官方招聘资料显示：招聘页公开的口径是：$165K–$350K base salary + equity（官方招聘区间）。这是职位的 base/salary 区间，不是已经拿到的收入，也不是净利润或对任何求职者的承诺。
先看就业形势，再看 FDE
国家统计局公布的 2026 年 1—7 月全国城镇调查失业率平均值为 5.2%，就业总体稳定；同时，公开政策解读也明确提到 AI 对部分岗位的替代风险与“人工智能+”催生新职业新岗位并存。就业市场新增的 AI 岗位往往不是单一算法岗，而是能把技术带进业务现场的复合岗；GC AI 的 FDE 正是这种高 ownership 形态。 这不是“学会 AI 就能拿高薪”的承诺，而是求职者需要把复合能力变成作品证据的现实。 愿意在法律 AI 早期团队中定义 FDE 职能、从 0 到 1 交付客户结果的工程师。GC AI 让 FDE 同时承担客户问题、平台连接和产品反馈 35 万刀上限来自宽级别范围，不代表每位工程师都会拿到上限 但这篇不把 FDE 写成“会调 Prompt 的高薪岗位”：核心是把一个 AI 任务做成客户能验收、能追踪、能回退的交付。
FDE 在 AI 交付里到底做什么
招聘页事实是：与客户共同定义问题、快速原型、集成数据与权限，再将现场模式沉淀为可复制能力。 GC AI 面向企业法务团队，把法律工作流做成平台化 AI 产品。 读者可以把它落成一个可演示的小任务：读者练习：把法律团队的一条收件流程拆成分类、摘要、风险提示三个 AI 步骤，先用少量脱敏输入确认原型和生产采用的差别。 这不是招聘页声称的客户案例，而是用岗位要求练习 AI 交付的明确方法。高薪上限对应的是早期团队从 0 到 1 定义交付方法、承受不确定性并把客户反馈沉淀成产品。
为什么这一步必须用 Token
从原型走到生产必须知道每个步骤调用了哪个模型、消耗多少 Token、失败后谁接管。Token 让客户流程有项目归属、预算和可回放的调用证据。 Token 不是一句“有 API 就行”：它至少要绑定项目身份、模型请求、用量记录、预算边界和失败重试。FDE 如果无法回答这些问题，就无法把 AI 从 Demo 交付成生产证据。
用 APIToken 跑一轮最小验证
在 APIToken 为这条流程创建独立 Key，比较两个当前可用模型的结构化输出，记录 Token 用量、延迟、人工修订和业务验收结果。 具体顺序是：看模型广场和渠道状态，创建独立项目 Key，用同一输入做最小真实调用，记录 Token 用量、结果质量、人工修改时间和停止条件。只有完成这一步，读者才知道“模型可见”是否等于“这条任务可用”。
交付如何验收
今天给同一条脱敏法律收件流程写出“原型成功”和“生产采用”两套验收标准。 作品集至少保留：脱敏输入、模型与版本、Token 用量、验收阈值、失败样本、人工接管和回退路径。把业务流程拆成可测量的 AI 步骤；用 Token 用量和人工时间核算原型成本；生产采用不过线时停止增加功能。岗位案例没有证据使用 APIToken；APIToken 是读者练习这套交付方法的统一接口和记录工具，不是雇主、猎头或收入保证。
信息来源
GC AI Careers｜Member of Technical Staff, Forward Deployed Engineer（官方招聘页）
国家统计局｜1—7月份国民经济保持总体平稳、向新向优发展态势（就业统计）
国家发展改革委｜未来五年就业这道题怎么解（就业形势解读）
证据等级为 A；金额口径为 官方招聘 base salary 区间。A 级官方招聘页；$165K–$350K 是 base salary 招聘区间，最终薪资会随级别、地点与经验变化，不是个人已实现收入。岗位没有证据使用 APIToken。