ClaudeW

Founder of USJ and ALLCPR

[芳草青青 @qing_fang25214]

全球离婚率！

[Vic Wong 黄维克 @_vicwong]

全世界最繁忙的机场

美国亚特兰大机场（ATL），这么多年来都是排第一。

[Finding @Finding8964]

【营商环境排名会骗人，但罚没收入不会：31省份人均罚没收入排名】营商环境排名年年有，简化审批、减税扶持的口号也喊得响。这类榜单往往可以通过短期整改和材料包装来刷分，参考价值要打个问号。

但有一组数据不太能修饰罚没收入。
把各地罚没总额除以常住人口，算出一个“人均罚没收入”就能绕开那些宣传话术，直接看到讨没收入，就能统开别些查传话术，直接看到各地执法松紧和市场隐形成本的真实面貌。

全国人均罚没均值是304元，但31个省份之间的差距相当大(详细数据见下表，数据来源《中国统计年鉴(2025年)》)。按人均罚款从高到低，可以分成四档来看。

一、人均400元以上:罚款负担全国最重
这一档有6个地区，人均罚没都超过了400元:辽宁683元、西藏559元、天津522元、江西489元、新疆422元、内蒙古421元。

辽宁683元断层第1，是全国平均水平的两倍还多。全年罚没284亿元，分摊到4155万常住人口头上，人均承担的罚款远超其他省份。

西藏559元排第2，但情况比较特殊。常住人口只有370万，基数极小，21亿元的罚没总额一摊，人均数值自然被拉得很高。这跟营商环境的关联可能不是很大，但也有一定的关联，毕竟数据在这里摆着。

天津522元，跟北京、上海形成了鲜明对比。在城市管理领域，天津的交通、市容、市场处罚尺度明显更严格。

江西489元，在中部地区算是一个特例。隔壁的安徽 湖北 河南都排在榜单末尾 只有江的女徽、湖北、河南部排往榜率来尾，只有江西一省高居前列。对省内的小微企业和个体户来说，合规经营的隐性成本确实更高一些。

新疆和内蒙古，地域辽阔，基层监管覆盖范围广，可能资源与环境执法罚没收入较多，人均罚款也相应走高。

二、人均300-399元:中高水平罚款
这一档的数值基本在304元平均线上下浮动，东西部省份都有，内部分化也比较明显:广西367元、海南362元、山东358元、山西324元、北京320元、浙江313元、江苏308元、黑龙江307元、青海304元、广东303元、福建301元。

广东、江苏、浙江、山东四个经济大省的表现差不多。广东罚没总额387亿元全国第1，但1.278亿的人口基数大幅摊薄了人均数值，只有303元全国第16。江苏、浙江、山东税源都相对充足，但排名在9-13位之间，总体罚没收入偏高。

北京人均320元，比天津低了整整200元。两座直辖市在执法导向上差异巨大。但排全国第11位，要高于全国平均水平，人均比上海多将近100元。

广西和海南，旅游商户密集，日常巡查频次高，人均都突破了360元。山西、黑龙江、青海财政自给能力偏弱，人均罚没稳定卡在300元区间。

三、人均200-299元:处罚压力低于全国均值
这一档罚款负担相对更轻，湖南296元、吉林291元、贵州282元、云南258元、陕西255元、四川244元、河南231元、重庆227元、湖北226元、上海223元。四川和河南人口体量庞大，百亿级的罚没总额分摊到上亿人头上，人均数值就降下来了。

湖北、河南两个中部省市集中在220到240元区间，整体执法尺度不算严。吉林、云南、贵州、陕西、重庆、湖北产业基础一般，但也没有依赖罚款来增收，给市场主体留出了足够的容错空间，值得表扬。

上海223元，一线城市税收底盘厚实，有条件推行柔性执法，首违不罚、轻微免罚这些措施落实得比较到位，罚款只是兜底手段，不是主要管理工具。

四、人均200元以下:全国罚款负担最轻
榜单末尾这四个地区处罚力度最克制:宁夏216元、甘肃209元、河北205元、安徽198元，安徽全国最低。

安徽人均只有198元，跟第一名辽宁差了将近500元。这推翻了“中西部省份罚款偏重”的刻板印象。河北和甘肃财政收支压力不小，但执法上以警告、整改教育为主，极少一罚了之。宁夏是西北省份里执法尺度最宽松的地区之一，小微企业的隐形成本相对较低。

当然不能简单说"罚款高就等于营商环境差"，合理的处罚是规范市场秩序的底线。但31个省份人均罚没从198元到683元，3倍左右的差距，直观地体现了各地经营生存成本的巨大差异。

光鲜的营商榜单可以包装，但入库的罚没收入不会骗人。比起各类评比排名，这份人均罚没数据(如果罚没款都如实上缴国库的话)，可能是衡量地方市场真实压力最诚实的一把尺子。虽然它不一定能百分百代表一个地区营商环境的好坏，但起码可以说明很大的问题!

