成为年入百万美元的前向部署工程师（完整课程）
前线部署工程师靠**梳理真实流程**、**四桶分类步骤**、**在客户现有系统内构建**、**用数字卖成果**，从创造的价值中分成，拿到百万美元薪酬。
百万美元薪酬背后的前线部署工程师实战手册
有些前线部署工程师能拿到百万美元薪酬。部署智能体，为公司创造 500 万、1000 万甚至 2500 万美元的价值，公司自然会分你一杯羹。
私募股权早已在玩这套打法。机构收购那些靠人力和老旧软件运转的会计师事务所、IT 服务商和律师事务所，然后派驻前线部署工程师（FDE）进去，用智能体重构这些工作。Thrive Holdings 在 70 家公司里部署了 35 名工程师，Vas 引用的成果包括：税务申报速度提升 30%，准确率达 98%。
本指南拆解了他的工作流程：如何梳理真实流程、给每个步骤分类、在客户的工具里搭建、按成果收费，以及如何拿下你的第一个项目。
梳理真实流程
在搭建任何一个智能体之前，先构建一套人类 API。
从你自己的生活开始。你有五个收件箱、四个文件存储和一堆即时通讯应用。客户的邮件进 Gmail，家人的短信落在 iMessage 或 WhatsApp。
现在把这个规模放大。Vas 描述的一家公司收购了另外八家，业务覆盖五个地区，坐拥 23 套记录系统。
芝加哥用 SAP、Salesforce 和 Workday。多伦多用 NetSuite、HubSpot 和 ADP。
把 AI 架在这上面，混乱只会跑得更快。
怎么做：
- 访谈真人。 挑一个部门。在财务部门，找应付账款、应收账款、对账、开票、银行和 FP&A 的负责人聊。知识都在他们脑子里，往往集中在某个已经干了 20 年的人身上。
- 问五个问题。 你为什么这么做？谁做决定？哪一步是走过场？出现异常怎么办？多久发生一次？
- 挖掘记录系统。 用 3 到 4 周时间实时接入 Salesforce、NetSuite、Dynamics 或 Workday。追踪哪些数据进入、人们多久修正一次，并用 AI 找出每个动作背后的模式。
- 读取系统之外存在的内容。 SharePoint、Drive、Notion、Slack、Teams、Gmail 和电子表格。
这种划分因公司而异。大公司有 10 年的 Salesforce 历史可供挖掘。中小企业则把大部分内容留在人们的脑子里。
佐证： 一家营收 50 亿美元、拥有 150 多款产品的上市软件公司通过其 CRO 把 Vas 请了进来。早先的一次咨询项目（Vas 认为那是德勤做的）曾把其报价流程梳理为 7 个步骤：
构建报价 → 提交 → 交易台 → 审批 → 发送 → 谈判 → 签署
CRM 上的流程挖掘代理发现了 20 个步骤和 7 个循环。
61% 的请求很早就回流了。法务退回了 12%。有 30% 的情况下，新报价不得不再次走一遍审批。
CRO 和 CFO 对 Vas 的团队说：“我感觉你比我们更了解我们部门。”
将每个步骤归入 4 个类别
每个步骤都得到一个标签：删除、普通代码、智能体或人工。
- 删除： 该步骤在后 AI 时代应当消失。
- 普通代码： 如果 X，则 Y。当该步骤完全不需要判断时使用。存在差异就意味着一个 switch case。
- 智能体： 该步骤需要判断，而且你有历史数据。一张发票明细写着显示器，所以它很可能是办公用品，但某些供应商除外。构建报价也属于这一类：客户是谁，这笔交易值多少，分配哪些资源。
- 人工介入： 该步骤风险太高，不能出错。审批、谈判、签署和付款。一个端到端支付发票的智能体会为网络钓鱼诈骗打开大门。
在销售示例中，20 个步骤中有 5 个交给了智能体。
Vas 提到 Michael Hammer，他在 1990 年于《哈佛商业评论》上写过这一点。在 Hammer 研究的一家保险公司里，一份申请在企业中流转需要 22 天，而实际工作只有 17 分钟。把每个步骤都加快一倍，你大约只能省下 8 分钟，因为时间都堆积在步骤之间的队列和交接中。
在他们已有的记录系统中构建
把智能体放进客户已经在用的工具里。
Vas 的智能体在 Salesforce 中挖掘数据，也在 Salesforce 中执行操作。当需要人工审批时，审批请求会以 Slack 消息的形式送达。员工继续在他们原本工作的平台上工作，因此无需任何再培训。
客户告诉 Vas，他们花了数年时间和数百万美元从一个 ERP 迁移到下一个，其中一个案例耗资 1000 万美元。向这样的客户推销迁移到 AI 原生的 CRM，用 Vas 的话说，“你就失去他们了。”例外是那些尚未采用 CRM 的中小企业。那就让他们用上一个。
PE 规模化策略：按记录系统分组。
一家拥有 26 家被投企业、每家 10 个部门、每个部门 10 条工作流的 PE 公司，意味着数千条工作流。Vas 按企业使用的软件来分组：
- 5 家公司用 NetSuite → 一条线
- 4 家公司用 Dynamics → 一条线
- 了解每个工具能提供什么，以及缺口在哪里
- 将其连接到技术栈的其余部分：Ramp、Brex、Blackline、Concur、Expensify
你把同一个问题解决多次，并且反复向同一个买家（CFO）销售。
用数字来卖成果
把混乱画出来，展示清爽的版本，给每个环节标上价格和 KPI。
