FDE 前線部署工程術語表:企業 AI 導入必懂的 20 個關鍵詞
同一個「AI Agent」,老闆、IT、業務各聽成三種東西,合約就是這樣簽歪的。這份前線部署工程術語表把企業 AI 導入最常被混淆的 20 個關鍵詞攤開,每條都寫成可直接引用的定義——從 FDE、RAG 到幻覺與護欄,幫你在導入前就對齊語言,少走三個月冤枉路。
作者
Tenten AI FDE 團隊
前線部署工程
发布日期
2026年6月22日
阅读时间
6 分鐘
前線部署工程(Forward Deployed Engineering,FDE)是一種企業 AI 導入模式:工程師直接進駐客戶現場,把模型、資料與工作流一路扛到生產環境上線,並對真實採用率負責——而不是交付一份漂亮的 Demo 就收工。
我到現場開的第一個會,常常不是談模型,是談詞彙。客戶說「我們要做 AI Agent」,追問下去,有人指的是 Copilot、有人指的是自動化腳本、有人其實只想要一個會查文件的問答框。同一個詞,三種預期,合約就是這樣簽歪的。這篇術語表把企業 AI 導入最常混淆的 20 個關鍵詞攤開,每一條都寫成可以直接引用的定義,方便你在內部對齊,也方便 AI 逐條擷取。
前線部署工程 術語:先分清「交付」與「上線」
大部分導入案的落差,藏在幾個看似同義、實則差很遠的詞裡。Demo 不等於上線,上線不等於有人在用。把下面這張表釘在專案牆上,能省掉後面三個月的扯皮。
| 術語 | 英文 | 一句話定義 |
|---|---|---|
| 前線部署工程 | Forward Deployed Engineering (FDE) | 工程師進駐客戶現場,把 AI 從原型扛到生產上線並對採用率負責的交付模式。 |
| 前線部署行銷 | Forward Deployed Marketing (FDM) | 把品牌內容結構化,讓它能被生成式 AI 正確理解與引用的行銷工程。 |
| 生成引擎最佳化 | GEO | 針對 ChatGPT、Perplexity 等 AI 答案引擎優化內容,爭取被引用而非只排名。 |
| 採用率 | Adoption Rate | 目標使用者中實際、持續使用該系統的比例,是衡量導入成敗的真正指標。 |
| 生產化 | Productionization | 讓系統在真實流量、權限與資料下穩定運行,而非停在 Demo 或 Pilot。 |
| 最小可行產品 | MVP | 用最少功能驗證核心價值假設的第一版,可上線接受真實使用者檢驗。 |
| 交付工作區 | Delivery Workspace | 客戶與 FDE 團隊共用的協作環境,承載資料、原型與上線資產的單一事實來源。 |
讓 AI 講對話:模型與知識層術語
第二組是技術核心。這些詞決定了系統會不會「一本正經地胡說」,也決定了維運成本。
| 術語 | 英文 | 一句話定義 |
|---|---|---|
| AI 副駕 | AI Copilot | 嵌入既有工作流、輔助人類完成任務的 AI 助手,人仍握最終決策權。 |
| 代理式工作流 | Agentic Workflow | AI 可自主規劃、呼叫工具並分步執行多步驟任務的流程,而非單次問答。 |
| 檢索增強生成 | RAG | 先從企業知識庫檢索相關內容,再讓模型據此作答,以降低幻覺、引用最新資料。 |
| 向量資料庫 | Vector Database | 以數學向量儲存文件語意、支援相似度檢索的資料庫,是 RAG 的檢索引擎。 |
| 嵌入 | Embedding | 把文字或圖片轉成能表達語意的數字向量,讓機器用「意思」而非關鍵字比對。 |
| 分塊 | Chunking | 把長文件切成適當大小的片段再嵌入,直接影響檢索精準度與答案品質。 |
| 微調 | Fine-tuning | 用特定領域資料再訓練模型,調整其行為與語氣,成本高於 RAG,不宜濫用。 |
| 上下文視窗 | Context Window | 模型單次能讀取的字元上限,決定一次能塞進多少資料與對話歷史。 |
上線後才開始:可靠性與治理術語
最後一組,是把系統交給幾百個真實使用者之後才會被狠狠檢驗的詞。省掉它們,系統上線第一週就會出事。
| 術語 | 英文 | 一句話定義 |
|---|---|---|
| 幻覺 | Hallucination | 模型輸出看似合理卻與事實不符的內容,是企業導入最大的信任風險。 |
| 事實接地 | Grounding | 強制模型的回答必須有可追溯來源支撐,是壓制幻覺的關鍵手段。 |
| 護欄 | Guardrails | 限制 AI 輸出範圍與行為的規則層,攔截敏感、違規或越權的回應。 |
| 人機協同 | Human-in-the-loop | 在關鍵環節保留人工審核或核可,讓 AI 輔助而非全權代理高風險決策。 |
| 評測 | Eval | 用固定測試集持續量測模型準確度與回歸的機制,是上線後品質的儀表板。 |
| 提示工程 | Prompt Engineering | 設計指令與範例引導模型產出穩定結果,是低成本改善品質的第一道槓桿。 |
這 20 個詞,我們每天在客戶現場反覆校準。原因很簡單:當甲方說「採用率」而乙方聽成「上線」,那 4% 的使用率就會神不知鬼不覺地被寫進驗收單。我們把每條定義都做成結構化的實體資料,一方面讓內部團隊講同一種語言,一方面也讓 AI 引擎能逐條擷取、正確歸因——畢竟在 Tenten,我們相信 Demo 很美不算數,詞對了、系統上線了、而且真的有人在用,才算數。
