Forward Deployed AI Engineer 系列教程：把客户需求翻译成技术指标
Affectionate_Slip654 · reddit · 2026-11-03
Reddit 用户推出 Forward Deployed AI Engineer（FDE）系列教程第 2 部分，扮演技术负责人演示如何把客户业务需求转化为可落地、可度量的技术需求。
- 覆盖 8 个领域：数据、AI/ML、LLM、后端/API、基础设施、安全、监控、部署
- 数据侧：按时间切分、保留 untouched holdout、PII 脱敏、去重
- AI/ML：先把调查员经验模式转成特征，先建 XGBoost 基线
- LLM 路线：continued pre-training → LoRA 微调 → DPO → 蒸馏与量化
- 后端：单一固定 endpoint、规则引擎与 fallback，保证支付不被阻塞
- 指标量化示例："多抓欺诈"变成 recall ≥ 85%，"不拖慢支付"变成 99% 请求延迟低于 250ms
「编程与Agent」频道最新
- 分析 2500 次使用后,工程师开源让 Agent 更快操控 Chrome 的 DevTools skill — simpsoka · 2026-11-03
- 用 Claude 与 Codex 赶工企业项目：软件工程没死，只是换了活法 — kmeanskaran · 2026-11-03
- Neo4j GraphRAG Python 包默认改用 CPU 版 PyTorch，省去安装负担 — JeremyCMorgan · 2026-11-03
- 零依赖 SQLite+FTS5 记忆 MCP 服务器，解决编码 Agent 会话失忆 — AvocadoJaded8829 · 2026-11-03
- 开发者吐槽 Kimi 编码订阅：读一份项目规范烧掉 3% 月额度 — Chaosuka · 2026-11-03
- OmniMem 让 AI 编码智能体记住踩坑经验,下载量已达 1.2 万 — Ancient_Ad8787 · 2026-11-03