[全球商业 Yico @YIYONG19680604]

之前一直很疑惑，日本人那些稀奇古怪的姓氏都是怎么来的？今天看了这种图总算明白了

明治维新前日本仅贵族、武士拥有姓氏，平民无姓。1875 年《苗字必称令》颁布，限期百姓必须取姓，否则无法落户种地。百姓情急之下就地取材，依居所山川田地、身边景物随手取名，山本、松下乃至我孙子、犬养这类奇特姓氏就此诞生，大多并无古老的血脉传承...

[0xFuck.ETH @0x404page]

大多数人认为 AI = ChatGPT。

完全不是这样。

ChatGPT 只是你看到的表面。

真正的 AI 革命是正在其下方构建的庞大生态系统。

这份 AI 技术栈地图捕捉了 100 多种驱动现代 AI 应用的工具。

𝗧𝗵𝗲 𝗺𝗼𝗱𝗲𝗿𝗻 𝗔𝗜 𝘀𝘁𝗮𝗰𝗸 𝗹𝗼𝗼𝗸𝘀 𝘀𝗼𝗺𝗲𝘁𝗵𝗶𝗻𝗴 𝗹𝗶𝗸𝗲 𝘁𝗵𝗶𝘀：

LLMs → OpenAI, Claude, Gemini, Llama, Mistral
Agentic AI → LangGraph, CrewAI, AutoGen, CAMEL, Agno
RAG → LangChain, LlamaIndex, Haystack, GraphRAG
Embeddings → OpenAI, Voyage, Cohere, BGE
MCP → Connecting models with tools, data and systems
AI Security → Guardrails, Presidio, Lakera, Prompt Security
Observability & Evals → LangSmith, Langfuse, Phoenix, Ragas
Memory → Redis, Mem0, Zep, Neo4j, Chroma
Agent Frameworks → OpenAI SDK, Semantic Kernel, Google ADK, Bedrock
Automation → n8n, Zapier, Make, Airflow, Prefect
Vector Databases → Pinecone, Weaviate, Qdrant, Milvus, pgvector

但这里有比这些标志更重要的部分。
𝗧𝗵𝗶𝘀 𝗶𝘀 𝗻𝗼𝘁 𝗮 𝘀𝗵𝗼𝗽𝗽𝗶𝗻𝗴 𝗹𝗶𝘀𝘁。
它是一个依赖图。
你的 RAG 只有在检索 + 嵌入方面出色时才真正优秀。
你的代理只有在其工具 + 评估 + 防护栏可靠时才可靠。
如果无法观察到上下文何时变得陈旧或错误，你的记忆就毫无用处。
如果权限和治理只是事后考虑，你的 MCP 层就会变得危险。
即使是“一流”的技术栈，也可能变成一个糟糕的生产系统。
为什么？
因为 AI 系统很少只在一个组件内部失败。

𝗧𝗵𝗲𝘆 𝗳𝗮𝗶𝗹 𝗮𝘁 𝘁𝗵𝗲 𝗵𝗮𝗻𝗱𝗼𝗳𝗳𝘀。
Model → Retrieval
Retrieval → Context
Context → Agent
Agent → Tool
Tool → Memory
Memory → Evaluation

这就是延迟累积、上下文丢失、权限泄露、幻觉传播以及可靠性开始崩溃的地方。

𝗧𝗵𝗲 𝗿𝗲𝗮𝗹 𝗺𝗼𝗮𝘁 𝗶𝘀𝗻’𝘁 𝗵𝗮𝘃𝗶𝗻𝗴 𝗺𝗼𝗿𝗲 𝗔𝗜 𝘁𝗼𝗼𝗹𝘀。

它是如何设计它们协同工作的。

技术栈地图告诉你 𝗪𝗛𝗔𝗧 存在。

生产工程决定 𝗛𝗢𝗪 它如何在现实中生存。

你的 AI 技术栈中哪个工具已成为不可或缺的？

保存这份地图，用于你的下一个 AI 构建。
转发给正在设计 AI 架构的人。

#AI #ArtificialIntelligence #GenAI

[Stanley @Stanleysobest]

