阿里云「前沿部署工程师(FDE)」的 JD 里有一条职责：「构建数据飞轮: 采集、清洗、标注的工程化流水线」。采集、清洗、标注，这三个词放进任何一个数仓团队的周报都不违和。这份 JD 在我们 2026-07-21 从腾讯、字节、阿里云、蚂蚁四家官方招聘站抓下的 28 条原文里。
这篇写给做数据分析、BI、数仓的人。结论放前面：FDE 要干的几件事里，RAG 与评测这一段本质是数据活，你在这里的底子比多数出身都厚。但其他几段你要补的也不少，别只听前半句。
RAG 答错，先查的是数
RAG 的流程一句话能说完：从客户的文档和数据里检索相关片段，交给模型组织成回答。难的是上线后它为什么答错。
模型之外，下面几类是 RAG 答错时首先要排查的：
- 知识库里同一份制度有新旧两版，检索命中了旧的；
- 销售部和财务部对「收入」的定义不一样，模型把两份文档拼在一起答；
- 一张表被切成碎片后丢了表头，数字和列名对不上；
- 有些文档提问的人本来无权看，检索却把它捞了出来。
换成 BI 的语言，这四条是版本管理、口径不一致、数据清洗、权限。你在数仓里天天处理的就是这些，只是对象从表换成了文档。
腾讯云 FDE 旗舰岗的职责原文是「基于客户私有知识库与业务数据构建 RAG 问答能力」。「私有」两个字的意思是，客户的数不会是干净的公开数据集。数在哪、谁维护、哪一版是准的，这一步没人理清，后面的检索和模型怎么调都白调。
评测，就是给 AI 的输出对账
数据人有一个被低估的职业本能：看到一个数，第一反应是「这数对吗」。跟上个周期比异常不异常，跟财务那边对不对得上，分母有没有变。
AI 系统需要的正是这个本能。开头那份阿里云 JD，数据飞轮的下一条就是「面向业务目标设计评测指标」，能力要求里还单列了一条「数据意识」。评测要回答的问题是：这套系统答对了多少，答错的是哪几类，改了一版之后有没有变差。拆开看是三件你熟悉的事：定义指标口径，准备一份带标准答案的数据集，定期跑、出报表。
这个坑我们自己踩过。给那 28 条 JD 统计能力分布时，用的是 AI 判读打标签。同一批原文判了两遍，前四名顺序没动，各项频次却全变了，垫底的 RAG 和评测互换了名次。结论是这类统计量对外只报排序，不报百分比。
这在数据团队里不稀奇。同一口径两次取数结果不同，第一反应是怀疑取数过程，而不是挑一次信。这个反应在 AI 评测里就是核心能力：模型的输出是概率性的，只跑一次得出的分数，跟只取一次数就上报一样危险。
招聘页上的信号：出现了，但还小
我们用自建的 jd-radar 每日抓取腾讯、字节两家官方招聘站。2026-08-20 与 2026-09-15 两份快照里，六项能力组按词表命中从高到低的顺序一致：部署/集成、客户沟通/价值、Agent/工具调用、需求转化、评测/可观测、RAG/知识。你最有底子的两项，在词频里排最后。
这个排序有两种读法：企业招人时还没把这两件事当重点，或者它们默认包含在「交付」里、不单独写。我们的数据区分不了，所以不替你选。
另一个信号更小。2026-09-15，「Agent Benchmark」「Benchmark」「RL」三个词第一次出现在我们的词表之外，各命中字节跳动 2 份评测方向的 JD。只有一家公司、各 2 份，能说的只是它出现了，说不上趋势。
能带走的三样，要补的四样
能直接迁移的：
- 口径定义。 你给「活跃用户」写过定义文档。FDE 要给「答对」写定义：引用了正确的文档算对，还是答案文本一致才算对。
- 数据质量。 对数、查重、异常监控，换个对象就是评估集的构建和回归。
- 看板。 腾讯云 JD 要求「跟踪客户业务指标」。把 AI 上线后的效果做成业务方看得懂的看板，本来就是你的活。
要补的：
- 非结构化数据。 BI 处理的是表，RAG 处理的主要是文档、PDF、聊天记录。切片、向量检索、重排这一套得从头学。
- 工程与部署。 多数 BI 岗不写服务、不碰容器。FDE 要把东西部署上线、接进客户系统，这是差距最大的一段。
- 客户现场。 给领导汇报和在客户现场拆需求不是一回事，后者要你当场判断哪些能做、哪些不该做。
- 从「对」到「够用」。 报表上的数要么对要么错，AI 的输出只能做到一部分对。错到什么程度还能上线，要跟业务方谈出来。
还有一个反例要单独说。如果你的日常主要是按需求取数、做固定报表，这一层恰好是各类问数助手在做的事。你的迁移优势在「判断数准不准」，不在「把数取出来」。简历上后者写得越多，越要改。
不离职也能开始
数据团队在公司里天然是知道数在哪的那个部门。公司要上知识库问答或者问数助手，往往绕不开你们：要数据、要口径、要权限。
这个位置可以直接用。拿你们公司的指标口径文档搭一个小的问答原型，写几十道带标准答案的问题，比如「GMV 含不含退款」「新客怎么定义」。跑一遍，把答错的逐条归类：是检索没找到，是找到了旧版，还是模型理解错了。
做完你手里有一份评估集、一份错因分析、一个能演示的原型。拿去投 FDE 岗，这是简历上具体的东西；留在公司内部，这就是把 AI 落地的第一步。
数据来源
- "四家大厂官方招聘站实抓的 28 条完整 JD 原文,逐条可具名可复核"（出处：我方调研记录（fdesky.com/market.html 可查）；采集 2026-07-21）
- "jd-radar 每日实抓腾讯、字节跳动两家官方招聘站,2026-08-20 至 09-15 共 22 个采集日:检索命中 110–122 条/日,剔除无关岗位后相关 JD 52–60 条/日,去重正文 44–50 份/日"（出处：我方调研记录（fdesky.com/market.html 可查）；采集 2026-08-20→09-15）
- "「Agent Benchmark」「Benchmark」「RL」三个词 2026-09-15 首次出现在词表外,各命中字节跳动 2 份 JD(评测方向)"（出处：我方调研记录（fdesky.com/market.html 可查）；采集 2026-09-15）
- "四周里六项能力组按词频命中从高到低的顺序始终是:部署/集成 > 客户沟通/价值 > Agent/工具调用 > 需求转化 > 评测/可观测 > RAG/知识(08-20 与 09-15 两份快照一致)"（出处：我方调研记录（fdesky.com/market.html 可查）；采集 2026-09-15）
想知道你现在的岗位离 FDE 差哪几件事？把简历发到 实战营页面 上的咨询微信，免费领一份《简历分析与职业发展建议》。我们不承诺就业、不承诺薪资，文中薪资均为公开招聘信息口径。