FDE,AI 红利下的“三高”课
看懂从问题到交付的工作方式,了解这一学期怎样做项目、怎样使用 AI。
- 说清课程目标,以及自己想用笔记本解决的一个问题
- 了解一个项目持续迭代的学习方式与 A/B/C 分级任务
- 记住 AI 使用约定:能说明、能验证、能负责
这门课怎么上
一个学习笔记本,贯穿整个学期。少讲,多做,从问题到交付。
这门课既讲入口,也练把任务做完:不只是告诉你「这个知识点是什么」,更带着你把一个东西真正做出来。
活交给你,试着想办法把它干出来。
学过,为什么还不容易用起来?
- 学了很多课程,为什么独立做项目仍会卡住?
- 为什么一些知识,考完就慢慢忘了?
差距可能在:还没有把知识组织起来解决问题。
很多知识后来忘了,也很正常——如果一个知识点只是「被学过」,但没有真正解决过你的问题,它很容易淡掉。真正容易留下来的,是:
- 我知道什么时候需要它。
- 我知道去哪里找。
- 我知道怎么重新把它用起来。
知识分开学,问题一起出现
- 课堂准备零件: 编程、数据库、网络、Web、软件工程。
- 项目需要组合: 需求、页面、数据、接口、测试与交付。
客户提出的往往是:这个事情能不能解决?
举例:一次「笔记保存失败」,可能是页面没提交,也可能是接口失败或数据没有落盘。这门课就是在具体任务中,把这些零件逐步接起来——不是把二者对立,而是从分项学习走向综合应用。
做中学:留下三个入口
- 知道它解决什么问题。
- 知道在哪里找到文档或示例。
- 能重新用一次,并检查结果。
目标是把学过的东西串起来、用起来、做出来。想一想:哪一个知识点曾经真正解决过你自己的问题?
FDE:从问题走向交付
Forward Deployed Engineer,本课用「前线部署工程师」帮助理解。
- 听懂真实使用场景。
- 做出方案与实现。
- 检查效果,并根据反馈继续改。
它为什么值得了解?因为 AI 出现了一个变化:写代码越来越便宜,把 AI 真正放进企业里却没有变简单。企业不缺 Demo,缺的是把 AI 接入系统、嵌入流程、处理异常,并最终形成业务结果的人。
三个记忆点
- 看见复合能力的价值: 不只关注能写多少代码,还要关注能否理解问题、验证结果、完成交付;用一个能讲清的项目,证明自己的学习与实践。本课程提供入门实践,不承诺薪资或岗位。
- 把 AI 放进真实使用场景: 不是演示一次回答就算完成,还要处理数据、流程、异常和用户操作,最后检查它是否真的帮助了使用者。
- 能把事情往结果推进: 听懂问题,明确这一轮做什么;实现一小步,检查是否有效;给别人试用,再根据反馈修改。跨越岗位边界,逐步建立交付能力。
我们怎么学:一个项目,持续做一学期
个人学习笔记本——你可以用它记录这门课,也可以记录其他课程、读书或实习内容。
- 先能记录、编辑、保存。
- 再加入整理、检索、资料问答。
- 最后完成复习辅助、试用与交付。
每次一个小闭环:问题 → 改动 → 验收 → 总结。每周下课的时候,你应该能看到:我的系统比上周又多了一项能力。
启动成果 V0
没有 AI,也能先记笔记:
- 新建、查看和编辑笔记。
- 输入标题与正文。
- 本机保存,刷新后仍可读取。
- 自己提出并完成一处小修改。
先有一个真正能用的起点。注意:V0 使用浏览器本机保存,不等于云端同步;换浏览器、换设备或清理站点数据可能影响可见的笔记,这是它的边界。
课程路线
前半程——从能记录,到能根据资料回答:
- 第 1—2 次:修改笔记本,增加管理与数据库。
- 第 3—4 次:LLM 整理与结构化结果。
- 第 5—6 次:导入资料、检索与 RAG 问答。
- 第 7 次:用问题集检查效果。
后半程——从执行任务,到交给别人使用:
- 第 8—10 次:工具调用、固定流程、有限 Agent。
- 第 11—12 次:排障、保护数据、部署。
- 第 13—14 次:真实试用与反馈修改。
- 第 15 次:展示、交付和复盘。
分级任务
同一个项目,按基础继续前进:
- A 基础: 跟随示例,完成一个可验收操作。
- B 提高: 自己改变一个条件或增加小功能。
- C 高级: 分析影响,处理复杂情况并复验。
先完成 A,再按能力与进度选择 B、C。遇到困难时,先缩小任务、补齐输入,而不是怀疑自己「不适合编程」。
AI 是学习伙伴
可以充分用,也要自己判断:
- 让 AI 帮你读代码、解释报错、拆任务、查资料。
- 给它明确目标、上下文和验收条件。
- 自己检查结果,解释关键修改。
会用 AI,不等于会工作。 AI 能替你写代码,但它不能替你回答:这个功能该不该做?这个答案能不能上线?出错了谁负责?系统到底解决问题了吗?——这些就是 FDE 要逐步建立的能力。
使用约定:能说明、能验证、能负责
- 说明 AI 参与了什么,自己完成了什么。
- 不提交自己说不清的关键代码和设计。
- 不把密钥、客户数据或隐私贴给 AI。
- 出现问题时保留证据,检查并修复。
学期成果:你能带走什么?
- 一个可访问、可使用的学习笔记本。
- 一份可以继续修改的项目源码。
- 简短运行说明与核心场景演示。
- 试用、修改、验收记录和个人复盘。
能说清:我解决了什么,怎样证明有效。展示时用具体操作解释你做了什么、哪里用了什么技术、已知限制是什么——不只是列技术名词。
本次行动
下课前,先形成一个可用起点:
AI 时代,不只是学会写代码,而是学会把问题真正解决掉。从 Demo 到可使用的成果,从 Coding 到 Delivery——这就是 FDE。
