Anthropic 前線部署工程師（FDE）面試準備：用實作說清楚交付能力
從 Anthropic 公開職缺整理 FDE 的工程、客戶溝通與部署責任，說明如何準備 MCP、脈絡管理、評測與安全案例。職缺要求、準備建議和未查證的回答範例分開呈現。
作者
Tenten AI 研究團隊
前線部署工程
發布日期
2026年8月26日
閱讀時間
10 分鐘
準備 Anthropic 前線部署工程師（Forward Deployed Engineer，FDE）面試，先選一個你真正交付過的 AI 專案。你應能說明客戶要解決什麼、資料與權限怎麼接、系統如何評測，以及失敗後誰負責處理。
Anthropic 的公開 FDE 職缺列出客戶系統內的 Claude 應用、MCP 伺服器、子 Agent、Agent Skills、部署支援與產品回饋。工作同時需要工程實作、應用 AI、維運、需求探索與安全判斷。
本文依公開職缺整理準備方向。下面的五類能力與練習題是編輯建議，並非 Anthropic 公布的固定考綱。官方招募頁說明技術職位會使用 Colab、CodeSignal 等即時程式工具；個別職缺的輪次、題型與評分方式，仍以招募團隊通知為準。
FDE 在客戶環境中要完成什麼？
企業資料可能分散在 ERP、內部試算表與不同權限的資料庫。實作前要先確認資料由誰管理、哪些步驟已有規則、哪些判斷需要人工。把模型 API 接上去之後，這些問題仍要逐一處理。
準備作品集時，把工作分成四部分：在既有技術堆疊中寫可維護的 Python 或 TypeScript；設計受限的 MCP 與 Agent 工具；用測試資料評測答案、工具行為與失敗處理；整理可重用的部署模式及產品缺口。每部分附實作、測試或決策紀錄，讓人能核對你的貢獻。防護規則可以限制風險，仍要測試它漏掉什麼，不能把「有防護」當成不會出錯的保證。
用五類能力檢查你的專案案例
演算法練習以外，也準備以下證據。這張表是作品集整理方式；其中的情境用來練習，不代表你一定會被問到相同題目。
| 能力 | 要說清楚的內容 | 可準備的實作或案例 |
|---|---|---|
| 正式環境工程 | 輸入驗證、有限重試、API 速率限制與身分驗證 | CRM／ERP 資料正規化、非同步串接與故障測試 |
| Claude 與 Agent | 提示詞、脈絡管理、工具呼叫、MCP、子 Agent 與評測 | 工單處理流程、工具迴圈除錯與評測結果 |
| 客戶需求判斷 | 如何把模糊需求縮成可交付範圍 | 利害關係人、試行邊界、成功指標與未採用方案 |
| 安全與可靠性 | 隱私、ACL、稽核與人工審查 | 金融、醫療或政府情境中的權限及失敗處理設計 |
| 自主推進與應變 | 規格不完整時如何決策、遇到阻礙如何調整 | 跨部門衝突、失敗復盤，以及何時請人決定 |
把工具、脈絡與評測接成完整流程
可以用下面這個實作範例說明資料怎麼流動。圖中的每條連線都要交代權限、輸入輸出與故障處理；它是練習架構，並非官方面試題。
flowchart LR
A[企業既有系統 / ERP / CRM] <--> B[MCP 伺服器 / 權限與過濾層]
B <--> C[Claude API / Agent SDK]
C <--> D[評測框架 Evals / 追蹤日誌]
D <--> E[人工審查防護欄 Guardrails]
MCP 工具與權限
MCP 官方架構文件說明主應用程式、客戶端與伺服器如何交換脈絡、提供工具。互通之後，應用程式仍要決定誰能讀什麼、哪些寫入需要核准。練習一個窄工具，說清資料篩選、最小權限與稽核，並示範無權限或服務中斷時的結果。
脈絡管理
長文件與多次工具呼叫會占用模型脈絡。交代哪些對話、工具結果與系統指令需要保留，哪些能精簡，以及狀態存在哪裡。測試中斷後能否接回、壓縮後是否漏掉限制，並把工具回傳的文字與系統指令分開。
評測與失敗處理
建立有標準答案的測試集，分開量答案正確性、引註、轉交人工與工具成功率。加入缺資料、格式錯誤、逾時及越權案例，保留失敗軌跡。也要說明哪些門檻決定能否試行、什麼情況必須停止，以及修正後重跑哪些測試。
回答時，把做法與證據一起說
下列引述沿用原稿，原稿未附來源，僅供比較回答結構。包含 60% 成效的句子尚未查證；若要用在自己的面試回答，須有實際基準、量測期間與計算方式，不能套用這個數字。
| 主題 | 只描述工具 | 補上流程、限制與證據 |
|---|---|---|
| 專案經驗 | 「我用 Claude API 串接了一個客服聊天機器人。」 | 〔需查證來源〕「我為客服團隊打造了 Claude 輔助工作流，串接工單系統並限制工具讀取權限，建立評測集驗證引用準確度，上線後將平均處理時間縮短 60%。」 |
| 提示詞工程 | 「我寫了很長的 System Prompt 來防止模型幻覺。」 | 「我將提示詞納入整體系統架構：透過 Schema 約束結構化輸出、嚴格定義工具邊界、並加入評測腳本與回退重試機制。」 |
| AI 安全防護 | 「我對 AI 安全很有熱情，希望模型遵守倫理。」 | 「我將安全轉化為具體操作規範：設定資料讀取白名單、高風險寫入操作強制人工審核、並記錄完整審計日誌以符合合規要求。」 |
用一個能核對的案例收尾
選一個案例，帶著資料流程、工具契約、評測結果與事故處理方式來談。說清你做過的修改、放棄的方案和仍未解決的限制；效果數字能追到原始量測。企業評估 FDE 能力時，也可依這些交付檔案核對資料、權責、速度與風險。
來源
- Anthropic｜Forward Deployed Engineer 公開職缺：工作責任、工程與客戶溝通要求。
- Anthropic｜Careers：官方招募與一般技術面試說明。
- Model Context Protocol｜Architecture overview：MCP 元件與工具互通。本文的練習題和架構圖是準備建議。
