[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-fde-role-sales-engineering-playbook-en":3,"article-related-fde-role-sales-engineering-playbook-en":30,"series-tools-3ef4d3d4-b628-498c-acb7-34131b1a60cd":73},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":29},"3ef4d3d4-b628-498c-acb7-34131b1a60cd","fde-role-sales-engineering-playbook-en","FDE岗位把售前和工程拧成一股绳","\u003Cp data-speakable=\"summary\">我拆开FDE岗位的工作方式，顺手给你一份可直接改用的岗位说明模板。\u003C\u002Fp>\u003Cp>我盯着 FDE 这个岗位看了挺久，越看越觉得它不是“新职位”，而是把一堆老问题硬塞进一个人身上：售前、方案、原型、落地、客户沟通、内部推动，最后还要对结果负责。以前我做过一阵子偏技术售前的活，最烦的就是这种状态——你明明在帮客户把事情做成，结果组织里又把你当销售附件，或者把你当工程外包。两边都要你配合，两边都不完全信你。最折磨人的地方不是忙，而是边界不清。客户以为你是来交付的，销售以为你是来签单的，工程团队以为你只是来“试试能不能跑”。\u003C\u002Fp>\u003Cp>后来我看到这篇知乎文章《\u003Ca href=\"https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2049257483059910488\" target=\"_blank\" rel=\"noopener noreferrer\">一文带你看懂，火爆硅谷的FDE岗位是个啥！\u003C\u002Fa>》，才发现这个岗位之所以突然热，是因为大厂真的在为“最后一公里”付工资。文章里提到 \u003Cstrong>\u003Ca href=\"\u002Ftag\u002Fopenai\">OpenAI\u003C\u002Fa>\u003C\u002Fstrong> 单独立起一条约 40 亿美元的企业级 AI 部署业务线，\u003Cstrong>\u003Ca href=\"\u002Ftag\u002Fgoogle-cloud\">Google Cloud\u003C\u002Fa>\u003C\u002Fstrong> 的 CEO 还亲自去 LinkedIn 上招人，Google Cloud 也一口气开了 59 个 FDE 岗位，薪资区间从 12.7 万美元到 26.5 万美元。这个岗位不是玄学，它就是把“客户现场的问题”变成“可复制的工程动作”。\u003C\u002Fp>\u003Ch2>我先把话说直：FDE 不是高级售前，也不是低配工程师\u003C\u002Fh2>\u003Cblockquote>OpenAI 单独立起一条约 40 亿美元的企业级 AI 部署业务线；Google Cloud 还一口气开了 59 个 FDE 岗位，薪资区间从 12.7 万美元一路标到 26.5 万美元。\u003C\u002Fblockquote>\u003Cp>这段信息的重点，不是“工资高”这么简单，而是公司愿意给一个岗位单独开预算、单独招人、单独背结果。也就是说，FDE 不是临时救火队，而是组织承认：产品再强，也得有人把它塞进客户的真实环境里。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781966000604-7muv.png\" alt=\"FDE岗位把售前和工程拧成一股绳\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我自己的理解是，FDE 站在销售、产品、工程三者的交界处，但它不是中间人那么简单。它更像一个带着代码和判断力的翻译器：把客户的业务语言翻成技术方案，再把技术限制翻回给客户和内部团队。这里最烦的地方是，你不能只会讲，也不能只会写代码。只会讲的人，最后会变成 PPT 机器；只会写代码的人，最后会被现场需求拖死。\u003C\u002Fp>\u003Cp>我见过太多团队把 FDE 当成“万能补丁”，结果一个人扛了 demo、PoC、部署、文档、培训、排障，最后还要解释为什么没按时。这样搞下去，岗位名字再好听也没用。真正成熟的 FDE，应该有明确的输入、输出和边界，不然就是把组织的问题压到个人身上。\u003C\u002Fp>\u003Cp>怎么用这点？如果你在招 FDE，先别急着写“沟通能力强、抗压能力强、熟悉 AI 生态”这种空话。先写清楚：这个人到底要对什么负责，能调用哪些工程资源，哪些事情不归他管。否则招来的不是 FDE，是高压锅。\u003C\u002Fp>\u003Ch2>FDE 的核心，不是“帮客户”，而是把方案做成可落地的路径\u003C\u002Fh2>\u003Cp>文章里把这个岗位的热度讲得很明白，但真正值钱的点在于：FDE 不是只回答“能不能做”，而是回答“怎么做、先做哪一步、卡住了怎么办”。