OpenAI发了一篇文章介绍他们的FDE经验 FDE 是连接模型能力与实际业务价值的桥梁。 这篇文章由 OpenAI 前线部署工程负责人 Colin Jar… · @Zhibin992 · TwKit

@Zhibin992

OpenAI发了一篇文章介绍他们的FDE经验 FDE 是连接模型能力与实际业务价值的桥梁。 这篇文章由 OpenAI 前线部署工程负责人 Colin Jarvis 发表。文章提出优秀的 FDE 应该不断让自己变得不再必要。 当原本需要数月定制开发的能力逐渐被标准化产品替代时，FDE 就应该转向更困难的问题~ FDE 的工作可总结为四个阶段。 ① Start with the outcome：从业务结果出发。比如 FDE 深入半导体企业，与芯片工程师合作开发测试生成、故障定位等 AI 工作流，实现测试生成耗时降低约 48%，部分调试任务从数周缩短到数小时。 ② Make success repeatable：先解决问题，再实现规模化。随着 Codex 能力增强，团队将定制系统改造成基于 Codex 的 Skills、Plugins 和通用执行框架，减少约 90% 的定制代码；某个场景首次部署用了两个月，复制到第二个团队仅需一天。 图片是一个具体的例子：如何把复杂的多 Agent 故障分析系统（Multi-agent Architecture），重构成以 Codex 为核心的简化架构。 ③ Close the intelligence gaps：当模型能力不足时，FDE 不只是设计 workaround，而是直接与 Research 团队合作提升模型。例如电信企业的语音客服场景，模型评测得分从约 60% 提升至 90% 以上，最终满足生产要求。 ④ Go find the harder problem：当现有能力被产品化、平台化后，FDE 继续寻找下一代模型尚无法解决的问题。由此形成 客户需求 → FDE 交付 → 模型与产品改进 → 标准化复用 → 更高难度问题 的持续循环。 原文：http://openai.com/index/forward-deployed-engineering-means

曝光 119 · 评论 1 · 点赞 2 · 书签 0