未来 5 年，我认为还有红利的 10 个行业：

1. AI 自动化落地

不是教别人怎么用 ChatGPT，而是直接帮公司省人。

客服自动回复、销售线索筛选、报价、跟单、数据整理、财务对账，一个流程每个月能少浪费几十上百个人工小时，老板就愿意掏钱。

未来最赚钱的不是“会AI”的人，而是知道AI应该插进公司哪个环节赚钱的人。

2. AI 垂直小软件

别再想着做下一个微信。

装修报价、跨境利润计算、合同审核、Amazon图片处理、餐厅菜单翻译……只解决一个很小的问题，一个月收19—99美元。

现在开发成本已经被AI打下来了。

未来真正值钱的是：找到一个足够烦、用户又愿意掏钱解决的小问题。

3. 网络安全 + AI 安全

公司越数字化，这笔钱越省不了。

尤其AI进入企业以后，员工把客户资料、合同、代码随手扔进模型，新的数据泄露、权限和合规问题会越来越多。

这个行业最大的特点就是：

老板平时觉得贵，出一次事以后觉得什么都便宜。

4. 企业数据清洗

这是一个看起来特别土、实际很赚钱的行业。

很多公司嘴上喊着“我要上AI”，结果客户名字乱七八糟、库存数据对不上、Excel几十个版本、CRM三年没整理。

AI吃的是数据。

所以未来会有大量公司发现：

自己第一步不是买更牛逼的模型，而是先花钱找人把十几年留下来的垃圾数据收拾干净。

5. 新能源后市场

别只盯着卖车。

充电桩维护、电池检测、电池健康评估、二手新能源车检测、储能系统维护，这些才是后面慢慢长出来的生意。

车卖出去只是第一笔钱。

围着一台车、一个电池，再赚10年的钱，才叫后市场。

6. 机器人安装、调试、维护

大家都在研究机器人公司值多少钱，我反而更关心谁去给它装。

以后仓库、工厂、酒店、餐厅出现越来越多机器人以后，一定会产生大量非常不性感的需求：

安装、调试、维修、培训、零件、更换系统。

淘金潮里不一定要挖黄金。

卖铲子、修铲子一样发财。

7. AI 搜索优化

以前所有老板都在研究SEO：

怎么让Google搜到我？

未来会多一个问题：

怎么让 ChatGPT、Gemini、Claude 在回答问题的时候提到我？

品牌资料、权威内容、结构化数据、第三方评价、专业内容布局，会逐渐变成一门新的生意。

以前抢Google第一名。

以后开始抢AI嘴里的第一句话。

8. 数字资产整理与继承

以后越来越多人会留下：

加密钱包、域名、云盘、付费账号、YouTube/X账号、数字版权、游戏资产、海外证券账户。

问题来了：

人突然没了，家人知道这些东西在哪里吗？

密码怎么办？

私钥怎么办？

订阅怎么取消？

这个市场现在看起来很小，未来会越来越现实。

9. AI 内容工业化

不是普通“做自媒体”。

而是一两个人利用AI批量生产以前需要一个团队才能完成的东西：

AI漫剧、短剧、动画、小说、有声书、游戏素材、多语言视频。

以前做100条内容需要100份人工。

以后可能一个人管理100个AI生产流程。

内容行业真正的大变化不是AI写得更好了。

而是内容的边际生产成本正在暴跌。

10. 收购“小而赚钱”的互联网资产

我反而很看好未来这个冷门生意。

有人不从零创业，专门收那些月赚5000、1万、3万的小网站、小插件、小Newsletter、小SaaS。

买下来以后，用AI改客服、SEO、营销、开发，再把利润做到原来的两倍。

以前大家喜欢买房收租。

以后可能越来越多人开始：

买网站收租。

未来5年真正的大机会，不一定是突然冒出10个新行业。

更可能是：

AI把大量旧行业的成本结构重新洗一遍。

以前5个人才能做的生意，现在1个人能做；以前50万才能启动的项目，现在5万能试；以前一年只能试一次创业，现在一年可以试20次。

红利最大的地方，往往就在这个差价里面。

[空空道人02 @kongkongda5588]