\u003C\u002Fp>\u003Cp>我以前在项目里最怕听到的一句话就是“先做个 demo 看看”。这话听着轻松，实际上最容易把团队带沟里。因为 demo 很少是问题本身，demo 只是问题的表面。客户真正卡住的，往往是数据权限、系统集成、合规限制、内部审批、延迟、成本、运维责任这些看起来不性感的东西。FDE 要做的，就是把这些灰色地带提前翻出来。\u003C\u002Fp>\u003Cp>What this actually means is：FDE 的价值不在于“展示能力”，而在于“缩短从想法到可用结果的距离”。这和传统售前很不一样。传统售前经常是把技术点讲漂亮，FDE 则要把它接到客户系统里，甚至要帮客户改一部分工作流。\u003C\u002Fp>\u003Cp>我跑过几次 PoC，最常见的失败不是模型不行，而是现场约束没人提前讲。比如客户说“我们要接内部知识库”，结果知识库权限乱得一塌糊涂；或者客户说“要接 CRM”，结果 CRM 字段根本不统一。这个时候，FDE 不能只说“这边不支持”，而是要快速拆解：哪一部分能先做，哪一部分要绕开，哪一部分必须等客户补基础设施。\u003C\u002Fp>\u003Cp>怎么应用到你的工作里？我建议你把 FDE 的目标写成三层：\u003C\u002Fp>\u003Cul>\u003Cli>第一层：把客户需求翻成可执行的技术任务。\u003C\u002Fli>\u003Cli>第二层：把最小可行方案做出来，尽快验证价值。\u003C\u002Fli>\u003Cli>第三层：把一次性项目变成可复制的方法。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果一个岗位说明只写“支持客户落地”，那就太空了。你要写的是“支持客户从需求澄清到 PoC 到上线”的完整链路。否则这个岗位很容易被拉去做无穷无尽的临时工。\u003C\u002Fp>\u003Ch2>FDE 最值钱的能力，是会在现场拆问题\u003C\u002Fh2>\u003Cp>我特别想强调这一点，因为很多人一听 FDE，就自动脑补成“会写代码的售前”。错，差远了。真正厉害的 FDE，不是代码写得最花，而是能在客户现场迅速判断：问题到底出在哪一层。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781965993447-9770.png\" alt=\"FDE岗位把售前和工程拧成一股绳\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我自己吃过一次很典型的亏。那次我以为是模型效果不够，折腾了半天 prompt、参数、样例，最后发现根本问题是客户输入数据格式不稳定。换句话说，模型没病，流水线有病。FDE 的工作就是尽快把这种误判打掉，不然你会把时间浪费在错误层面。\u003C\u002Fp>\u003Cp>文章里提到硅谷大厂对这个岗位的需求上升，我觉得背后原因很现实：AI 产品越来越像“半成品能力”，真正的价值要靠部署、接入、调优、治理才能释放。FDE 就是那个负责把半成品磨成能用工具的人。\u003C\u002Fp>\u003Cp>这类岗位特别考验你的拆解能力。你要能问出好问题，比如：\u003C\u002Fp>\u003Cul>\u003Cli>客户现在的数据链路长什么样？\u003C\u002Fli>\u003Cli>谁是最终使用者，谁批准上线？\u003C\u002Fli>\u003Cli>失败标准是什么，是准确率、时延还是成本？\u003C\u002Fli>\u003Cli>上线后谁维护，谁背锅？\u003C\u002Fli>\u003C\u002Ful>\u003Cp>这些问题听上去很基础，但我见过很多团队从来不问。然后他们就会陷入一种很熟悉的灾难：方案做出来了，现场没人敢用。\u003C\u002Fp>\u003Cp>怎么应用？如果你想写好 FDE 的 JD，别只列技术栈。你要把“诊断能力”写进去。比如“能在客户环境中快速识别集成、权限、性能、流程问题，并给出分阶段解决方案”。这比“熟悉 Python、熟悉云平台”更接近真实工作。\u003C\u002Fp>\u003Ch2>为什么大厂愿意为 FDE 付钱：因为落地比 demo 贵多了\u003C\u002Fh2>\u003Cp>OpenAI 和 \u003Ca href=\"\u002Ftag\u002Fgoogle\">Google\u003C\u002Fa> Cloud 这类公司愿意把 FDE 变成显性岗位，不是因为他们突然爱上了“服务精神”，而是因为规模化落地真的很贵。产品做出来只是第一步，客户愿不愿意把它接进生产环境，才是钱开始流动的地方。\u003C\u002Fp>\u003Cp>我见过太多团队把 demo 做得天花乱坠，结果一到生产就露馅。原因很简单：demo 环境是干净的，生产环境是脏的。脏在数据、权限、延迟、接口版本、审计要求、运维流程，哪一样都能把项目拖住。FDE 的存在，就是为了把这种“脏活”专业化。\u003C\u002Fp>\u003Cp>这也是为什么这个岗位在大厂里越来越像一个独立业务线，而不是附属部门。因为如果每个客户都要工程师临时飞过去救火，组织成本会高到离谱。把这件事标准化，才有可能扩张。