从模糊需求中定出范围
先弄清客户的问题，界定范围，安排交付顺序。
我们怎么练拿到企业 Brief 后先追问缺失信息，提交 Proposal，解释为什么现在做这一部分。
Proposal → Pre → Pitch
FDE Tech · 工程交付进阶
FDE 企业 AI 交付进阶训练班
- 训练周期
- 10 周
- 首期预购
- A$3,590
面向澳洲 A$200,000+、北美 US$250,000+ 年薪目标的 FDE 进阶训练
我们给你企业背景、现有系统和预算限制。你来调查问题、提出解决方案，向导师和同学做 Proposal，再带着质询修改、验证，练到能完成一场有依据的客户 Pitch。
适合已有 AI Engineering 能力、希望承担企业客户项目的在职工程师。
以上薪资为求职目标定位，不代表入职或薪资保证。工作更偏业务、产品或项目推进？ 了解 FDE Business 课程
我们给企业情况，你来提方案、做 Pitch
每轮案例都从一份企业 Brief 开始：业务怎么运转、不同部门想要什么、现有系统和数据有哪些限制、能投入多少预算。你需要补问缺失信息，独立提出解决方案，再向导师和同学做 Proposal / Pre。
我们提供企业 Brief
企业背景、部门诉求、系统与数据情况、预算和交付限制。信息不全时，你要主动追问。
你提出并验证方案
比较可选做法，画架构，估算成本、范围和计划；用关键实现与验证支持你的判断。
导师听方案，同学来质询
导师评业务判断、技术取舍和交付可行性。同学扮演业务、IT、安全与预算负责人，追问并挑战你的选择。
这一轮要讲清什么
这家企业真正值得解决的问题是什么？
阅读企业背景与现状，向业务角色追问目标、流程、数据和限制，确认哪些是事实、哪些还需要调查。
你需要拿出的材料
Discovery Brief、问题定义与系统边界
谁来回应或质询 · 导师提供背景 / 同学扮演业务负责人
展示后，回应质询并修改方案；再换一个企业、换一组限制，重复练习。最后把问题、方案、验证和投入讲成一场完整的客户 Pitch。每个人都要说清自己的判断和贡献。
做出能展示、能验证的企业 AI 项目
把方案和实现放在一起：打开系统演示关键流程，再用架构、预算和评估记录解释你的选择。这些内容也能支持你在面试或项目讨论中讲清自己的工作。
客户方案、架构与预算
问题定义、方案比较、架构设计与预算，写明范围、依赖和验收条件。
代码、接入与评估
可运行的关键流程，系统接入、权限与异常恢复，以及质量、延迟和成本的评估记录。
客户展示与运行交接
客户展示、决定与变更记录，连同使用说明、Runbook 和后续维护责任。
PROPOSAL → REVIEW → REVISION
方案不只要讲得好，还要经得起追问
客户给出企业情况、需求和限制，你来提出方案、做 Pre、回答追问，再根据新的条件修改。下面展开一份 Knowledge Access 课程案例，直接看提案初稿、评审问题和完整修订版。
Knowledge Access · 企业政策知识助手
40 位员工、两个部门。让员工更快找到现行政策，同时守住部门权限、预算和审批边界。
修订版决定：先做有权限边界的内部试点，开发 A$21,600，预计运行 A$1,060/月。
- A$24,000 开发上限
- A$1,200 月运行上限
- 4 周客户试点
- 01调查问题
- 02提出方案
- 03现场评审
- 04修改与 Pitch
范围会跟着客户决定改变
初稿历史档案尚未获批，初稿仍把它算进覆盖范围。
评审追问接口未获批准，凭什么把相关能力写进交付范围？
修改后的决定移除 archive connector，重新测量覆盖率；获批后再评估费用与验收。
权限不能交给提示词
初稿用户自行填写部门，模型被要求替系统保密。
评审追问如果运营员工把部门填成财务，会发生什么？
修改后的决定从服务端会话取身份，在检索前过滤权限，并检查撤权与缓存。
能写代码，还得算完整交付
初稿A$14,880 只覆盖调查、开发与准备金。
评审追问测试、试点准备和交接由谁做，需要多少工时？
修改后的决定补入 32h 验证与 24h 交接，总预算 A$21,600，仍在上限内。
收益要能经得起财务追问
