FDE 在哪里工作
两个头衔同为 FDE 的 offer,可能是两份不同的工作:一份把你的一线工作变成产品,另一份按小时卖你的工时。雇主类型对这份工作的影响比头衔更大,所以先给雇主定位:它决定了这份工作为了什么、薪酬怎么构成、你下一步能去哪里。然后再比较薪资。
岗位在哪里
先纠正一个印象。FDE 的招聘市场主要不在几家 AI 实验室和 Palantir。它的大部分是你没听说过的公司,把一个产品卖给单靠自己装不起来的企业。
对招聘启事最好的普查来自 Plank:2026 年 9 月 12 日,它统计到 565 家公司的 1,333 份在招 FDE 启事,并逐一给出了链接。约三分之二在美国,前沿实验室和 Palantir 加起来占 9%(Plank,FDE 招聘市场,2026 年 9 月;T2,一家销售 FDE 服务的公司发布的实测统计)。Bloomberry 在早十个月发表的一份分析里,基于约 1,000 份启事,发现 58% 的 FDE 岗位在 11 到 200 人的公司(Bloomberry,2025 年 11 月,2026 年 1 月更新;T2)。两个样本的时间窗口不同、口径不同,所以不要把它们合并。但它们描绘的形态一致:典型的 FDE 岗位在一家成长期公司,而不是在实验室。
按职位名称来数,会在两个方向上同时扭曲这幅图景。为本书做的一次统计说明了这一点。
以 FDE 为职位名的岗位,读自各雇主自己的招聘数据源,2026 年 10 月 17 日(作为“发布了什么”的统计是 T1;它完全不说明录用了多少人)。职位名含“forward deployed”的岗位占全部在招岗位的数量:Palantir 310 个中 77 个;OpenAI 814 个中 26 个;Mistral 217 个中 15 个(同一天早些时候是 16 个,这些数字按小时在变);Scale AI 182 个中 14 个;Cohere 118 个中 11 个;Anthropic 655 个中 6 个;ElevenLabs 156 个中 4 个;Harvey 345 个中 3 个;Glean 134 个中 3 个;Sierra 186 个中 0 个;Decagon 143 个中 0 个。OpenAI 部署公司自己的招聘页面上,19 个岗位里有 6 个以 FDE 为职位名。
少算。Anthropic 有 50 个职位名含“Applied AI”的岗位,而以 FDE 为名的只有 6 个。Sierra 把这份工作写成“Strategist, Agent Development”,Decagon 写成“Agent Deployment Engineer”。
多算。Palantir 的 77 个里,32 个是实习、应届生岗位或“Year at Palantir”项目,28 个创建于统计日两年多以前。最老的一个是伦敦的 Forward Deployed Software Engineer 岗位,创建于 2009 年 12 月。Plank 自己的说明也是这个意思:一份启事可能代表好几个席位,也可能是一条常年开放的人才管道。
一个回声数字。2026 年 9 月,川观新闻对霞光智库一份行业报告的摘要给出“565 家公司”在招 FDE、美国基本工资中位数 193,000 美元(川观新闻,2026 年 9 月;T3)。这些正是 Plank 的普查数字,被转述而未注明出处,还被改称为美国的中位数,而 Plank 的 $193K 来自所有公开了薪资的启事,并不只限于美国。只算一次。
增长数字是刻意没有放进来的。它们衡量的时间窗口各不相同,好几个都是同一条 Indeed 数据序列的回声,附录 D 把它们分开列出、不做合并;主要的回声数字见“如何使用本书”。何况对选雇主来说,它们也帮不上忙:市场可以翻一番,而你拿到的那份工作仍然是错的。
四种雇主类型,按它们用你的时间买什么来分
“起源与经济账”把雇主归入三种经济模式。本章问的是,每一种会对你的一周、你的薪酬和你的下一份工作产生什么影响。本章还补上经济账那一章没有讲的第四种类型:应用创业公司,因为 15.1 节显示,大多数岗位就在这里。
检验方法:雇主为你的一小时付钱时,它买的是什么?