\u003C\u002Fp>\u003Cp>我自己的判断是，FDE 这个岗位在 AI 时代会更重要，原因不是 AI 更聪明，而是 AI 更容易“看起来能用，实际不好用”。你得有人把它接进真实业务流程里，才知道它到底值不值钱。\u003C\u002Fp>\u003Cp>怎么应用？如果你是管理者，别把 FDE 当成“打杂工程师”。你应该把它看成收入链路的一部分，和销售、解决方案、交付一起设计。最少要明确三件事：\u003C\u002Fp>\u003Cul>\u003Cli>它负责推动哪类客户从试用走向上线。\u003C\u002Fli>\u003Cli>它和销售、CS、工程之间怎么分工。\u003C\u002Fli>\u003Cli>它的成功指标是什么，别只看工单数量。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果你是求职者，这个岗位也不是“会点技术就行”。你得能扛住高频沟通，还得能在不完整信息里做判断。说白了，得能把混乱收拾成结构。\u003C\u002Fp>\u003Ch2>FDE 的面试，别只准备技术题，要准备现场故事\u003C\u002Fh2>\u003Cp>很多人准备这类岗位面试，第一反应是刷算法、补云原生、背架构图。我不说这些没用，但远远不够。FDE 面试更看重的是：你有没有真实处理过客户问题的经验，你怎么拆解，你怎么推进，你怎么在资源有限时把事情做成。\u003C\u002Fp>\u003Cp>我面过和面过人的经验都告诉我，这类岗位最怕空谈。你说自己“沟通强”，面试官听不出差别。你要讲的是具体场景：客户怎么卡住的，你怎么定位问题，你怎么协调内部资源，你怎么把一个模糊需求变成可执行计划。\u003C\u002Fp>\u003Cp>What this actually means is：你要准备的是“问题-判断-动作-结果”四段式故事，而不是简历上的技能堆砌。比如：\u003C\u002Fp>\u003Cul>\u003Cli>客户原本想要什么？\u003C\u002Fli>\u003Cli>你发现了什么隐藏约束？\u003C\u002Fli>\u003Cli>你做了什么取舍？\u003C\u002Fli>\u003Cli>最后结果如何，哪里还不够？\u003C\u002Fli>\u003C\u002Ful>\u003Cp>我尤其建议你准备一两个“失败但有收获”的案例。因为 FDE 不是神仙岗位，现场本来就会翻车。面试官更想知道你翻车后怎么补，而不是你从来没出过问题。说实话，后者我一般都不信。\u003C\u002Fp>\u003Cp>怎么应用？如果你在准备面试，别把答案写成“我熟悉 XX 技术栈”。改成“我在一个客户场景里，先判断什么，再试什么，为什么这么做，最后怎么收尾”。这种叙述方式更像 FDE 的真实工作。\u003C\u002Fp>\u003Ch2>这岗位的坑也很明显：最容易被组织当成万能胶\u003C\u002Fh2>\u003Cp>我得泼点冷水。FDE 这个岗位听起来很酷，但如果组织设计烂，它会迅速变成背锅位。因为它处在所有模糊边界上，天然容易被塞进“顺手帮一下”的任务。今天帮客户改个脚本，明天帮销售做个 demo，后天帮工程追个线上 bug，最后谁都觉得你应该在场。\u003C\u002Fp>\u003Cp>这就是为什么我一直强调边界。没有边界的 FDE，最后会变成什么都会一点、但什么都不沉淀的人。短期看像救火英雄，长期看是职业消耗机器。\u003C\u002Fp>\u003Cp>还有一个坑，是把 FDE 的价值只绑定在签单上。这样会导致岗位行为扭曲：为了快签，过度承诺；为了推进，忽略长期维护成本。结果客户上线以后又一地鸡毛。这个时候，组织还会说“怎么 FDE 没把事情做好”。问题其实不在个人，而在指标设计。\u003C\u002Fp>\u003Cp>怎么避免？我建议你在岗位设计里明确三条红线：\u003C\u002Fp>\u003Cul>\u003Cli>不负责无限期定制开发。\u003C\u002Fli>\u003Cli>不替代正式交付团队长期维护。\u003C\u002Fli>\u003Cli>不为未确认的产品能力做口头担保。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>这三条看着简单，但真的能救命。因为 FDE 最怕的不是工作多，而是责任无限扩大。\u003C\u002Fp>\u003Ch2>我把它总结成一句话：FDE 是“能把客户现场变成工程输入”的人\u003C\u002Fh2>\u003Cp>如果你问我，FDE 到底是什么，我不会给你一堆漂亮定义。我会说，它是那个能把客户现场的混乱，收敛成工程团队能接手的明确输入的人。这个岗位之所以火，是因为很多公司终于承认：光有产品不够，得有人把产品接到真实世界里。\u003C\u002Fp>\u003Cp>我也不觉得所有公司都需要 FDE。小团队如果产品还很早期，硬上 FDE 反而浪费。但只要你开始面对复杂客户、复杂系统、复杂部署，FDE 就会从“可选项”变成“必须有人干”。区别只是，这个人是单独一个岗位，还是被某个工程师兼着做。\u003C\u002Fp>\u003Cp>如果你是开发者，我反而建议你认真看看这个方向。它不只是“离客户近”，它会逼你理解业务、理解系统边界、理解交付成本。很多工程师写代码写久了，容易只看到实现，不看到落地。FDE 会把你从这个舒适区里拽出来，很烦，但很值。