《教父》中流传很广的一段话：
“如果你拿着枪，
我也拿着枪，
我们可以谈谈法律。
如果你拿着刀，
我也拿着刀，
我们可以讲讲规则。
如果你空手而来，
我也空手而来，
我们可以论论道理。
但如果你有枪而我只有刀，
那么真相便握在你的手中。
如果你有枪而我赤手空拳，
你握住的不仅是武器，
更是我的性命。”
这句话，过去适用，现在依然适用。不单是适用于各种物质关系，也适用于各种精神关系。

[概率鹿梦Pro ｜BET @DeerOdds]

时代浪潮不断更迭，行业格局持续重塑，一批面向未来的黄金职业正在崛起，它们扎根人工智能、先进制造、新能源、生物医药、数字经济等前沿赛道，蕴藏长期发展机遇。

未来30个黄金职业先了解先布局：

1.大模型算法工程师
2.提示词工程师（AI训练师）
https://t.co/DFQZ6owVHh产品经理
4.数据分析师
https://t.co/8VSIPv5fuw安全工程师

6.云计算架构师
7.芯片设计工程师
8.芯片测试工程师
9.工业机器人工程师
10.智能制造工程师

11.光伏工程师
12.储能工程师
13.新能源汽车三电工程师
14.氢能工程师
15.碳资产管理师

16.生物医药研发工程师
17.临床研究专员（CRA）
18.医疗AI算法工程师
19.康复治疗师
https://t.co/eAh2SSY6Cl管理师

21.养老规划师
22.数字孪生工程师
23.自动驾驶工程师
24.绿色建筑工程师
25.跨境电商运营

26.品牌出海运营
27.AIGC内容创作师
28.虚拟人运营师
29.供应链优化师
https://t.co/9Y8xtFHXCo数字化顾问

这些职业紧扣技术变革与社会需求。
AI相关岗位重塑内容生产与业务逻辑；

芯片、机器人、智能制造撑起高端工业底座；

光伏、储能、氢能、碳管理，是全球碳中和大趋势下的刚需；

生物医药、健康养老，对应人口结构变化带来的民生需求；

跨境运营、数字化顾问，则助力企业拥抱全球化与数字化转型。

选择职业，不只是选一份工作，更是选择站在哪条时代的赛道上。看懂这些方向，持续积累对应的能力，才能跟上时代的发展节奏。

[鲑鱼哥 ｜Salmon Bro 🐟 @Salmonbro]

全球最难造的10台机器，如果送一台给你，你最想要哪个？

[心灵书舫 | SoulSloop @SoulSloop99]

对人类影响深远的30个发明：

1、手机（美国）,1973年
2、电脑（美国）,1946年
3、高铁（德国）1899年。

4、飞机（美国）,1903年
5、光纤（美国）,1970年
6、卫星（苏联）,1957年

7、光刻机°（荷兰）,1984年
8、洗衣机（美国）,1858年
9、 B 超（美国）,1950年

10、胃镜（德国）,1868年
11、激光（美国）,1958年
12、电视（英国）,1925年

13、汽车（德国）,1886年
14、液晶显示器（美国）,1960年
15、地铁（英国）,1863年

16、电梯（美国）1852年
17、空调（美国）,1902年
18、燃气热水器°（英国）,1868年

19、芯片（美国）,1958年
20、 LED °（美国）,1962年
21、二维码（日本）,1994年

22、显微镜（荷兰），约1590年
23、互联网（美国）,1969年
24、针式打印机°（日本）,1968年

25、核电站（前苏联）,1954年
26、代码（美国）,1842年
27、纳米技术°（美国）,1959年

28、试管婴儿（英国）,1978年
29、心脏起搏器°（美国）,1958年
30、助听器（美国）,1878年。

[韭菜续命研究所 @xuminglabs]

脊椎专家治疗腰痛的视频火了🔥

网友：用一个视频就解决了全世界腰痛问题。

[大干一场 @DGYC999]