- AI 实验室(OpenAI、Anthropic、Mistral、Cohere)买两样东西:少数几个大到足以产生影响的客户在生产环境中的使用,以及关于自家模型在哪里失败的证据。客户本来就在为模型付钱。你的工时是对用量和信号的投资。
- 应用创业公司(Sierra、Decagon、Harvey、Glean,以及数以百计的小公司)买的是成交,以及自家产品的一次可用部署。你的工时今天是销售成本;如果产品吸收了你做的东西,明天就是产品投资。
- Palantir 式平台买的是客户扩展。试点按设计就是亏损的,而当一个客户成长为一份不再需要你的平台许可时,你的工时才算物有所值。
- 部署公司或 FDE 咨询公司(各家实验室 2026 年分拆出来的公司,以及采用了这个头衔的咨询公司)卖的是你的工时。交付的结果就是产品,利用率就是成本线。
真实的公司会把这几种混在一起。按它偏向哪一种来给雇主定位,再用 15.8 节的问题清单核对这种偏向。这些类型能预测头衔预测不了的三件事:谁来定你的优先级,什么能让你涨薪,以及你离开时会擅长什么。
启事说这份工作是什么
招聘启事是这份工作怎么做的 T4 证据,也是雇主要求什么的一手证据。把四种类型的启事放在一起读,差异就体现在每份启事怎么定义成功上。
实验室衡量的是生产使用和信号。OpenAI 旧金山的 FDE 启事写道:“你将通过生产环境中的采用、可衡量的工作流影响,以及能改变产品和模型路线图的、由评测驱动的反馈来衡量成功”(OpenAI,FDE - SF,2026 年 9 月)。Anthropic 的 Staff FDE 启事写道:“客户请你来是为了主导,而不只是实施:你决定应该构建什么,然后确保它被构建好”(Anthropic,Staff FDE,2026 年 10 月)。实验室的工作最接近本书的定义:客户少、负责得深,并且有义务把情况带回来。它的风险,就是“起源与经济账”为实验室点出的那一个:把一个大客户服务得太好,以至于什么都没有带回产品。
应用创业公司衡量的是成交。Decagon 的战略部署工程负责人(Engineering Lead, Strategic Deployments)将“端到端负责 1–3 个战略交易的技术构建,像每个交易的创始 CTO 一样运作”,找出技术风险“并在它们威胁到交易之前化解它们”,并把“定制化的交易需求转化为对 Decagon 核心产品的持久改进”(Decagon,2026 年 7 月)。Sierra 的旗舰部署策略师被要求“为 Sierra 带来收入上行空间,并在内部推动逐步降低服务成本、提高利润率”(Sierra,2026 年 9 月)。Glean 的创始 FDE 启事把产品承诺直接说了出来:“你构建的最好的东西,会交付给全世界每一个 Glean 客户”(Glean,2026 年 1 月首次发布)。创业公司的 FDE 比实验室的 FDE 离收入更近,也离产品更近:产品只有一个,你的客户缺什么,什么就是它的路线图。风险在于,每次与路线图起争执,赢的都是成交。
平台衡量的是扩展,而且招得年轻。在这批样本里,只有 Palantir 的招聘页面有一条完整的人才管道:实习、应届生岗位、为期一年的项目,以及基础设施、可靠性、安全和客户赋能方向的专门化前线部署岗位,旁边还列着 Deployment Strategist 岗位,也就是那个不写代码的搭档角色。它的 FDSE 启事仍然把职责描述为“类似创业公司 CTO 的职责”(Palantir,FDSE - US Government)。平台的工作教得最多,专门化也最早。它的风险是:如果平台始终没有吸收一线工作,FDE 就只是一个拿股票的顾问。
部署公司衡量的是交付,而且把自己担心什么说了出来。OpenAI 部署公司称自己是“OpenAI 的部署部门”,运作于“前沿 AI、企业转型与规模化服务交付的交汇处”。它的创始 FDE 将“端到端负责技术成果和业务价值成果”,并“快速走向管理职责”。它想要的候选人“能够在标准化与定制化之间做出有纪律的决定,而不是默认做定制化工作”(OpenAI 部署公司,FDE - US,2026 年 6 月)。这是整批样本里最坦率的一句话:一家靠工程产能赚钱的公司知道,定制化是它天然的漂移方向,于是专门招人来抵抗它。另一份启事邀请“一支两到五人的成型团队”一起申请,并提醒“一起申请的人可能会被分到不同的部署项目”(DeployCo,Apply with Your Team)。服务公司就是这样配置人手的:它招的是产能,然后再分配。
一周里你坐在哪里,也因类型而异,而这里的证据是互相矛盾的。
驻场时间。OpenAI 告诉新入职的 FDE,预计“大约 50% 的时间在现场”;在阿联酋和日本的一些人“大约 80% 的时间”在现场,而在欧洲或美国的人“每月可能有 2-3 周和客户在一起”(Gregor Ojstersek,2026 年 8 月;T3,转述 Colin Jarvis)。Pragmatic Engineer 报道,Palantir“预计 FDE 大约 25% 的时间在客户现场”,Commure 则是“最高 50%”(Pragmatic Engineer,2025 年 8 月;T3)。Nabeel Qureshi 2015 年以 FDE 身份加入 Palantir,2023 年离开,他说 FDE“通常需要‘去现场’,到客户的办公室工作,每周 3-4 天”(Qureshi,2024 年 10 月;T4)。关于 Palantir 的这几个数字互相矛盾,可能描述的是不同时期。
