金牌 FDE 训练营 · 端到端解决方案交付

金牌 FDE 训练营课程

面向企业 AI 落地工程师的端到端实战培训 —— 从 GenAI 基础、RAG、智能体、MCP，到数据工程、云架构与企业 AI 交付，用 40+ 小时直播实战，把「会写代码」的人，训练成「能帮企业把 AI 真正落地」的 FDE。

课程大纲整理自国际权威 FDE Master Program（GenAI · RAG · Agents · Enterprise AI），已本土化重构为 GotoFDE 实战体系。无需 AI 经验，从生成式 AI 基础讲起。
课程规模
13 大模块
40+ 小时直播实战 · 105 节课程 · 1 年回看 · 完成证书
40h+
直播实战 + 录播回看
105
节体系化课程
1 年
课程回看权限
√
结课认证证书

你将学到什么

完成训练营后，你将具备独立交付企业 AI 落地方案的核心能力

理解生成式 AI、LLM、提示工程与 AI 应用开发的完整逻辑
用 Embeddings 与向量数据库构建生产级 RAG 方案
开发 AI 智能体、多智能体系统与自动化工作流
掌握 LangChain / LangGraph / MCP 等 AI 编排框架
设计与实施数据管道、AI 工作流与企业 AI 方案
用 AI 辅助开发工具做编码、测试、调试与快速原型
用云、Docker、CI/CD 部署并运维 AI 应用
把业务需求翻译成可规模化的企业 AI 方案，备战 FDE / AI 工程师岗位

完整课程大纲

13 大模块 + 实战 Mini 项目 + Python 基础录播，层层递进，项目驱动

01

FDE 角色认知

什么是 Forward Deployed Engineer，以及它为什么值钱
什么是 FDE？—— 工程、咨询与 AI 的交汇点 （The intersection of engineering, consulting, and AI）
FDE vs 软件工程师：FDE 为客户构建，SWE 为产品构建
FDE 思维：速度 > 完美 · 共情 > 假设
FDE 技能栈：AI + 数据 + 云 + 软件工程 = 四大支柱
交付方式：概念讲解 + 测验 + 实验
02

AI 与生成式 AI 基础

建立正确的 AI 心智模型
什么是生成式 AI？—— 生成内容而非仅分类的模型
AI → ML → DL → GenAI 的演进脉络
Transformer 架构：Attention is all you need 简化心智模型
Token 与分词：LLM 如何理解文本，及其对成本与上限的影响
预训练 vs 微调 vs RAG：三种定制 AI 的方式及适用场景
开源 vs 闭源模型：控制力与便利性的权衡
AI 应用生命周期：想法 → 原型 → 评测 → 生产 → 监控
03

FDE 必备的 LLM 原理

知其然，更要知其所以然
LLM 如何工作：预测下一个 token（影响深远）
上下文窗口与记忆：LLM 的「内存」—— 什么装得下、什么被截断
幻觉：为何编造及缓解策略
主流 LLM 对比：Claude / GPT-4o / Gemini / LLaMA 强弱与取舍
FDE 的模型选型：成本、速度、质量三角匹配任务
API vs 自托管：合规与规模化成本考量
成本与延迟：Token 定价、批处理、缓存策略
04

面向企业的提示工程

FDE 的头号超能力
提示工程总览：80% 的 AI 质量来自提示
零样本 / 少样本 / 思维链与提示链
系统提示与角色设计：人设 + 指令 + 约束 = 稳定输出
提示链：把复杂任务拆成顺序提示步骤
结构化输出（JSON 模式）：强制 LLM 返回可解析数据
温度与参数控制：创造力 vs 精度
提示评测：A/B 测试与输出质量度量
企业模式：分类、抽取、摘要、转换
05

AI 工程核心：Embeddings、向量库、RAG

消除幻觉、让 LLM 用上你的数据
嵌入与向量数据库、分块策略、索引方法
向量数据库与性能优化
什么是 RAG？—— 用你的数据 grounding LLM 响应，消除幻觉
RAG vs 微调：RAG 解决知识，微调解决风格 / 格式
数据摄取：PDF / 数据库 / API / 网页 → 分块 → 向量
检索策略：Top-K、MMR（多样性）、重排序
元数据过滤：先按日期 / 类别 / 作者过滤再做向量检索
进阶 RAG：Self-query、HyDE、Corrective RAG、RAPTOR
RAG 评测：忠实度、答案相关性、上下文召回（RAGAS）
06

AI 智能体与编排

让 LLM 自己调用工具、自主决策
什么是智能体？—— LLM + 工具 + 记忆 + 决策循环
工具调用：以 JSON Schema 定义工具，LLM 决定何时调用
ReAct 模式：推理 → 行动 → 观察 → 重复
智能体设计模式：规划、反思、记忆、多步推理
智能体记忆：短期（上下文）/ 长期（数据库）/ 情景（历史运行）
智能体可观测性：追踪每一步、记录工具调用、度量 Token 用量
实验：研究型智能体（网络搜索 + 阅读 + 综合报告 + 落盘）
07

