我们自己抓 JD 时看到的变化 —— 每期标采集日期,看不出趋势就说看不出
写什么: 我们自己抓 JD、读招聘页时看到的变化。新出现的词、消失的词、要求松了或紧了的地方。
不写什么: 融资新闻、模型发布、大厂八卦。那些别处都有,而且和"这个岗位在要什么人"关系不大。
一、每一期都标采集日期。 招聘信息变化快,一条三个月前的观察可能已经不成立。我们不写"最新",只写"截至某月某日我们看到的"。
二、样本从哪来、有多大,写在正文里。 不写"据观察""业内普遍认为"这种没法核的句子。
三、看不出趋势的时候就说看不出。 两次采集之间的差异,可能是真的变了,也可能只是换了个数据源——这两种情况我们会分开说,不合并成一个结论。
《FDE 岗位观察》约每周一期,深度专栏约每两周一期。
⚠️ 这个节奏是按我们实际能投入的时间定的,不是拍脑袋喊的口号。
如果某一周没有值得写的变化,我们会跳过,而不是凑一期。停更比灌水对你更有用。
约两周一期,一期一页。写的是一个值得单独拆开的问题,不是流水账。
采集日期:2026-09-20 至 2026-09-27|发布:2026-09-28
同一台雷达、同两家官方招聘站(腾讯、字节跳动)。这八天里六天拿到了数据:
| 日期 | 结果 |
|---|---|
| 09-20 | ✅ 相关 JD 56 条,去重正文 48 份 |
| 09-21 | 没跑(采集机当天不在运行状态) |
| 09-22 | ✅ 56 条 / 48 份 |
| 09-23 | ❌ 两个源都没抓到(域名解析失败),当天记 0 条 |
| 09-24 | ✅ 54 条 / 48 份 |
| 09-25 | ✅ 55 条 / 49 份 |
| 09-26 | ✅ 54 条 / 48 份 |
| 09-27 | ✅ 55 条 / 49 份 |
盘面数字几乎没动。但这一周和前面五周不一样:数字没动,底下的岗位换了。
一、字节跳动广告线新开了一个标题里直接写「FDE」的岗位。
09-25 首次抓到「FDE工程师-中国广告产品(北京/上海)」,官方页面标注的更新日期是 09-24。职责只有三条,摘两句:
深入广告主创意场景,理解抽象业务需求和创意策略,通过AI辅助开发原型验证与Skill/PE建设,有效连接广告主的数据/知识资产等信息,对客交付效果负责
构建相关评测方案并持续迭代直至业务指标达标
要求里有一条和技术无关:「具备商业化广告业务项目经验,有直接对客服务或产品推广成功实践经验者优先」。
我们抓了五周多,样本里字节标题带 FDE 的岗位此前有 20 个,分布在火山引擎、BytePlus、飞书、数据平台四条线上。广告产品是第一次出现。
还有一个细节:那 20 个岗位在官方站上的职位类别,18 个是「研发」、2 个是「销售支持」。这一个是「运营」。
二、腾讯云汽车行业的三个 FDE 岗位同时下线。
「腾讯云汽车行业-AI交付方案工程师(FDE方向)」是同一份 JD 在北京、深圳、上海各开一岗,从 08-20 开栏第一天就在样本里。09-22 还在,09-24 起三个同时抓不到,腾讯这一源的检索命中从 12 条掉到 9 条。
上一期我们说过,「抓不到」和「下架」在数据里长得一样。所以这次我们去原站核了一遍(09-28):
这三个岗位确实从官方站上撤下来了,不是我们的检索漏了。
三、同一天还新出现了一个边缘岗位。
09-24 首次抓到字节「AI生态伙伴产品经理 - 火山引擎」(北京)。标题不带 FDE,是产品经理岗,但加分项里写着「有企业AI转型或FDE项目经验」。我们把它归在边缘样本,不算主样本。
四、词的变化,全部能追到具体某一份 JD 上。
| 日报报的变化 | 追到底是什么 |
|---|---|
| 消失词「知识图谱」(09-24) | 全样本只有腾讯汽车那份 JD 写了这个词。JD 下线,词跟着归零 |
| 新词「豆包」(09-22) | 字节「大模型Agent研究工程师 - Seed Model」改版,在职责前面加了一段团队介绍,「豆包」出现在团队介绍里 |
| 「豆包」消失(09-26)又出现(09-27) | 还是那一个岗位:09-26 没被检索捞到,09-27 又回来了 |
| 消失词「离线」(09-20) | 见下面的更正 |
这一周还有两份 JD 改版(字节 Seed 那份、字节 BytePlus 伦敦的 AI Solution Architect)。我们逐行比了新旧两版:一份是加了团队介绍、把几条要求的先后顺序调了,另一份是小标题加了冒号、列表符号从 * 换成 -、学历一条改了写法。要求的实质内容都没变。