启事所写。OpenAI FDE:差旅“最高 50%”。Anthropic FDE:25–50%。Palantir 应届生 FDSE:25–50%,“优先考虑,但要求不一”。Glean:混合办公,每周“3-4 天”在办公室,外加 25–50% 的差旅。Decagon:“我们是一家坐班公司”。DeployCo FDE:每周三天在办公室,差旅最高 50%。Harvey:“每月 2–3 次以上……通常……每次 1–3 天”。
可用的规律(这是从少数几份启事和一次转述的访谈里得出的推断)是:实验室和部署公司把你派到客户那里;创业公司让你待在产品团队附近,一阵一阵地派你出去。如果你没法一半时间在外出差,被排除掉的实验室和部署公司岗位,会多于创业公司岗位。要问上一个季度的实际差旅,而不是启事里写的上限。
钱从哪里来:看构成,而不是区间中点
四种类型启事里写的基本工资高度重叠。真正要紧的差异,在于整个薪酬包怎么构成,以及薪资区间的宽度掩盖了什么。
启事所列的薪资区间,除注明外均为美国基本工资,读取于 2026 年 10 月 17 日。实验室:OpenAI FDE(包括医疗、法律和金融服务方向)$185K–$300K 加股权;OpenAI FDSE,纽约和西雅图,$153K–$325K;Anthropic Staff FDE $280K–$320K;Anthropic FDE 伦敦 £225K–£255K;Scale AI 的三级阶梯 $180K–$225K、$216K–$270K 和 $252K–$315K;Cohere FDE CA$175K–CA$385K。应用创业公司:Decagon Agent Deployment Engineer $175K–$230K(伦敦 £110K–£150K);Decagon 战略部署工程负责人 $200K–$400K;Sierra Strategist, Agent Development $200K–$290K,启事没有说明这是基本工资还是目标总收入;Glean 创始 FDE $160K–$270K,并写明“某些岗位可能有资格获得浮动薪酬、股权”;Harvey Forward Deployed Finance Engineer“OTE $254,600 - $350,000 USD(75/25 拆分)”,没有说明浮动部分按什么发放。平台:Palantir FDSE 和 Forward Deployed AI Engineer,估计 $135K–$200K,“还可能包括限制性股票单位、签约奖金”;应届生 FDSE $135K–$145K。部署公司:DeployCo FDE $170K–$400K 加股权;伦敦 £90K–£150K;巴黎 €115K–€200K。
汇总数字。Plank 统计的启事基本工资区间中点的中位数是 $193K,来自 1,333 份启事中公开了薪资的 388 份(29%)。按融资阶段,它从种子轮的约 $150K 到前沿实验室的约 $243K(16 份启事)不等。Plank 的正文说 B 轮为 $235K,但它自己的图表给出的 B 轮中位数是 $185K,只来自五份启事;种子轮以上各阶段之间的梯度,应当视为未知。Plank 强调这些只是基本工资,而股权在实验室的薪酬包里占大头;这个占比是 Plank 的估计,不是启事里写的数字(T2)。Bloomberry 基于更早的样本得出的中位数是 $173,816(T2)。样本和时间窗口不同:不要把两者平均。Bloomberry 还报告说,8% 的启事提到了 OTE,背业绩指标的“恰好是 0%”,却又把它占 30% 的“Sales Engineer+”类型称为“背业绩指标的”。它自己的数字互相矛盾;把浮动薪酬的占比当作未知。
有四条规则,能把这样的薪资区间变成你用得上的东西。
区间宽,意味着级别要在 offer 里定。一个经验法则:当区间上限超过下限的约 1.5 倍时,雇主就是在用一份启事招好几个级别。Glean 的启事直接说了出来:“这个区间涵盖该岗位的不同级别,你的级别将在面试过程中评定”。你的数字取决于他们把你定在哪一级。要问 offer 定在哪一级、下一级需要什么、由谁决定。“技能地图”里的评分标准给你的是论证一个级别的证据,而不是一个数字。
浮动薪酬告诉你,你和谁共担指标。目标总收入(OTE)意味着你的一部分薪酬取决于某个商业结果。对一位把客户从试点一路带到日常使用的领域专家型 FDE 来说,这可以没问题。先问启事里的区间是基本工资还是目标总收入;有些启事没有说明,而 Anthropic 的启事带着一句标准说明:“对于销售岗位,所给区间是该岗位的目标总收入(On Target Earnings)”,却没说 FDE 岗位算不算销售岗位。然后问浮动部分按什么发放:签单、续约、用量还是交付。如果是签单,这份工作就是售前,而第 1 章的检查清单多半也会得出同样的结论。
股权是押注产品闭环。创业公司的股票只有在产品规模化、超越了定制工作之后才值钱,而一线到产品的闭环存在的意义正是促成这一点。在给它估值之前,先请对方说出一个源自一线的功能。如果没人说得出,这份股票就是在押注你这份工作的目的会落空。