\u003C\u002Fp>\u003Ch2>你可以直接改的 FDE 岗位模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># FDE（Forward Deployed Engineer）岗位说明模板\n\n## 岗位目标\n负责将产品\u002F模型能力落地到客户真实业务环境中，推动从需求澄清、方案设计、PoC 验证到上线交付的完整过程。\n\n## 核心职责\n- 与客户、销售、产品、工程团队协作，澄清业务目标和技术约束\n- 设计并实现面向客户场景的最小可行方案（PoC \u002F Pilot \u002F MVP）\n- 识别集成、权限、数据质量、性能、合规、运维等落地问题，并推动解决\n- 将一次性客户需求沉淀为可复用的方案、脚本、文档和最佳实践\n- 在必要时支持现场排障、方案演示、技术培训和上线护航\n\n## 你需要具备的能力\n- 能把模糊需求拆成明确的技术任务\n- 能在客户现场快速定位问题层级：业务、数据、接口、权限、性能或流程\n- 能写代码、做原型、调试接口、读日志、跑脚本\n- 能和非技术角色沟通清楚取舍、风险和下一步动作\n- 能接受高频变化，但不把“变化”当成无限加班的借口\n\n## 典型工作场景\n- 客户要求将 AI 能力接入内部知识库、CRM 或工单系统\n- 客户需要在受限网络、受限权限或合规环境中部署方案\n- 客户已经有 demo，但无法稳定跑进生产环境\n- 客户需要在短时间内验证业务价值，并决定是否扩大使用范围\n\n## 面试重点\n- 讲清楚你如何把一个模糊问题拆成可执行步骤\n- 讲清楚你如何处理跨团队协作和资源受限\n- 讲清楚你如何判断“先做什么、后做什么、什么先不做”\n- 讲清楚一个真实项目里你踩过的坑，以及你怎么补救\n\n## 不要写进职责里的话\n- 长期无边界支持所有客户定制需求\n- 替代正式交付团队承担全部维护责任\n- 对未确认能力做口头承诺\n- 把所有问题都归结为“沟通协调”\n\n## 适合的候选人背景\n- 应用工程师、解决方案工程师、技术售前、平台工程、开发者关系、交付工程\n- 有客户现场经验，或者做过复杂集成、部署、排障的人\n- 不怕和人沟通，也不排斥写代码\n\n## 成功标准\n- 客户从试用走向上线的速度更快\n- PoC 成功率更高\n- 交付过程中的返工更少\n- 可复用方案和模板持续沉淀\n- 客户和内部团队都能更快理解方案边界\n\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>这份模板不是拿来直接复制到所有公司里的，但它至少比“负责客户落地”这种空话强得多。你可以按自己的产品类型，把“客户系统”“部署环境”“成功标准”替换成更具体的内容。关键是，别再把 FDE 写成万能杂工。\u003C\u002Fp>\u003Cp>原文来自知乎专栏文章《一文带你看懂，火爆硅谷的FDE岗位是个啥！》，我这里做的是拆解和重写，不是原文复述。原始链接是 \u003Ca href=\"https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2049257483059910488\" target=\"_blank\" rel=\"noopener noreferrer\">https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2049257483059910488\u003C\u002Fa>。我另外引用了 \u003Ca href=\"https:\u002F\u002Fopenai.com\u002F\" target=\"_blank\" rel=\"noopener noreferrer\">OpenAI\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fcloud.google.com\u002F\" target=\"_blank\" rel=\"noopener noreferrer\">Google Cloud\u003C\u002Fa> 和 \u003Ca href=\"https:\u002F\u002Fwww.linkedin.com\u002F\" target=\"_blank\" rel=\"noopener noreferrer\">LinkedIn\u003C\u002Fa> 的公开入口来说明这个岗位的语境。