观察 #006 写的是「岗位盘面:新出现 0、JD 改版 0、下架 0」。「新出现 0」是错的。
09-19 当天新抓到 2 个岗位:字节「AI Agent开发工程师 - 抖音研发」(北京,后端、前端各一)。上一期提到的新词「离线」就来自这份 JD。这两个岗位只在 09-19 被抓到一次,09-20 起再没出现,「离线」也跟着消失。
原始日报里其实列着这 2 个岗位,成稿时写成了 0。上一期我们的注意力全在「新词 165」那个假信号上,把词的数字逐个核了,岗位那一行没有回头对。
上一期的核心结论(「新词 165」是假信号,真实的词变化是 1 进 1 出)不受影响。原文保留未改,已在 #006 文末加注。
样本口径:腾讯、字节跳动两家官方招聘站,jd-radar 每日实抓,2026-09-20 至 09-27;其中 09-21 未采集、09-23 两个源均抓取失败(0 条),有效采集日 6 天,相关 JD 54–56 条 / 去重正文 48–49 份。岗位下线经 2026-09-28 原站复核。招聘信息仅摘录关键句,以官方招聘站当前页面为准。只有两家公司,不构成对全市场的统计推断。
采集日期:2026-09-16 至 2026-09-19|发布:2026-09-19
同一台雷达、同两家官方招聘站。但这一周四个工作日里只有两天真的拿到了数据:
| 日期 | 结果 |
|---|---|
| 09-16 | 没跑(采集机当时不在运行状态,cron 没被触发) |
| 09-17 | ✅ 相关 JD 57 条,去重正文 49 份 |
| 09-18 | ❌ 两个源都没抓到(域名解析失败),当天记录为 0 条 |
| 09-19 | ✅ 相关 JD 58 条,去重正文 49 份 |
先说这一期真正的发现:我们的日报骗了我们一次。
09-19 早上的日报头条写着「新词 165」。165 个新词,对一个每天只看两家公司、去重正文 49 份的样本来说,这是个荒唐的数字 —— 词表总共也就 165 个词。
原因很蠢,但很值得写:雷达每天会拿今天和"上一份快照"比,而 09-18 那份快照是空的(那天一个源都没抓到,照样落了一份 0 条的快照)。跟空集比,今天命中的每一个词都是"新出现"。
更麻烦的是它看上去完全正常:报告顶部规规矩矩地写着"对比基准:2026-09-18 的快照",格式没崩、脚本没报错、cron 日志是绿的。如果我们照着它写这一期,标题就会是「FDE 岗位要求一周内新增 165 个关键词」—— 一条彻头彻尾的假新闻,而且在原始数据里是能自圆其说的。
改完之后的真实变化是这样的(跳过空快照,拿 09-19 和 09-17 直接比):
一个词在 1 份 JD 里出现或消失,是噪声,不是趋势。我们把它写出来,只是为了让你看见这一周真实的量级:几乎什么都没发生。
样本口径:腾讯、字节跳动两家官方招聘站,jd-radar 每日实抓,2026-09-16 至 09-19;其中 09-16 未采集、09-18 两个源均抓取失败(0 条),有效采集日为 09-17(相关 JD 57 条 / 去重正文 49 份)与 09-19(58 条 / 49 份),词的变化为这两日对比结果。只有两家公司,不构成对全市场的统计推断。
更正(2026-09-28):上文「岗位盘面:新出现 0」有误,实际为新出现 2 个岗位(字节跳动「AI Agent开发工程师 - 抖音研发」,北京,后端、前端各一),新词「离线」即出自这份 JD。原文保留未改,详见观察 #007。本期关于「新词 165 是假信号」的结论不受影响。
采集日期:2026-09-10 至 2026-09-15|发布:2026-09-16(补发)
同一台雷达,同两家官方站,这一周 4 个采集日,相关 JD 54 到 56 条,去重正文 46 到 48 份。这一期还把四周的头尾两份快照(08-20 和 09-15)放在一起看了一遍。
先说我们自己踩的坑。 09-10 雷达报了这四周里唯一一次"同一岗位正文改版":字节「智驾仿真评测专家-火山引擎」,标题和职责都变了。这本该是最好写的一类选题。我们点开原文 —— 它的"FDE"是自动驾驶评测指标里的 Final Displacement Error,和前沿部署工程师没有关系。它一直在我们的"边缘样本"里,这次改版只是加了一段火山引擎的团队介绍。
所以这四周真正的 FDE 岗位改版次数是 0。我们把这条写出来,是因为"雷达会被同形异义词骗"这件事,比"没有改版"更值得读者知道。
新词:评测在 JD 里变具体了。 09-15,三个词第一次出现在我们词表之外:「Agent Benchmark」「Benchmark」「RL」,各命中字节 2 份 JD,都是评测方向的岗位。原文关键句:
「熟悉常见 Agent Benchmark 或相关评测方法,有 Benchmark 工程化、自动评测、效果分析经验」
新开与抓不到: 新出现「AI 售前解决方案专家(深圳 / 上海 / 北京 / 渠道方向)-飞书」(09-10,主样本)和「AI 生态产品经理-火山引擎」(09-15,边缘);抓不到「Agent 研发工程师-音视频技术」(09-14 起)。
四周头尾对照,盘面几乎没动: 相关 JD 60 条 → 56 条,去重正文 49 份 → 48 份。六项能力组按词频命中的顺序,08-20 和 09-15 完全一样: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。
样本口径:腾讯、字节跳动两家官方招聘站,jd-radar 每日实抓,2026-09-10 至 09-15,并对照 2026-08-20 快照;能力组排序为词表命中计数,与本站《岗位与薪资》的 AI 标签排序是不同口径。不构成对全市场的统计推断。
采集日期:2026-09-03 至 2026-09-09|发布:2026-09-16(补发)
同一台雷达,同两家官方站。这一周 5 个采集日(09-06、09-08 两天没有快照,我们不用旧数据冒充),相关 JD 52 到 58 条,去重正文 44 到 50 份。09-09 是四周里样本最少的一天:去重正文 44 份。
字节体系里,"飞书"标签的 FDE 相关岗位在减少。 这一周抓不到的 5 个岗位里,4 个带飞书:
词频上,「飞书」从 08-20 的 11 份正文降到 6 份;跟着降的是「培训」8 → 4、「客户成功」7 → 3。我们词表里的一个叫法「FDE 赋能 / 认证体系」,08-20 有 3 份,这一周归零。
同一周新开的,都不在飞书这条线上:
前者是给自己公司采购部门做 AI 落地的岗位 —— 这和 #001 讲的「内部 FDE」是同一类东西,只是名字里没写 FDE。
"培训 / 认证 / 赋能"型的 FDE 岗位在减少,"交付 / 落地"型的没减。 如果你在考虑往这个方向转,两条实操:
样本口径:腾讯、字节跳动两家官方招聘站,jd-radar 每日实抓,2026-09-03 至 09-09,对照 2026-08-20 快照;"抓不到"指该岗位首次未在检索结果中出现,不等于确认下架。不构成对全市场的统计推断。
采集日期:2026-08-27 至 2026-09-02|发布:2026-09-16(补发)
同一台雷达,同两家官方站(腾讯、字节跳动)。这一周 7 个采集日,相关 JD 55 到 59 条,去重正文 44 到 49 份。对照基准是 08-20 的第一份快照。
腾讯云「AI 产品-客户成功」开始消失。 08-20 我们抓到 4 个同名岗位,08-27 少一个,09-01、09-02 又各少一个,到 09-07 一个都不剩。我们在 #001 里把这类岗位归为"FDE 马甲"(职责是 FDE 的活,名字叫客户成功)。这个马甲在两周内从 4 变成 0。
同一周,腾讯新开了一个名字很长的岗位:
「腾讯云-智慧零售-行业解决方案架构师(云和人工智能方向-FDE Consultant)」,备注赛道:食品饮料 / 餐饮 / 茶饮酒咖 / 日化家清
09-01 首次抓到。这是我们两家样本里第一次看到 FDE 岗位名里带着具体行业赛道。字节这边也新开了一个「FDE 工程师(智能体方向)-火山引擎」(08-30,边缘样本)。
词频上有三个词在往上走:「可复用」13 份 → 16 份,「现场」9 → 11,「信任」2 → 4。往下走的是「ROI」5 → 3、「培训」8 → 6。都是小数字,只说方向。
岗位名在漂移,搜索词要跟着漂。 08-20 你搜「客户成功」能搜到 4 个 FDE 岗,09-07 起搜不到了;同一时期出现的是「行业解决方案架构师 + FDE Consultant」。两条实操:
样本口径:腾讯、字节跳动两家官方招聘站,jd-radar 每日实抓,2026-08-27 至 09-02 共 7 个采集日,对照 2026-08-20 快照;词频按去重正文份数计,不构成对全市场的统计推断。招聘信息只摘岗位名与关键句。
采集日期:2026-08-20 至 2026-08-26|发布:2026-09-16(补发)
从 2026-08-20 起,我们的线索雷达每天 10:30 扫一遍腾讯、字节跳动两家官方招聘站,检索词是 FDE / 前沿部署 / 前线部署 / 现场部署。这一周 6 个采集日,每天检索命中 117 到 120 条,剔除无关岗位后相关 JD 57 到 60 条,去重正文 46 到 49 份。