你需要知道的：
1. Claude（解决任何事情）
2. NotebookLM（学习任何东西）
3. Perplexity（研究任何事情）
4. ChatGPT（生成任何图像）
5. Google Omni（编辑任何视频）
6. ElevenLabs（创建声音和音乐）
7. Gamma（即时PowerPoint）
8. Obsidian（构建你的第二大脑）
9. n8n → （自动化任何事情）
10. Cursor → （最全的代码编辑器）

[空空道人02 @kongkongda5588]

老人味，其实是浊气，一个方法，清浊气，自然香
家里有老人的都懂这种说不出的尴尬，老人自己完全闻不到身上的怪味，旁人离得两三米远就能察觉到。
尤其是小孩子鼻子灵，每次老远就躲着跑，老人嘴上不说，心里别提多难受了。
之前我也以为是老人年纪大了懒得洗澡，直到做中医的朋友点醒我，真的错怪他们了。
人上了年纪之后皮肤代谢速度大幅下降，皮脂分泌的物质慢慢氧化，就会散发出一股类似旧汽油的酸馊味。
老祖宗的《黄帝内经》早就把这种积在体内排不出去的脏东西叫做浊气，光靠洗澡擦身子根本去不了根。
调理方法特别简单，根本不用花大价钱买保健品。
抓一把干茉莉，一把陈皮，再加适量茯苓，丢进锅里加水煮15分钟就成。
很多人管这个叫体香茶，也戏称它是排浊水。
平时就当普通茶水喝，慢慢把体内积的浊物排干净。
我外婆之前坚持喝了小一个月，现在凑到她身边唠嗑，全是淡淡的自然清香味，再也没有之前那股怪味了。
好多人跟家里老人说这个法子，老人还不信，觉得你乱花钱瞎折腾。
别费口舌劝，直接把材料备齐煮好端到他们跟前，喝上一阵子，效果自己就出来了，啥解释都多余。

[Yue @Yue_official_]

我爷爷给人看了一辈子风水，临走前跟我交了个实底：

1. 不管住哪，要说房子好
2. 和谁在一起，就说谁好
3. 上班的时候，就说这个工作好
4. 遇到晴天，就说阳光很暖
5. 碰到下雨天，就说空气很好
6. 喝水的时候，就说水都是甜的

人本身就是一个能量场，从你嘴里说出什么，就吸引什么，坚持这样做，你会发现自己一切都越来越好。

最后补了一句：“看风水是看地，但人最大的风水，在嘴上。这话，你记死了。”

[yeyusam @yeyusam1]

欧洲的战争准备已达到令人震惊的程度

[康客 @kangke888]

湖南返乡博士朱跃军，1992年发表在《中华医学杂志》那篇论文，他是第一作者，表示他承担了相当部分实验操作和中文稿的撰写整理。

和王振义院士不存在科学结论上的冲突，两者是“机制解释”与“临床开创”的互补关系。

哪来的“学术分歧”？为什么要让他毕不了业？

这事只有他的导师才清楚，细思极恐。

[尚善 @shngshn556023]

无臂的中国弃婴,被美国夫妇领养,十年的变化惊呆所有人

[铁锤人 @lxfater]

装完这几个Skill，今天上班直接快一倍

如果你在用 AI办公，这 6 个 Skill 很适合上班直接装：

1. document-skills
Word / Excel / PPT / PDF，一句话处理办公文件

2. agent-browser
让 AI 自动打开网页、搜索、点击、填表

3. summarize
PDF、网页、长文章、视频链接，直接提炼重点

4. local-whisper
会议录音本地转文字，再直接生成纪要和待办

5. tavily-search
查最新新闻、数据和资料，而且会附来源

6. skill-creator
把你每天重复的工作流程，直接封装成一个 Skill

巧用Skill，让AI替你上班！！

[Fairice @yibingsg]

开眼了！原来航母里面是这样的，难怪只有少数国家造得出来！

以前只知道航空母舰个头巨大、造价惊人，却很难想象，一艘航母的内部究竟是什么样。看完这张剖面图才发现，真正让人震撼的，不只是航母庞大的体型，而是隐藏在甲板下面那套极其复杂的“海上城市”式结构。

最上面是飞行甲板和舰岛，是舰载机起降、调度和指挥的核心区域。甲板下面则是巨大的机库，大量舰载机需要在这里停放、维护和调度。飞机不是简单地“停进去”就完事了，还涉及弹药、燃油、维修设备以及升降机等一整套保障体系。