\u003C\u002Fp>","我拆开FDE岗位的工作方式，顺手给你一份可直接改用的岗位说明模板。","zhuanlan.zhihu.com","https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2049257483059910488",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781966000604-7muv.png","tools","en","44069991-6152-4495-879f-c4e727541300",[17,18,19,20,21],"FDE","技术售前","AI部署","解决方案工程","客户落地",[23,24,25],"FDE 不是高级售前，也不是纯工程，它是把客户场景变成可交付方案的人。","这个岗位最值钱的能力是拆问题、定边界、推动落地，而不是堆技术名词。","如果要招或做 FDE，先写清职责边界和成功标准，不然很容易变成万能背锅位。",0,"2026-06-20T14:32:51.011973+00:00","2026-06-20T14:32:50.996+00:00","70cf9fa8-3250-4a11-bf47-4f2aa0d72d15",{"tags":31,"relatedLang":32,"relatedPosts":36},[],{"id":15,"slug":33,"title":34,"language":35},"fde-sales-engineering-playbook-zh","FDE把售前和工程拧成一股绳","zh",[37,43,49,55,61,67],{"id":38,"slug":39,"title":40,"cover_image":41,"image_url":41,"created_at":42,"category":13},"16db1c34-d629-49ac-987b-297bb1b90a41","go-turns-team-chaos-into-boring-builds-en","Go turns team chaos into boring builds","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781971403049-v0dz.png","2026-06-20T16:02:54.021206+00:00",{"id":44,"slug":45,"title":46,"cover_image":47,"image_url":47,"created_at":48,"category":13},"77c071b4-4373-449e-b812-2577d9644514","deploy-minimax-m3-with-vllm-openai-api-en","Deploy MiniMax M3 with vLLM OpenAI API","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781954275829-y5gk.png","2026-06-20T11:17:30.525369+00:00",{"id":50,"slug":51,"title":52,"cover_image":53,"image_url":53,"created_at":54,"category":13},"12a7a9d9-3333-4e6b-9ab3-dc56f9ebf037","namastack-turns-outbox-pain-into-reliable-events-en","Namastack turns outbox pain into reliable events","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781949793158-bqj9.png","2026-06-20T10:02:50.381051+00:00",{"id":56,"slug":57,"title":58,"cover_image":59,"image_url":59,"created_at":60,"category":13},"dd6fa1a4-f821-4b06-b0f9-f48cada0bfb7","claude-design-assets-to-design-system-en","Claude Design turns assets into a team design system","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781946192909-hr83.png","2026-06-20T09:02:47.22907+00:00",{"id":62,"slug":63,"title":64,"cover_image":65,"image_url":65,"created_at":66,"category":13},"2b98a581-b1d7-4c76-9d84-70c46ba38213","vs-code-turns-folder-into-workspace-en","VS Code turns a folder into a workspace","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781939001917-7k7a.png","2026-06-20T07:02:53.076917+00:00",{"id":68,"slug":69,"title":70,"cover_image":71,"image_url":71,"created_at":72,"category":13},"25ea27d2-abec-486a-899f-b4dd5602f2cd","midjourney-medical-turns-scans-into-spa-en","Midjourney Medical turns scans into a