只有两家公司。所以这一栏接下来四期讲的都是"变化",不是"市场"。
第一件事:检索命中的岗位里,一半不是 FDE。 08-20 命中 120 条,丢掉 60 条无关的。招聘站的检索是模糊匹配,搜 FDE 会带回风控算法、数据标注、甚至自动驾驶评测 —— 因为 FDE 在自动驾驶里是一个指标名(Final Displacement Error,轨迹预测误差),在安全领域又是全盘加密(Full Disk Encryption)。
第二件事:同一份 JD 会在多个城市各开一岗。 相关 JD 57 条,去重正文只有 46 份。腾讯的「AI 前线部署工程师 FDE」一份正文,武汉、杭州、深圳各是一条。所以往后我们数"词频"一律按正文份数算,不按岗位条数算,不然一份 JD 开三个城市就把一个词的权重乘了三。
第三件事:这一周动的很少。 新出现 1 个(字节「产品解决方案经理(AI 方向)-TikTok 直播」,边缘样本),抓不到 2 个,其中一个是腾讯「AI 前线部署工程师 FDE(杭州)」—— 08-20 还在,08-26 起没有了,武汉和深圳的还在。
你在招聘站搜岗位时,会踩到和我们一样的坑。 三条实操:
样本口径:腾讯、字节跳动两家官方招聘站,jd-radar 每日实抓,2026-08-20 至 08-26 共 6 个采集日;数字为当日快照计数,不构成对全市场的统计推断。招聘信息只摘岗位名与关键句,不提供会失效的深链。
采集日期:2026-07-21 与 2026-08-15|发布:2026-08-20
2026-07-21,我们抓了腾讯、字节、阿里云、蚂蚁、智谱五家官方招聘站上所有能搜到的 FDE 岗位,28 条。
读完之后,我们对这个岗位形成了一个印象,而且很确信:
FDE = 去客户现场的乙方交付工程师。JD 里明写「接受出差驻场」,考核的是客户的业务结果指标。
这个印象是对的,但它只对了一半。
2026-08-15,我们换了个地方看——在招聘平台的 FDE 聚合页实拉了 37 条在招职位。
其中至少 4 条的岗位名,直接写着一个我们此前完全没见过的词:
| 岗位名 | 城市 | 月薪 |
|---|---|---|
| 内部 FDE AI 负责人 | 上海 | 4.0–5.5 万 · 16 薪 |
| AI 赋能内部 FDE 负责人 | 上海 | 4.5–7.5 万 · 16 薪 |
| AI BP / 内部 FDE / AI 部署工程师 | 杭州 | 3.5–5.5 万 |
| AI Captain / AI Business Partner / Internal FDE | 上海 | 4.5–7.0 万 |
服务对象不是外部客户,是自己公司的业务部门。不出差、不驻场。
考核也不一样:乙方型看客户的业务结果指标,这一类看内部提效和采纳率。
这两批数据之间,变的不只是时间,还有数据源。
所以「内部 FDE 是新出现的」这个说法我们证明不了。更可能的解释是:
它一直存在,只是大厂官方站上没有,而我们第一次只看了大厂官方站。
甲方公司的内部岗位,本来就更多发在招聘平台上,而不是自建招聘站。
这是一次采样盲区,不是一个趋势发现。 我们把它写出来,是因为这个盲区本身比结论更有用。
在于它改变了"转 FDE"这件事的路径判断。
如果 FDE 只有乙方型,那转岗 = 跳槽进大厂交付体系,你要同时跨新公司和新岗位两道坎。
而内部 FDE 这一类的存在意味着:你可能不需要离职。 岗位变了,业务没变,你对这家公司的理解全部留存——而那恰恰是外部来的人最难在短期补上的东西。
→ 展开写在这里:内部 FDE:你不一定要离职
搜岗位时别只搜「FDE」。
这个岗位在国内还没有统一叫法,我们见过的写法至少有这些:
FDE · 前沿部署工程师 · 前线部署工程师 · Forward Deployed Engineer · 内部 FDE · Internal FDE · AI BP · AI Business Partner · AI Captain · 解决方案架构师(FDE 方向) · AI 部署工程师
而且很多真实的 FDE 岗位根本不用这个词——尤其非互联网公司,它们更可能写成「AI 解决方案」「智能化项目经理」「数字化交付」。
样本口径:28 条来自五家公司官方招聘站实抓(2026-07-21,逐条可具名);37 条来自单一招聘平台聚合页实拉(2026-08-15,含匿名发布职位,含"蹭词"岗位)。两批样本量都很小,不构成对全市场的统计推断。薪资为公开招聘信息口径,不代表承诺。