Vas 的价值分三个桶：节省成本、提升收入和降低风险。把桶和买家对上号。
- CFO： 月末结账要 22 天到 6 周。把它压到 4 到 8 天，准确率更高，成本持平或更低。
- CHRO： 更快招到更好的人，入职第一天就能更快上手。
- 任何 C 级高管： 把每个 agent 的预估月成本列在流程旁边。我预计这个数字跟人力成本一比会低得惊人。
动手之前，先把每个 KPI 的基线测出来。六个月后，把前后对比摆给他们看。
证据： 一个应付账款流程（已匿名化）。Vas 的团队用访谈加流程挖掘，2 到 3 周就把它梳理清楚了。
- 流程步骤：17 → 7
- 周期时间：24 天 → 6 天
- 异常循环：6 → 1
- 发票直通率：18% → 87%
- 每张发票成本：$31 → $6（降低 80%）
这个跃升很大一部分来自流程本身的修复。Vas 说，他的财富 500 强和财富 1000 强客户通常会把最优秀的财务人员重新分配到 FP&A 这类更高价值的工作上。
从小处着手： Vas 听说的一家 60 人的会计事务所，收入 $12M，400 个客户，四套系统。每个客户送来的账目格式都不一样，甚至包括一张笔记本的照片。
这家事务所说自己有 6 个步骤。实际上有 14 个。催收有 70% 的情况需要二次催问，合伙人退回工作的比例是 35%。
给每个循环标上金钱成本和时间成本。
按工作流选择模型
让每个工作流都跑一遍所有模型的基准测试。
大多数公司从 Microsoft Copilot 起步，后面跟着 Claude Code 和 Codex。对中小企业来说，先从技能文件入手。
Vas 很少需要 Fable 或 Astra 这类前沿模型。他的团队用 Opus 4.8，更常用 Sonnet，GPT 则调低思考强度，还有 Muse 这类开源模型，以及 Grok。GLM、Kimi 和 Qwen 也该放进工具箱里。
企业对中国的模型有强烈的抵触，所以在推销之前先确认清楚。
两类智能体：
- 助手型智能体： 你跟它对话，它把事情办完。Instinct、Dots、GrokBot 和 Muse 属于这一类。
- 后台型智能体： 它们清楚任务，一直在运行，需要你的时候才来叫你。
助手型智能体能带来 10% 到 20% 的产出提速。后台型智能体能带来 70% 到 80% 的产出提速，而且准确率更高。Vas 的团队正是出于这个原因，把活从人们手上接过来。
一个人顶三个人
顶尖的 FDE 在三件事上出类拔萃，外加沟通能力。
- 工作是怎么完成的。 研究记录系统（Salesforce、Dynamics）以及各自能提供什么。了解会计是如何运作的。
- 生产级代码。 交付能调用这些系统的智能体，并具备可审计性、治理和安全性。有了如今的 AI 工程工具，计算机科学学位可有可无。
- AI 层。 选模型，决定哪些事可以放心交给它，用评估来测试，调优运行每个模型的配置，并在智能体做出错误动作时回滚。
然后把这些统统推销给高层领导。我把这种人看作这个领域的 NBA 球员，顶尖的 0.01%。
薪酬跟着价值走。我年轻的时候，一位有过多次数十亿美元退出案例的创始人给了我一条建议：选离钱最近的那份工作。
创造 1000 万美元的价值，拿 10% 的分成就是 100 万美元的报酬。有些 PE 公司会给 FDE 他们所改造公司的 carry 分成。
你的第一周 FDE
- 周一：列出所有存放你资料的应用程序。写下哪一个胜出、哪些互不一致，以及如何在它们之间路由。
- 周二：写下你上周做的 20 件事。付了一笔账单。取消了一个订阅。
- 周三：把某个流程一步步画出来，包括每一个例外情况。比如你如何付账单，或者作为自由职业者如何提交发票。
- 周四：把每一步归入 4 个类别。删除、确定性、智能体、人工。
- 周五：通过你的人脉或陌生外联接触中小企业。提出端到端修复一个工作流：技能文件、一个个人助理、智能体以及一份时间表。
如果必须的话，第一个免费做。这段经验会为下一个项目换来五到六位数的报酬。
对于内部团队，在你自家公司的系统上运行周一到周四，跳过外联环节。Vas 给内部 FDE 团队的是同一套打法。
最后思考
Vas 用他自身打法中的一条规则来运行每一次合作：先建立基线，再动手构建。
他的合作遵循一条时间线：
审计与概念验证（4 周）→ 构建智能体（4 周）→ 展示它过去是什么、现在是什么（在第 3 个月和第 6 个月）
Vas 说，大多数 AI 试点失败，是因为团队把 AI 硬贴在业务上：给所有人发一个许可证，或者一个误读工作流的智能体。他的团队会梳理流程、给每一步分类、一次构建、处处部署，并持续衡量。
想了解更多？ 阅读 Vas 在 X 上的完整文章，关注 @vasuman，并在 varickagents.com 查看他团队的工作。
“我们找到真正的流程。我们测量时间，为所有 KPI 建立基线。”Vas，Varick Agents
查看完整剧集：
Apple：https://podcasts.apple.com/us/podcast/become-a-%241m-yr-fde-full-course/id1593424985?i=1000792638739
Spotify：https://open.spotify.com/episode/6TFEiq0oezsbmj9ZwTOECX?si=8bca6a35ff4a413a