多智能体系统与 AI 框架

用 LangChain / LangGraph 编排复杂工作流
多智能体架构：为何单一智能体不足以应对复杂企业任务
主管-工人模式：协调者委派、专家执行
对等智能体：智能体直接通信，无中央协调者
LangChain：链、记忆、工具、检索器构建块
LangGraph：面向复杂有状态工作流的状态机
智能体状态共享：共享记忆与消息传递
08

MCP、AI 工作流与自动化

把外部工具安全地接给 LLM
什么是 MCP？—— LLM 安全调用外部工具的标准协议
MCP vs API：MCP 上下文感知、AI 原生；REST 通用
MCP 组件：Host（客户端）/ Client（应用）/ Server（工具封装）
构建 MCP Server：把任意工具（数据库、API、文件系统）暴露为 MCP
AI 工作流设计：有向图 + 人工检查点
自动化模式：触发式、事件驱动、定时任务
09

AI 辅助软件工程

用 AI 工具把开发效率拉满
AI-First 软件开发生命周期：提示 → 生成 → 审查 → 精炼 → 发布
Claude Code：可读写文件、执行命令、修复 Bug 的代理式 CLI
Cursor：AI 原生 IDE——行内生成、代码库感知补全
GitHub Copilot：自动补全 + 对话
快速原型：用 AI 工具 0→可用 Demo 仅需 2 小时
AI 代码审查与 AI 调试
实验：2 小时用 AI 工具完成一个完整功能（REST API + 测试 + Docker，手写代码 ≤ 20 行）
10

FDE 的数据工程

数据是 AI 的燃料，FDE 必须会搬运与清洗
数据工程基础、ETL vs ELT、数据湖 vs 湖仓
奖章架构（Medallion）：Bronze → Silver → Gold
批处理 vs 流处理、数据管道、数据质量
平台格局：Databricks / Snowflake / dbt / Airflow / Kafka 何时用
AI + 数据集成：AI 管道如何消费数据平台的数据
实验：端到端数据管道 + AI 转换（S3 工单 → Bronze / Silver / Gold → SQL 暴露给 BI）
11

FDE 的云架构

让 AI 应用稳定、可扩展地跑起来
云原生原则、AWS Well-Architected 五大支柱
AI 平台部署：EC2 / Lambda / ECS / Bedrock / SageMaker
微服务与 API、Docker for AI、Serverless for AI
安全基础：IAM 最小权限、VPC 隔离、Secrets Manager
CI/CD for FDEs：GitHub Actions → 测试 → 构建 → 部署
12

企业 AI 与 FDE 交付

把技术翻译成业务价值，才是 FDE 的护城河
理解 FDE 交付模型，把业务问题转化为 AI 驱动的技术解法
需求收集与干系人发现、客户工作坊与需求分析
企业 AI 项目的「问题翻译框架」
快速 AI 原型与 POC 构建、技术叙事与方案呈现
企业 AI 项目规划与交付最佳实践
向技术与非技术干系人沟通 AI 方案
技术简报、方案提案与实施路线图撰写
作品集建设、案例研究、GitHub 项目与 LinkedIn 品牌
真实客户接洽与咨询情景、端到端企业 AI 解决方案交付框架
13

实战 Mini 项目

综合所学，交付一个可演示的端到端企业 AI 方案
自由命题或导师命题，串起 RAG / 智能体 / 数据 / 部署全链路
产出可演示 Demo + 技术简报，作为求职与接单的作品集资产
+

附赠：Python 基础录播

自定步调的免费入门视频，零基础也能跟上
Python 语法、数据结构、文件与 API 调用基础
pandas 数据处理入门，为后续 AI / 数据工程模块打底

适合人群

无需 AI 经验，具备软件工程 / 编程 / 数据工程基础概念即可入门

软件工程师（后端 / 前端 / 全栈）
DevOps / 云工程师（AWS / Azure / GCP）
系统管理员 / 技术支持 / QA 测试工程师
技术顾问 / 技术解决方案工程师
计算机相关专业在校学生（本 / 硕 / 专科）
有基础编程与 IT 认知的非 IT 从业者
prerequisites：具备软件工程 / 编程 / 数据工程基础概念；熟悉 Python、API、数据库或云基础更佳（非强制）；课程从生成式 AI 基础讲起，无需任何 AI 经验。

覆盖的工具与技能栈

一条龙打通「模型 → 应用 → 数据 → 部署 → 交付」全链路

AI / GenAI：生成式 AI · LLM · 提示工程 · RAG · Embeddings · 向量库 · AI 智能体 · 多智能体 · Agentic AI 编排框架：LangChain · LangGraph · MCP 数据工程：ETL/ELT · 数据湖/湖仓 · Medallion · Kafka · dbt · Spark 云 / DevOps：AWS · Docker · CI/CD · GitHub Actions · 微服务 · Serverless AI 辅助开发：Claude Code · Cursor · GitHub Copilot 语言 / 数据：Python · SQLite · API · JSON · pandas 交付能力：FDE 咨询 · 干系人发现 · POC · 技术叙事 · 路线图

想成为企业抢着要的 FDE？

13 大模块、40+ 小时直播实战，从零到能独立交付企业 AI 落地方案

预约咨询报名 返回课程体系