spa","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781909286439-yujm.png","2026-06-19T22:47:41.119572+00:00",[74,79,84,89,94,99,104,109,114,119],{"id":75,"slug":76,"title":77,"created_at":78},"8008f1a9-7a00-4bad-88c9-3eedc9c6b4b1","surepath-ai-mcp-policy-controls-en","SurePath AI's New MCP Policy Controls Enhance AI Security","2026-03-26T01:26:52.222015+00:00",{"id":80,"slug":81,"title":82,"created_at":83},"27e39a8f-b65d-4f7b-a875-859e2b210156","mcp-standard-ai-tools-2026-en","MCP Standard in 2026: Integrating AI Tools","2026-03-26T01:27:43.127519+00:00",{"id":85,"slug":86,"title":87,"created_at":88},"165f9a19-c92d-46ba-b3f0-7125f662921d","rag-2026-transforming-enterprise-ai-en","How RAG in 2026 is Transforming Enterprise AI","2026-03-26T01:28:11.485236+00:00",{"id":90,"slug":91,"title":92,"created_at":93},"6a2a8e6e-b956-49d8-be12-cc47bdc132b2","mastering-ai-prompts-2026-guide-en","Mastering AI Prompts: A 2026 Guide for Developers","2026-03-26T01:29:07.835148+00:00",{"id":95,"slug":96,"title":97,"created_at":98},"3ab2c67e-4664-4c67-a013-687a2f605814","garry-tan-open-sources-claude-code-toolkit-en","Garry Tan Open-Sources a Claude Code Toolkit","2026-03-26T08:26:20.245934+00:00",{"id":100,"slug":101,"title":102,"created_at":103},"66a7cbf8-7e76-41d4-9bbf-eaca9761bf69","github-ai-projects-to-watch-in-2026-en","20 GitHub AI Projects to Watch in 2026","2026-03-26T08:28:09.752027+00:00",{"id":105,"slug":106,"title":107,"created_at":108},"9f332fda-eace-448a-a292-2283951eee71","practical-github-guide-learning-ml-2026-en","A Practical GitHub Guide to Learning ML in 2026","2026-03-27T01:16:50.125678+00:00",{"id":110,"slug":111,"title":112,"created_at":113},"1b1f637d-0f4d-42bd-974b-07b53829144d","aiml-2026-student-ai-ml-lab-repo-review-en","AIML-2026 Is a Bare-Bones Student Lab Repo","2026-03-27T01:21:51.661231+00:00",{"id":115,"slug":116,"title":117,"created_at":118},"6d1bf3f6-e191-4d30-b55b-8a0722fa6afe","ai-trending-github-repos-and-research-feeds-en","AI Trending Tracks Repos and Research Feeds","2026-03-27T01:31:35.709532+00:00",{"id":120,"slug":121,"title":122,"created_at":123},"010539a1-4c3a-4bd3-937a-26616422ee0d","awesome-ai-for-science-research-tools-map-en","Awesome AI for Science Is Becoming a Real Research Map","2026-03-27T01:46:50.89513+00:00"]