核心要点
- FDE起点：Basil 从 Credit Karma 产品工作、venture studio 到 Exoflop Labs，持续做的是同一件事：理解客户具体任务，做取舍并把 agent 交付到业务现场。0:000:45
- 不是通用助手：零售、保险和私募股权客户要解决的流程各不相同；“能聊天”的 demo 不等于能承接例外、权限和服务水平的生产系统。0:45
- 语音适合高频场景：行业观察认为 Voice AI 的实际收入集中在电话业务，尤其是深夜应答、催收和居家病患/老人跟进等需要持续可用的场景。92:43
- 成本决定模型：服务多个客户、多个用例时，模型成本压力真实存在；嘉宾提到 DeepSeek 等更低成本模型有时是商业可行性的必要条件。[100:30]
- FDE是组织接口：Forward Deployed 工程师既要懂模型与产品，又要帮助客户定义成功、重塑流程、处理上线反馈，不能只把自己当“高级售前”。0:00
- 部署先于规模：好的 agent 需要在小范围里建立上下文、权限和质量控制；先证明一项任务的可靠收益，再扩大自主度，比一次性铺开更稳健。
章节时间轴
- 0:00 新节目与FDE — 为什么把 Forward Deployed Engineering 单独做成节目。
- 0:45 从产品到咨询 — Exoflop Labs 如何进入零售、保险和 agent 项目。
- 92:43 Voice AI的用例 — 电话、催收与照护业务的收入来源。
- [100:30] 模型成本与上下文 — 多客户平台怎样在质量和成本间取舍。
详细内容
FDE把技术翻译成业务结果
Basil 的经历横跨消费产品、创业工作室与咨询，其共同点是陪客户定义问题、作出产品取舍并真正交付。节目借此解释 FDE：它不是把一套标准软件安装到客户处，而是把模型能力、数据和既有业务流程接起来的工程角色。
这种角色在 agent 时代更重要，因为客户提出的任务通常包含隐性规则、例外情况和责任边界。没有现场理解，功能再强也只能停留在演示。
Voice AI的价值来自流程，不来自拟人感
电话业务是 Voice AI 率先产生收入的地方。深夜接听、催收提醒、居家照护的定期检查都具备明确频率、可衡量结果和人力覆盖成本；语音只是进入已有流程的接口。
节目也隐含一个部署原则：先界定智能体能做什么、何时转交人类、怎样记录结果。对客户而言，可靠与可追责比“听起来像人”更重要。
模型选择必须服务单位经济
多客户、多用例平台需要在 onboarding 时吸收大量信息，建立足够上下文才能像虚拟员工一样工作。这个过程既消耗推理能力，也放大每次调用成本。
嘉宾提到低成本模型的竞争力：若使用 Claude 等高价模型无法覆盖商业成本，产品就必须寻找新的模型组合或架构。FDE 团队因此同时负责效果、可靠性和单位经济。
金句
“客户有具体项目，我们理解需求、做取舍，然后帮助他们把它建出来。”——Basil 0:45
“Voice AI 的大量收入来自电话业务。”——节目嘉宾 92:43
“上下文深度决定它能否像虚拟员工一样完成工作。”——嘉宾 [100:30]
提到的书·产品·人物
- Basil（受访嘉宾）：Forward Deployed 领域组织者，介绍咨询和 agent 落地经验。
- Exoflop Labs（公司）：为零售、保险等客户建设 agent 的咨询业务。
- Credit Karma（公司）：嘉宾早期从事产品管理的经历。
- DeepSeek（模型）：被作为降低多用例 AI 产品成本的选择提及。
适合谁听
适合计划把 Voice AI 或业务智能体部署到真实客户流程的产品与工程团队。