初稿把 A$19,200 产能价值写成现金节省，运行费漏算维护。
评审追问工资没有减少，这笔钱真的省下来了吗？
修改后的决定区分产能与现金；列覆盖率敏感性，运行费补至 A$1,060/月。
平均分不能掩盖关键错误
初稿只要求回答准确率达到 80%。
评审追问如果答案总体不错，却泄露了一份财务政策，能上线吗？
修改后的决定将权限泄漏、越权执行设为阻断条件，分别检查引用、拒绝与升级。
交仓库不等于客户接得住
初稿交代码与 README，默认 IT 能维护。
评审追问资料更新或权限出事后，谁处理、怎么恢复？
修改后的决定补齐责任人、文档版本、回滚和事件处理；由接收方独立运行检查。
导师评审，具体评什么？
先评方案，再看实现，最后看客户能否接手。你要向导师和同学讲自己的判断；同学从业务、IT、安全和预算负责人的角度追问。评审会回到你的方案和工程证据，而不只看展示是否流畅。
01 · 方案阶段 · Proposal Review
带着 Discovery Brief、架构、范围和预算做 Pre。导师追问问题是否值得做、方案为何这样选，以及哪些条件还没有确认。
02 · 工程阶段 · Technical Review
打开关键实现，拿权限检查、失败记录和 Evals 支持你的判断。方案里答应的事，要能在系统行为中找到证据。
03 · 变更之后 · Client Pitch
对照评审意见修改方案和实现，解释范围、费用与风险的变化，再讲清希望客户批准什么、接下来由谁负责。
导师团队
Lightman
匠人学院创始人
有创业实践经验，关注全栈开发与产品设计。
Joe 韭神
软件工程与职业辅导
工程实践、跨团队协作与项目推进。
Jason
AI Engineer VIP 导师
AI 工程项目与技术辅导。
Roy
Forward Deployed Engineer
关注应用 AI 与 AI Engineering，具备软件工程背景。
具体授课与项目指导安排，咨询时确认。
会开发 AI，为什么还要练客户交付？
开发时，你关心功能能不能跑通。到了客户现场，还得回答：这个问题值不值得做？谁能批准？现有系统允许什么？做完以后谁来用、谁来维护？
AI Engineering 能力是起点
- 开发、调试 AI 应用，理解模型与工具调用。
- 处理数据、评估输出，定位工程问题。
FDE 要继续承担的责任
- 把模糊的业务诉求变成可执行的工程方案。
- 在预算、权限和多部门要求之间作取舍。
- 和客户一起推进，交付系统并解释结果。
对标大厂 FDE，看清职级与薪酬
面向已有工程经验、希望承担企业 AI 交付的工程师。先看美国 Google、Atlassian、Figma、Salesforce 的岗位与职级，再分别比较基本工资和总包。
Google Cloud · Forward Deployed Engineer IV · Applied AI · US请按相同薪酬口径比较。总包包括自报股票和奖金，其价值受股价和归属安排影响。差额是对照结果，不代表个人 offer 或课程涨薪承诺。
基本工资、总包和平均数，怎么读？
公开区间对应具体岗位：Google IV 的 20% 目标奖金与股票另计，Atlassian 使用 Zone A，Figma 明确为 Senior/Staff。Salesforce Lead MTS 的基本工资是自报职级平均值。总包中位数取 Levels.fyi 的 FDE 专属筛选：Google 17 份记录、Palantir 229 份；Salesforce 汇总页未披露样本量。总包样本混合不同职级，因此不把它们混算成一个大厂平均工资。
从工程开发走向企业 AI 交付，要补什么？
薪资只是参考，更值得对照的是你能承担哪些工作。点开下面四类责任，看看自己已有的经验，以及课程会怎样练。
补充参照：前沿 AI 实验室岗位
以下是单个雇主的具体岗位区间，保留职级和薪酬口径，供进一步了解；市场平均薪资以主图来源为准。
Anthropic
Staff Forward Deployed Engineer · NY / SF / Seattle
$280,000–$320,000Annual Salary · 官方标示口径