较低的基本工资可能是平台刻意的设计。Qureshi 关于 Palantir 薪资低于市场、由股票补回来的说法,在“起源与经济账”里已有交代(T4,一位前员工的说法,而且股票后来的上涨是一个混杂因素)。平台模式要你等客户和公司一起成熟;这是否划算,取决于是哪家公司。
上行空间与出路
先说缺口。没有人跟踪过一批 FDE,看他们后来去了哪里:没有流失数据,没有任职时长数据,也没有任何研究按雇主类型考察去向。下面的内容是轶事、雇主的说法和本书的推断,每一条都会注明。
记录显示了什么。在发明了这个角色的那家平台公司,记录最充分的出路是转进产品。Pragmatic Engineer 报道说,“直到大约 2016 年,Palantir 的 FDE 都比‘普通’软件工程师多”,而在 Foundry 推出之后,“更多 FDE 回去做软件工程师,在 Foundry 上工作,并带来他们在一线的经验”(T3)。Qureshi 认为“前 FDE 往往是很棒的创始人”,并补充说,“每一期 YC 里,前 Palantir 的创始人通常比前 Google 员工还多”(T4;他没有给出数字,而且一位前员工并不是中立的证人)。雇主如今反过来从这条出路上招人:Anthropic 和 Glean 的启事欢迎前创始人申请,Decagon 的负责人岗位启事把“前技术创始人”列为它想要的一种人选,DeployCo 则邀请整支团队。Anthropic 的 Staff FDE 启事描述了一条资深个人贡献者路径,负责主导“与合作伙伴共同完成的交付”(以上均为 T4)。
推断。你的出路取决于你负责过什么,而雇主类型决定了你能负责什么。在实验室,你负责的是少数几个高要求客户的生产环境,以及改变了某个产品或模型的证据。这会通向产品和研究相关的岗位,或者让你在一个已经从内部了解透的垂直行业里创业。在创业公司,你负责的是一个市场里的成交和产品缺口,这会通向那个市场里的早期员工和创始人角色,或者去下一家创业公司主管部署。在平台公司,你最早接触到最多种类的客户,出路是转进平台的产品团队或去创业。在部署公司,你负责的是众多客户的交付,这会通向交付项目管理、交付领导岗位和咨询合伙人路线。要从那里转去做产品就更难,除非你的一线工作确实反哺过某个产品。
在最后这一点上,怀疑者是对的:“FDE 是什么,不是什么”里那些失望的入职者,遇到的是“典型 IT 服务思维”(Pragmatic Engineer,2026 年 3 月;T4),这样的工作已经丢掉了让它成为 FDE 工作的那些阶段。对职业生涯来说,代价是具体的:顶着 FDE 头衔做两年服务工作,只会让你更适合继续做服务工作。那可以是一份好的职业,但不是大多数申请者以为自己在选的那一份。“职级、倦怠与下一步”会进一步讨论职级阶梯和出路。
中国:同一个头衔,差别很大的工作
中国市场比美国市场更鲜明地印证了本章的论点。“FDE 是什么,不是什么”显示,同一个头衔会被归入产品、研发和销售支持。“起源与经济账”显示,这个市场由大平台的内部团队主导。
职位名称本身就已经按类型给雇主分了类。腾讯招的是前线部署工程师;字节跳动在研发序列下招“AI FDE工程师”,其中一份启事的标题是“豆包AI大模型FDE”,与自家模型绑定。这些是市场里内部平台和实验室的那一端。另一端,唐山一家工业软件公司招的是“人工智能交付工程师(FDE)”:一个 AI 交付工程师,职位名称本身就点明了它是服务那一端。
启事所列月薪,2026 年上半年。中新经纬(2026 年 6 月经 36氪转载)读取了猎聘和 BOSS直聘上的启事:字节跳动的豆包AI大模型FDE 月薪 ¥35,000–70,000,15 薪(年薪最高 ¥105 万);蚂蚁数科的 B 端 FDE 月薪 ¥40,000–60,000,15 薪;智谱的 FDE 负责人月薪 ¥60,000–80,000(中新经纬,经 36氪转载,2026 年 6 月;T3,记者阅读启事所得)。同一篇文章里,上海一家 AI 公司的一位化名从业者说,初级 FDE 月薪 ¥20,000–30,000,资深 FDE 大多是年薪 ¥40 万以上的薪酬包;受访者说,百万年薪集中在顶尖人才身上,“并非行业平均水平”(T4)。
单一来源。xdash 的开源书补充了腾讯云 ¥35,000–65,000(未注明薪数)、阿里云 ¥20,000–50,000(16 薪),以及唐山那份启事月薪 ¥8,000–16,000,要求硕士学历,并需在制造企业现场工作(xdash,第 1 章,2026 年 8 月;T3)。它给出的字节跳动、蚂蚁和智谱数字与中新经纬的完全相同,所以是回声数字,不是印证。它的来源附录没有链接,因此腾讯云、阿里云和唐山的数字无法核查。
增长。川观新闻引用脉脉的数据称,2026 年上半年 FDE 相关岗位同比增长 21 倍(T3,可信度低)。它的平台、市场和时间窗口与所有美国数字都不同。不要把它们放在一起比。
