我们把 FDE 工具栈拆成多条能力线：AI 编码、内部工具/低代码、工作流自动化、数据集成和可观测协作。工具不是炫技清单，而是把从需求到上线的每一段风险可视化。
本页以 FDE FAN 的第一视角讲解知识：先讲概念，再讲方法、图表、训练任务。底部保留参考来源，方便继续阅读。
| 知识层级 | 我们要掌握什么 | 训练产物 |
|---|---|---|
| 核心论点 | FDE 工具栈不能只看单个工具，而要按交付链路组合。 | 按阶段训练工具，而不是按品牌训练工具。 |
| 能力泳道 | 从 AI 编码、内部工具、自动化、数据连接到监控协作，每条泳道解决不同风险。 | 课程要让每个工具对应一个交付风险。 |
| 2026 趋势 | AI 工具提高构建速度，但上线质量依赖集成、权限、日志和团队协作。 | 部署课必须讲真实运行。 |
| 选型原则 | 工具要能被学员解释：为何选、替代方案是什么、失败后如何回退。 | 项目报告加入工具选型表。 |
工具选择要按交付阶段，而不是按流行度。
AI 编码工具解决速度，观测和协作工具解决上线责任。
FDE 项目必须让学员体验环境变量、日志、错误恢复和版本回滚。
| 层级 | 含义 | FDE 产物 |
|---|---|---|
| 构建 | AI IDE、组件库、静态站框架 | 更快形成 Demo |
| 连接 | API、数据库、自动化平台、Agent 工具 | 让 Demo 接近业务流 |
| 运行 | 部署、日志、监控、Issue/PR | 让交付可维护 |
FDE 不应该问“今年最火的工具是什么”，而应该问“我现在卡在哪个交付阶段”：需求变成界面、界面变成代码、代码连接数据、数据进入工作流、工作流上线、上线后可观测。不同阶段需要不同工具，也有不同失败模式。
AI IDE 可以显著提高生成和修改速度，但 FDE 的难点并不只在写代码。真正消耗时间的是业务规则不清楚、数据字段不稳定、API 权限不完整、用户验收标准变化、部署环境和本地环境不一致。工具栈要覆盖这些风险，而不是只堆代码生成能力。
工具榜单容易让学员陷入“哪个最好”的问题。FDE 训练要把比较改成决策表：这个项目是否需要登录？是否需要数据库？是否需要内部人员维护？是否需要低代码后台？是否需要日志？是否要给客户演示？答案不同，工具选择就不同。
资源页可以增加“工具选型模板”，要求学员填写阶段、候选工具、选择理由、风险、替代方案和回退方式。项目题库中每个项目也应规定最小工具栈，例如静态站、后端 API、数据库、日志和部署平台。
本课训练目标
我们的工具课要围绕一次完整交付展开：需求、Demo、Agent、部署、日志、报告，而不是孤立介绍工具。
为诊断 Agent 写一张工具选型表，列出构建、连接、运行三层工具。
把一个项目的失败模式映射到工具：哪个工具负责发现、哪个工具负责恢复。
为 Vercel 部署写一份日志查看和回滚说明。
Perspective AI. Best Tools for Forward-Deployed Engineers 2026 Stack Comparison. https://getperspective.ai/blog/best-tools-for-forward-deployed-engineers-2026-stack-comparison. Accessed 2026-06-28.