查看原始来源 ↗岗位要求来源: OpenAI · Forward Deployed Engineer · SydneyOpenAI · Forward Deployed Software Engineer · SF · Anthropic Staff FDE
Tech 的 10 周，怎样一步步推进？
按客户项目的推进顺序训练，多个案例贯穿其中。先取得方案决定，再带着实现和评估回应客户。
10 周训练周期
3 小时每周工作坊
3–5 小时每周课外实践
Week 1
Business Fluency for Engineers
调查企业目标、部门流程、现有系统与决策关系。识别值得做的 AI 场景，判断哪些需求应先拒绝。
阶段交付Discovery Brief、流程图、机会优先级与项目边界。
Week 2
AI Capabilities and Trade-offs
比较流程改进、代码自动化、RAG 与 Agent。针对数据、权限和模型限制，验证最不确定的一环。
阶段交付方案比较、架构图、技术验证与验收标准。
Week 3
The Economics of AI
估算开发、接入、模型、人工复核和维护成本。明确范围、依赖与停止条件，向预算负责人解释投入。
阶段交付预算表、Scope、里程碑与交付计划。
Week 4
AI in Enterprise Systems
接手已有数据和接口，处理身份、访问权限、版本与数据质量，让关键业务链路能够接起来。
阶段交付接入实现、权限边界与数据处理记录。
Week 5
Agents, Tools and Human Control
让 Agent 在授权范围内调用工具，处理审批、重复事件、失败重试与人工接管。
阶段交付可运行工作流、审批状态与异常恢复机制。
Week 6
Evaluation and Reliability
建立覆盖正常与失败情况的 Evals，比较质量、延迟、模型费用和复核成本，用证据修改系统。
阶段交付评估集、失败分析、成本与延迟报告。
Week 7
Working with Stakeholders
带着实现和评估向业务、IT、安全与预算负责人做 Pre，回应冲突，争取下一阶段的决定。
阶段交付客户展示、评审材料与决定记录。
Week 8
Delivering Through Change
面对预算削减、接口延期或新增需求，重算范围、架构、费用和时间，再修改实现。
阶段交付Change Request、修订方案与更新后的交付计划。
Week 9
From Prototype to Pilot
确定试点用户、基线、成功标准和监测方式，分析系统是否值得继续投入，安排用户启用。
阶段交付Pilot Plan、效果核对与 Adoption Plan。
Week 10
AI Adoption and Handover
完成客户验收与最终展示，让接手者能依据资料独立运行关键流程、定位异常并承担维护。
阶段交付验收材料、Runbook、维护责任与交接包。
开课日期和每周具体上课时段，报名时确认。课前补充的基础自学另行安排。
30 项工程交付任务，把 AI 应用带进企业
能把 AI 应用跑起来以后，还要面对企业的旧系统、访问权限、预算和不断变化的要求。下面 30 项任务按六个交付环节展开，在 10 周的多个案例中组合实践，留下方案、实现和验证的证据。
客户调查 · 5架构取舍 · 5系统接入 · 5Agent 控制 · 5评估质量 · 5试点交接 · 5
客户与系统调查5
先弄清客户现场，再确定工程团队值得投入什么。
01 / 30
Enterprise System Discovery
阅读陌生代码、接口文档和操作记录，找出业务请求在现有系统里经过哪些步骤、卡在哪里。
交付物系统边界图、接口清单与待验证问题。
02 / 30
Discovery under Uncertainty
面对信息不完整的客户需求，追问用户、决策人和技术限制，把事实、假设与未知项分开。
交付物Discovery Brief 与关键假设清单。
03 / 30
Data Readiness and Ownership
检查字段、缺失、版本、数据责任人与访问条件，判断哪些资料能进入第一阶段。
交付物数据接入清单、质量问题与责任边界。
04 / 30
Baselines and Acceptance
