上海
把 FDE 落地分成“AI Worker”和“Palantir 本体驱动”两派，适合入门时建立印象，却不足以描述整个行业。
这组对比混用了几个维度：AI Worker 是宽泛的应用或角色形态，场景驱动描述切入方式，Ontology（业务本体）描述业务建模与架构，Palantir 则是一家公司。它们可以同时出现在一个项目里。
FDE 是交付方式，架构要按问题选择
我更愿意把 FDE 理解为：贴近客户，参与问题定义，把技术做到生产系统，再用实际效果验证价值的工程交付方式。
同一个团队，可以从一个工单场景开始，也可以嵌入已有的 ERP、CRM 或业务软件；既可以使用 Agent，也可以使用确定性流程；必要时再引入共享业务语义和专用模型。这些选择并不互斥。
例如，Salesforce 的 Agentforce 可以复用已有工作流、API 等作为动作；Palantir 的 Ontology 同时表达业务对象、关系和动作，并服务于应用与业务决策。Anthropic 则区分预定义工作流与动态 Agent，建议先寻找能解决问题的简单方案。
第一个问题：从哪里切入？
从具体场景切入，先验证一个真实问题，例如减少工单分类错误。
从现有系统切入，把能力嵌入员工已经使用的软件和业务流程。
从跨域协同切入，连接采购、生产、仓储、销售之间的数据与行动。
这些是观察项目的不同角度，不是企业必须依次经过的阶段，也不是穷尽分类。
第二个问题：组合哪些能力？
知识检索：让模型查得到相关文档、规则和业务数据。
流程集成：用规则、API 与工作流连接系统，稳定执行确定步骤。
Agent 编排：在任务需要时，让模型规划步骤、选择工具，并根据反馈调整。
业务语义：把设备、订单、人员等对象及其关系、可执行动作表达清楚，支持多个应用复用。
模型适配：按任务选择模型，必要时评测微调或专用模型是否值得投入。
这里列的是可组合的能力，不是五个新流派。也不是每个问题都需要大模型、多 Agent 或完整业务本体。
第三个问题：把多少执行权交给 AI？
可以只让 AI 提供建议，由人判断和执行；也可以让 AI 准备方案，由人确认后执行；还可以在明确规则与权限内自动执行，把异常交给人。
选择取决于风险、可验证性、出错代价和真实业务约束。自动化更多，并不自动意味着方案更好。
用结果判断，而不是靠流派站队
AI Worker 可以使用业务本体，本体平台也可以运行 Agent。架构名称不能替代现场判断。
更值得追问的是：有没有定义对问题？能否交付可运行、可维护的生产系统？能否用真实数据验证实际效果？
好的 FDE 还应该沉淀连接器、业务规则、评测样本和维护文档，逐步减少客户对自己的依赖，让后续客户拥有更好的起点。
以上是依据代表性公开实践整理的分析框架，不是行业统一分类，也不是对整个行业的穷尽调查。
参考资料：OpenAI《What FDE means at OpenAI》；Anthropic《Building effective agents》；Palantir《Ontology overview》《Platform overview》；Salesforce《How Agentforce Works》；Databricks 关于 Compound AI Systems 的公开介绍；AWS 关于 Forward Deployed Engineering 的公开说明。
零一道｜谯洪敏
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
