Star 历史趋势
数据来源: GitHub API · 生成自 Stargazers.cn
README.md

FDE 知识库

中文 AI 前线部署工程师(Forward Deployed Engineer) 学习与面试资料库:从角色认知、交付方法论、企业 AI 落地,到面试通关与可复制工作模板。

在线阅读(GitHub Pages):https://vangong1999.github.io/FDE/
主读者:有后端/全栈经验、转 FDE。从零基础开始,可参考 学习路径-零基础
打赏 / 加好友 / 关注公众号 → 支持与联系

你学完能做什么

  • 说清 FDE 与 SWE / SE / SA 的差异,并完成转岗自评
  • 按 Discover → Design → Deploy → Review 推进客户侧 AI 交付
  • 独立完成 RAG / Agent 方案选型、Eval、生产化清单
  • 按公司类型准备 Decomposition、系统设计、Take-home 与行为面
  • 沿 10 概念课程 十条轨道补齐约 171 个面试高频概念(从 Token/RAG 到 MLOps、Serving、安全与客户面)

读者分流(先选一条路)

你是谁从这里开始
后端/全栈转 FDE(推荐)学习路径-转岗者
编程较弱、想从零了解学习路径-零基础
只想突击面试04-面试通关 + 4–6 周备面计划
已入职要上手交付02-交付方法论 + 08-工具箱

4 周核心路径(转岗者速览)

周次主题必读
Week 1角色与自我定位01-角色认知
Week 2交付方法论02-交付方法论
Week 3AI 落地03-AI落地
Week 4面试与实操模板04-面试通关 + 08-工具箱

加长(Week 5–8):行业案例 + 外文精读 + 能力深水区。完整安排见 如何使用本仓库。

目录导航

00 导读

01 角色认知(核心必读 A)

02 交付方法论(核心必读 B)

03 AI 落地(核心必读 C)

04 面试通关(核心必读 D)

05 能力补强

06 行业案例

07 外文精读

08 工具箱与模板

09 面试题

  • 题目录
  • 1. LLM和AI基础(20 题:上下文窗口、生成循环、Transformer、Token、RAG/微调选型、幻觉、工具调用、延迟等)

10 概念课程(171 概念)

对照公开 FDE 课程十条轨道的原创中文概念课:直觉 + 工作示例 + 面试取舍 + 现场用法。与 09 分工:概念课建直觉,面试题练口述。

引用总表

版权与引用

  • 本仓库原创内容采用 MIT License
  • 外文精华以综述/意译呈现,版权归原作者;见各文「参考与来源」与 sources.md
  • Awesome FDE 课程内容中文整理署名:Pier Paolo Ippolito、Paolo Perrone(见 总览精读)

贡献

欢迎 PR。请先阅读 CONTRIBUTING.md。

Phase 说明

阶段状态内容
Phase 1已完成骨架 + 四大核心必读 + 工具箱模板
Phase 2已完成行业案例深写、外文精读库、能力补强深水区
Awesome FDE 入库已完成英文课程拆分翻译并归入 01–08

支持与联系

本仓库持续维护不易。如果内容对你有帮助,欢迎扫码打赏;也欢迎加微信交流,或关注公众号获取 AI 资讯。

支付宝打赏微信打赏添加微信好友公众号(AI 资讯)
支付宝打赏微信打赏添加微信好友关注公众号
支付宝扫码微信扫码扫码加好友扫码关注

关于 About

更新中|收集FDE AI前线部署工程师相关全部内容|从0到1| AI Agent,Workflows,工作流 ,RAG,知识库,推理优化与部署,vllm与sglang,workflow,graph/loop/conext/prompt工程

语言 Languages

HTML100.0%

提交活跃度 Commit Activity

代码提交热力图
过去 52 周的开发活跃度
3
Total Commits
峰值: 1次/周
Less
More

核心贡献者 Contributors