把“回答更准确”“处理更快”转成可检查的要求，确定现有基线、测试输入与人工复核口径。
交付物基线、验收条件与首版检查集。
05 / 30
Scope, Budget and Delivery
把调查、实现、接入、模型、人工复核与维护一起估算，明确依赖、里程碑和停止条件。
交付物范围说明、预算假设与分阶段交付计划。
架构与技术取舍5
把数据、权限、质量和费用一起放进架构选择。
06 / 30
Choosing the Right Architecture
为同一个需求比较规则自动化、RAG 和 Agent，用限制与验证结果解释选择。
交付物方案对照与 Architecture Decision Record。
07 / 30
Model Routing and Cost Control
按任务比较模型的质量、响应时间与费用，设计路由、缓存和费用上限，再验证代价。
交付物模型选择表、路由策略与费用估算。
08 / 30
Retrieval with Evidence
处理文档分块、检索、版本和引用，让回答能追溯依据，资料不足时有明确的处理方式。
交付物检索链路、引用检查与不足信息处理。
09 / 30
Identity-aware Retrieval
让检索遵守用户、部门和租户的访问权限，检查授权过滤是否真的限制了结果。
交付物权限检索实现与跨边界访问检查。
10 / 30
Context and Knowledge Lifecycle
处理长上下文、知识更新、过期资料和删除要求，说明何时重新检索、失效或刷新。
交付物上下文策略、更新流程与知识失效规则。
企业系统接入5
接手已有接口和数据，让系统在真实限制下协作。
11 / 30
Working with Legacy APIs
对接已有接口，处理字段不一致、版本变化、限流和错误码，给出可定位的失败信息。
交付物接口适配代码、契约检查与错误映射。
12 / 30
MCP in Enterprise Systems
为业务工具定义清楚的输入输出、身份和权限边界，检查工具暴露是否超出任务需要。
交付物MCP 工具适配、参数校验与权限说明。
13 / 30
Events, Idempotency and Duplicates
处理重复消息、回调和乱序事件，避免一个业务请求生成多次写入或执行。
交付物事件处理实现、去重记录与重复输入检查。
14 / 30
Long-running Workflows
把耗时步骤放入可跟踪的任务流程，处理超时、失败队列、重试上限与进度恢复。
交付物任务状态、恢复路径与失败处理代码。
15 / 30
Deployment and Environment Boundaries
把配置、密钥、数据与运行环境分开管理，让同一份代码能够按明确条件启动和验证。
交付物部署配置、环境检查与启动说明。
Agent 与流程控制5
让工具调用有边界，让出错的流程能够停下、核对和继续。
16 / 30
Bounded Agent Execution
为 Agent 定义可执行步骤、工具范围、时间和费用上限，检查何时继续、暂停或停止。
交付物Agent 状态机与执行边界检查。
17 / 30
Approval-aware Tool Use
让关键动作先取得对应审批；审批后条件发生变化时，检查原决定是否仍然有效。
交付物审批状态、工具执行检查与条件变更记录。
18 / 30
Skills for Team Workflows
把已经验证的操作整理成团队能复用的 Skill，管理输入要求、工具权限、版本和失败处理。
交付物Skill、使用约定与版本检查。
19 / 30
Human Handover and Resume
在不确定或失败时保存必要状态，把问题交给负责人；确认后从正确步骤继续，避免重做已完成动作。
交付物接管记录、检查点与恢复实现。
20 / 30
Recovery after Partial Failure
面对部分成功、部分失败的操作，先核对已发生什么，再决定补偿、重试或人工处理。
交付物核对流程、补偿策略与故障恢复检查。
评估与运行质量5
用质量、权限、延迟和成本证据，判断系统能不能交付。
21 / 30
Evals and Regression Gates
