技术栈全景
FDE 需要学的全部技术
不是要你精通每一项，而是看清这张地图：从模型到产线，一个 FDE 应该碰过、能上手的技术全在这里。
模型与平台
理解主流模型的能力边界与成本，知道什么场景用什么模型。
- OpenAI / Claude / Gemini
- 开源模型（Llama / Qwen / DeepSeek）
- 文生图 / 文生视频
- AfterAI AI 通道（统一接入）
Agent 框架
把模型编排成能调用工具、跑多步骤任务的系统。
- LangChain / LangGraph
- LlamaIndex
- Dify / Coze 等低代码
- Function Calling / MCP
知识与检索
让模型"记得住、查得准"，是企业落地的核心基座。
- 向量数据库（Milvus / pgvector）
- RAG 检索管线
- 文档解析与切分
- 知识库治理
部署与运维
把原型变成稳定跑通的产线，对可用性负责。
- 容器化（Docker / K8s）
- 私有化 / 边缘部署
- API 网关与限流
- 监控、日志与告警
数据与集成
把 AI 接进业务系统，让数据真正流动起来。
- ETL / 数据管道
- 内部系统 API 对接
- 工作流编排（n8n 等）
- RPA / 自动化
安全与合规
守住数据跨境、权限与审计的底线。
- 数据脱敏与权限
- 调用审计日志
- 内容安全与过滤
- 合规框架与护栏
学习原则
技术栈之上，是三句话
- 不追求成为每个工具的专家，追求"接得住、落得下"
- 模型能力趋同，真正的壁垒在集成与部署
- 先懂业务，再选技术；工具为场景服务
加入 FDE 交流群
关注微信公众号「AfterAI-FDE社区」获取最新内容
关注AfterAI公众号
扫码查看FDE知识库
添加微信进入社群
扫码或添加微信，备注「FDE」加入交流群