有两条经验可以带过去。第一,折算成年薪:国内的 offer 报的是月薪和薪数,大公司是 15 薪或 16 薪,所以月薪较低的那份可能反而是更大的 offer。第二,对同一个头衔之内的差距,要看清它反映的是什么。可核查的数字主要反映的是资深程度:从初级 FDE 的月薪 ¥20,000 到一家模型公司 FDE 负责人的 ¥80,000,而几家大雇主启事里的区间大幅重叠(字节跳动 ¥35,000–70,000,蚂蚁 ¥40,000–60,000,智谱负责人 ¥60,000–80,000;均为月薪,智谱的薪数未注明)。只有一个数字指向按雇主类型的差距:服务一端的唐山那份启事,月薪 ¥8,000–16,000,按 xdash 的算法约为模型公司负责人薪资的十分之一,而这份启事无法核查。所以,“薪资差距反映的是雇主类型”只能算说得通,并没有得到证明。无论哪种情况,该问的那个问题都站得住。正如 xdash 所说,要问一家公司“按结果收钱,还是按人头收钱”。这就是本章的问题,浓缩成了一句话。
对比表
每一行写的是一种偏向,不是定论。
把这张表和你的技能自我评估对照着读。如果你最弱的领域是产品,部署公司会让它一直弱下去,除非它的一线工作确实能进入某个产品。如果你最弱的是客户,创业公司会最快把它逼上去。选一个你最不容易掉进其陷阱、而其出路又是你想要的类型。
签约之前:问题清单
把这些问题拿去问你未来的负责人,最晚在拿到 offer 之后问。只接受点出某个客户、某个人或某个日期的回答。第 2 章的五个问题读的是雇主的经济账;这份清单读的是具体这份工作。在清单第 4 部分的陷阱检查里,出现以下情况就把这个回答算作指向服务:阈值归别人定,说不出一个从一线到产品的改动,团队按利用率或签单考核,浮动薪酬取决于签单,或者往上走的唯一路径是管理。
BEFORE YOU SIGN date: ____________ Employer: ______________________ Title: _________________________ Type (lean): lab / app startup / platform / deployment co / mixed 1. THE WORK Last 3 engagements this team ran (customer, length, outcome): ________________________________________________________________ Who agrees the success threshold with the customer? __________ One product or model change that started in the field: ________ On site ____% office ___ days/wk travel ____% 2. THE MONEY Band posted: ________ - ________ base / OTE level: ________ What the next level needs, and who decides: ___________________ Variable: none / bonus / OTE ___/___ paid on: _______________ Equity: type _______ vesting _______ basis of value: _______ Months paid per year (12 / 13 / 15 / 16): ___ annualised: ____ 3. THE MEASURE AND THE EXIT Team measured on: adoption / outcomes / utilisation / bookings Where did the last two FDEs who left go? ________ / __________ Path above this level: senior IC / management only / unclear 4. TRAP CHECK (answers that point to services, out of 5): ____ Decision: sign / negotiate ________________ / walk
下面是根据一类真实 offer 的公开信息填写的清单:一家有实验室背景的部署公司在美国招的创始 FDE,按 2026 年发布的启事填写。凡是标着 ASK 的,启事里都没有写。
下面的数字来自 OpenAI 部署公司的“Forward Deployed Engineer - US”启事,发布于 2026 年 6 月 15 日,到 2026 年 10 月 17 日仍在招:$170K–$400K 加股权,4 年以上工程经验,旧金山或纽约,混合办公模式“每周三天在办公室”,以及“最高 50% 的差旅”。它的姊妹岗位“Technical Deployment Lead”的启事说,该岗位“以交付可靠性、技术执行质量、客户信任、运营杠杆、压力下的判断,以及反馈给产品和研究团队的一线信号的强度来衡量”(DeployCo,Technical Deployment Lead - US)。
BEFORE YOU SIGN date: offer stage, Oct 2026
