持續迭代。 · 最終結果：98% 採用率，研究報告使用量提升3 倍。 3. 用Eval 驅動開發· 任何一段由大模型寫的程式碼，都不算完工，除非你有一套嚴格的eval 能證明它真的有效。 · 這套eval 既是建立信任的基礎，也是未來把系統順利交給客戶內部團隊的關鍵。 4. 在「確定性」與「機率性」之間做明確取捨· 讓大模型去做它最擅長的事：處理複雜、模糊、有語意的場景。 · 但所有必須100% 正確的地方（合規、金額、關鍵決策），一定要用傳統確定性代碼包住。 給想做FDE 的CEO 最尖銳的建議最重要的一條：必須極度清晰自己的目的。 兩種完全不同的打法： A. 把FDE 當成服務業務賺錢（收諮詢費）→ 短期現金流好，但很容易變成「高配顧問公司」。 B. 把FDE 當成產品化的「零到一」手段→ 短期可能賺得少，但長期能把客戶現場的解法變成平台能力。 Colin 看過太多公司失敗模式：嘴上說要做產品公司，但一有大客戶丟錢做定制，就忍不住接了，結果戰略視野徹底丟失。 真正的紀律是：在最缺錢、最誘惑的時候，也敢對不戰略的單子說No。 FDE 的終極目標：必須帶著產品離開正確姿勢： · 第一項客戶專案：可能只有20% 的東西可重複使用→ 咬牙做完· 第2-3 個客戶：復用率升到50% · 再往後→ 把這部分直接產品化，推向所有客戶 OpenAI 正在熱推的Agent SDK 和Agent Kit，正是這樣誕生的： 1. 先從Klarna 的客製化專案裡打磨出來 2. 再在T-Mobile 等客戶身上迭代 3. 最後變成所有人都能用的通用智能體框架
