How Forward Deployed Engineering is done at Cognition — Jia Wu

Cognition 部署工程負責人 Gia 在演講中揭示了該公司如何透過「前向部署工程」（FDE）將 Devin AI 助手從初期的實驗性工具（2024 年發布時只有 SweepBench 13% 的表現）轉變為企業級解決方案，創造可量化的商業價值。

FDE 的核心理念源於一個簡單的維恩圖：一方是公司產品，一方是企業面臨的實際問題，而交集就是產品與市場的契合度。Cognition 的前線部署工程師扮演的角色是最大化這個重疊面積。這意味著他們既要深入理解客戶的軟體開發生命週期（從功能建置、測試、審查到部署與維護），也要掌握 Devin 的能力邊界，並根據客戶的具體複雜度調整使用策略。Gia 強調，編寫程式碼本身已基本解決，但真正的問題在於測試、審查、部署與維護這 80% 的工作。盲目部署代理而不理解客戶的 SDLC 流程，只會導致「代幣最大化」——花錢卻沒有實際成果。

FDE 的工作方式涉及密集的客戶接觸。一天可能包括 4–5 小時與客戶的電話會議，用來理解他們的瓶頸、積壓工作、遺留程式碼與修復需求，然後另外 4–5 小時進行實際操作。一旦發現高槓桿的自動化機會，FDE 就設定代理程式，讓它對特定警報或事件自動回應，從而解放人力。整個過程中，他們還要將客戶發現反饋給產品團隊——不是每個問題都需要產品改進，但像漏洞、變通方法這類問題若跨越多個客戶，就應該成為產品功能。

衡量標準的轉變最能說明 Cognition 的進化。一年前，FDE 的 KPI 是最大化代幣使用；現在，大型企業客戶（包括嚴格監管的金融機構）要求看到硬指標：交付週期有沒有縮短？PR 合併數有沒有增加？成本有沒有下降？Cognition 透過三個匿名案例研究與多個公開案例（包括 Nubank 的 ETL 遷移與拉丁美洲最大銀行的稅務系統遷移）證明了這一點。在三個月的深入合作中，該公司達到了 150% 的人力配置效率，配送週期縮短 82%，PR 提交量翻倍。ETL 遷移原本需要 50 名工程師，Devin 在原定時間的三分之一內完成；稅務系統遷移則使用了原需精力的一半。

FDE 也推動了 Cognition 的招聘策略。理想的 FDE 是一個 T 型人才，具備深厚的技術能力但也需要商業敏銳度、溝通技巧與流程管理能力。公司從產品經理、創辦人、資深工程師等多元背景招募，核心標準是技術專長難以教授，但商業頭腦可以習得；更重要的是孜孜不倦的好奇心和對客戶成功的執著承諾。Cognition 甚至派駐 FDE 在客戶辦公室長期駐扎（例如有人在巴西駐留十個月），以確保從合作中學到的每一項發現都能有效回饋到產品與整個組織。