Employer: lab-backed deployment co Title: Founding FDE, US
Type (lean): deployment co (posts say "scaled services delivery")
1. THE WORK
Last 3 engagements this team ran (customer, length, outcome):
ASK. Company is months old; expect 0-2 that reached production
Who agrees the success threshold with the customer? ASK
(post: FDE owns "technical and business value outcomes")
One product or model change that started in the field: ASK
(post promises field work "informs roadmap priorities")
On site ASK office 3 days/wk travel up to 50%
2. THE MONEY
Band posted: 170K - 400K USD base? ASK level: ASK
Top is about 2.4x bottom: the level IS the negotiation
What the next level needs, and who decides: ASK ("ramp quickly
toward management": is there a senior IC path at all?)
Variable: ASK paid on: ASK (utilisation? delivery? renewals?)
Equity: "offers equity"; ASK type, vesting, and valuation basis
Months paid per year: 12 annualised: = base
3. THE MEASURE AND THE EXIT
Team measured on: sibling post lists delivery reliability,
customer trust, "operating leverage", field signal. ASK which
one decides a promotion when they conflict
Where did the last two FDEs who left go? too new; ASK the lead
about their own last employer instead
Path above this level: management stated; IC path unclear
4. TRAP CHECK (answers that point to services, out of 5): 2-4,
depending on the ASKs
Decision: negotiate level first; sign only if a named
field-to-product change exists or is promised in writing
大部分回答都是 ASK。对一家成立才几个月的公司来说,这很正常,不是放弃的理由,但签约之前要从你未来的负责人那里拿到答案:光凭启事,分不清一家部署公司是在反哺产品,还是在卖产能。而唯一完整回答了的那一行,也就是薪资区间,恰恰信息量最少。
这家保险公司的 FDE,试点结束约十八个月后。第 II 部分那位 FDE 在供应商那边做完了下一次交付,又去别处面试资深岗位,现在拿到了两份资深级别的 offer:一家部署公司的创始岗位,和一家做保险理赔的应用创业公司的部署岗位。按启事里的基本工资,两者相差不过几万。FDE 填了两份清单。部署公司的陷阱检查结果是五项中三项,而且说不出一个从一线到产品的改动。创业公司的结果是一项,因为它的负责人说得出那个理赔受理功能,它起初是客户的一个变通办法。第九个月的自我评估显示,产品是最弱的领域,形态检查的结论是“服务”;下一次交付结束后填的那一份,产品仍然最弱,至多升了一级。FDE 接受了创业公司那份基本工资较低的 offer,看中的是它会逼着这个领域往上走,并要求对方把下一级的标准写下来。这一段背后的模式,是“技能地图”里的形态检查,以及那家部署公司启事里自己发出的、反对“默认做定制化工作”的警告。
想早点带人的读者,选另一份 offer 也完全说得通。这份清单不替你做选择;它让这个选择关乎这份工作,而不是头衔。如果你还在面试流程中,“拿到录用”讲的是面试考察什么。
在比较薪资之前,先写下雇主用你的工时买的是什么。生产使用和信号、一笔成交、一个不断扩展的客户,还是你的产能:每一种都通向不同的一周、不同的薪酬构成和不同的下一份工作。选一个你抵抗得了其陷阱、而其出路又是你想要的类型,然后谈级别,因为在一个很宽的区间里,级别就是薪酬。