• dongchch
    2026-07-31 来自山东
    是不是一些规模比较小的项目,FDE这种更容易落地。规模比较大的项目该如何去操作呢?

    作者回复: 你好,dongchch,这个问题很好,但我想稍微修正一下具体的描述:FDE 容易落地的不是“小项目”,而是“小切口”,这两件事不一样。事实上 FDE 服务的客户往往规模很大,Palantir 服务的空客和政府机构,都是巨型组织。 大项目的操作方式,恰恰不是一口吃下,而是把它切成一个个能独立交付结果的场景:先花几天摸清真问题,选一个数据条件具备、结果可衡量的场景切进去,用一个能跑的 demo 建立信任,跑出结果之后再扩到下一个场景。第 1 讲提到的空客案例就是这么干的:从整合几个系统的数据这种很具体的小事啃起,一个一个问题啃,啃出二十多个问题,最后才沉淀成卖给整个航空业的 Skywise 平台。 规模大真正带来的挑战,其实不在技术,而在人和流程:干系人更多、内部政治更复杂、安全合规的门槛更高。这些正是课程第二、三章要逐步展开的内容,怎么摸真问题是第 5 讲,怎么选场景是第 6 讲,怎么搞定干系人是第 7 讲,安全和上生产是第 10、12 讲。追下去看,你会看到一条完整的大项目操作路径。

    
    3
  • 七宝大师
    2026-07-31 来自北京
    我这边是做后端开发的,结合今年以来的工作感受,AI不仅实实在在地加快了写代码的速度,也降低了写不同类型代码的门槛,上半年公司裁员,前端、QA和BI团队都没了,在AI的加持下其他团队的工作也能逐步接手起来。不过目前使用AI也只是基于Claude Code开发公司的内部需求。曹老师觉得没有任何对外交付经验的后端,如果要转 FDE 首先在技术上还要补齐哪些能力呢?Agent 开发、提示词工程、RAG甚至大模型微调这些么?
    共 1 条评论
    1
  • NICE MEMORY
    2026-08-01 来自四川
    在大陆目前的职场环境来看,很多时候写出优秀的代码并不是核心优势。 对于繁杂的业务来说,反而很容易多写多错, AI放大成果,也放大了错误。 强如openAI、Amazon等也都出现多次AI带来的p0级事故。 所以通过AI来实现数倍于个人能力的代码,是一个卡点
    
    
  • 熊伟
    2026-07-31 来自四川
    现在公司的卡点在设计侧和测试侧。开发侧提升100%效率了。还有就是基础设施建设,现在大家的生产力都很强了,但是生产环境,还是一月一上线,没法做到迅速迭代;一个复杂系统放在一个容器,改动一点影响很多地方;有必要把开发和系统都缩小单位,原子化,解开大家身上的束缚。
    
    