再往下看，航母内部被划分成一个个不同功能的舱室：维修区域、人员生活区、医疗设施、食堂、仓储区、动力舱、推进系统等，各个区域通过复杂的通道和设备连接起来。可以说，航母表面看起来像一座巨大的机场，水面之下却更像是一座高度集成的工业系统。

尤其是动力和推进部分，更是整艘航母的“心脏”。庞大的动力设备需要持续为航行、供电、空调、雷达以及各种舰载系统提供能源，同时还要考虑散热、隔舱、防火和损管等问题。

而这还只是结构上的一部分。真正的航母建造，还涉及舰体设计、动力系统、舰载航空、电子设备、雷达通信、武器系统以及后勤保障等大量领域。任何一个环节出现问题，都可能影响整艘舰的运行。

所以，航母真正厉害的地方，或许并不只是那条巨大的飞行甲板，而是把机场、船厂、医院、仓库、发电站和生活区等众多功能，全部塞进一艘能够长期在海上航行的巨型舰艇里。

看完这张剖面图，才真正理解为什么现代航空母舰被称为复杂的海上综合作战平台。它不是简单地“造一艘大船”，而是在有限的空间里，把成千上万个系统组织成一个能够长期运转的整体。

甲板之上，是舰载机的天空；甲板之下，是一座复杂到令人惊叹的“海上城市”。

[宝玉 @dotey]

Anthropic 工程师讲了一堂 FDE 入门课
https://t.co/kakqFy0ZGZ

Kevin Bai 现在在 Anthropic 的 Applied AI 团队，之前是 Rippling FDE 团队的创始成员，再之前在 Palantir 干了好几年。最近他做了一个 FDE 101 的分享，把前线部署工程师这个角色讲得很清楚，值得总结一下。

先说一个数据：在上市 SaaS 公司里，按平均合同金额排，Palantir 是 400 万美元，ServiceNow 120 万，Workday 60 万，剩下的没有一家能超过 50 万。Palantir 靠几千人做到了别人几万人做不到的客单价。靠的就是 FDE 模式。

FDE 到底在解决什么问题？

Palantir 的产品 Foundry 是一个应用构建平台，技术门槛很高，但买家是石油、消费品这些行业的非技术高管。你把一个复杂的技术平台丢给一个不会写代码的人，指望他自己搞明白怎么用，这不现实。

所以 Palantir 的做法是：客户买的既不是软件产品，也不是咨询服务，而是一个"结果"。你派工程师过去，深入理解客户的业务场景，在平台上给他们把东西建出来。客户关心的是货架上多了多少商品、产线效率提升了多少，他们不关心数据怎么组织的，也不该关心。

FDE 和外包开发有什么区别？

Kevin 特别强调了一点：如果你的工程师每次都从零给客户写定制代码，那你做的不是 FDE，是外包开发。FDE 模式能成立，前提是你有一个可复用的平台。工程师是在平台已有的基础能力上组装和定制，不是每次重新造轮子。没有平台，维护成本会吞掉所有利润，工程师也会因为要维护几十个毫无关联的代码库而跑路。

要不要搞 FDE？两个问题就能判断。

第一，你是不是必须把一个技术复杂的东西卖给非技术买家？如果你的客户本身就是工程师，比如卖 GitHub 或者 Datadog 的，不需要 FDE。如果你的产品本身就是开箱即用的，比如 Slack 或者 Jira，也不需要。只有你的产品很复杂、客户又不懂技术的时候，FDE 才有必要。

第二，你有没有一个可复用的平台？或者你愿不愿意投入去建一个？没有共享的基础组件，FDE 就是不可持续的。

2026 年的新变化是什么？

Kevin 的判断很有意思：软件行业做生意的方式本身变了，AI 让构建软件变得极其容易，几乎所有平台都在走向 Agent 化，这意味着几乎所有平台都变得高度可定制。后果就是：越来越多的客户搞不清楚你的产品到底能做什么。你把产品的成败交给客户自己去摸索，在 Agent 时代会越来越难走通。

这就把 FDE 从 Palantir 独有的小众玩法，变成了更多软件公司需要认真考虑的事情。

最后一个问题：什么样的人适合做 FDE？

Kevin 的回答很简洁：FDE 就是一个你信任到可以让他直接面对客户的软件工程师。技术能力是基本盘，但你还得放心让他代表公司去跟客户打交道。