把正常输入、边界条件和已知失败放进评估集，为修改模型、Prompt 或工具后的回归设定标准。
交付物评估集、对比报告与通过条件。
22 / 30
Prompt Injection and Trust Boundaries
检查来自文档、邮件与工具结果的指令是否越过信任边界，防止业务内容变成系统授权。
交付物攻击输入、处理结果与信任边界说明。
23 / 30
Testing Retrieval and Permissions
核对答案引用、知识版本、拒答和跨用户访问，把检索正确性与授权正确性分开检查。
交付物检索与权限评估、失败分类与修订结果。
24 / 30
Latency and Unit Economics
在不同并发和任务条件下比较延迟、模型费用与人工复核成本，核算一次合格交付的代价。
交付物延迟数据、单次成本与优化取舍。
25 / 30
Observability and Incident Diagnosis
串起一次请求的工具调用、错误、费用与决定，保留定位所需证据，同时控制日志中的敏感信息。
交付物Trace、告警条件与故障定位记录。
客户评审与交接5
带着实现面对变更，完成试点并让客户接得住。
26 / 30
Technical Reviews with Stakeholders
带着架构、实现与评估向业务、IT、安全和预算负责人展示，回应不同角色的质询。
交付物客户展示材料、决定与待处理问题。
27 / 30
Engineering through Change
面对预算减少、接口延期或新需求，修改范围、技术方案和计划，再用实现验证影响。
交付物变更说明、修订代码与预算计划。
28 / 30
Release Readiness and Rollback
检查上线条件、版本、监测和责任，设计出现问题后如何停止扩大影响、回退或恢复。
交付物上线检查表、版本与回退方案。
29 / 30
From Pilot to Adoption
限定首批使用范围，用基线、运行问题和复核成本判断继续、调整或停止，再安排用户启用。
交付物试点结果分析与用户采用计划。
30 / 30
Handover that Others Can Run
整理运行、维护和故障处理资料，检查另一位参与者能否按资料运行关键流程并定位异常。
交付物Runbook、维护责任与完整交接包。
课堂里，要把你的想法讲给别人听
FDE 训练会把方案展示、质询和动手验证放在一起。下面是匠人学院往期课堂与活动的现场。
六个训练模块，一条完整交付主线
客户给你一个问题、一组限制和一笔预算。你要决定做什么、怎么做，亲手实现，并证明值得继续投入。
01 / 06
把客户的问题问清楚
Business Fluency for Engineers
调查企业的客户、收入、成本和部门流程。核对用户真正遇到的困难、决策权与现状数据，判断是否值得引入 AI。
本模块产出
调查记录、流程图、机会优先级与立项建议。
02 / 06
选出能落地的技术方案
AI Capabilities and Solution Design
比较流程改进、代码自动化、RAG 和 Agent。验证最不确定的技术环节，解释模型、上下文、工具与人工审批的取舍。
本模块产出
方案比较、架构、关键验证与验收标准。
03 / 06
把预算和交付计划算清楚
The Economics of AI
估算调查、开发、接入、模型、云资源、人工复核和维护成本。拆分里程碑、负责人和依赖，说明费用假设与停止条件。
本模块产出
开发与运行预算、工作估算、分阶段计划。
04 / 06
接入企业系统，检查运行结果
Building Reliable AI Systems
接手陌生代码、遗留接口和不一致数据。按需选择 API、MCP 与 Skills；处理权限、重复事件、重试和人工接管，以 Evals 检查质量、成本和延迟。
本模块产出
可运行系统、评估结果、故障恢复与代码说明。
05 / 06
推动评审，处理需求变化
Working with Stakeholders
与业务、IT、安全和预算负责人做方案评审。面对预算削减、接口延期或新增需求，调整架构、范围、费用和时间，并说明影响。
本模块产出
客户 Pre、决定记录、变更后的预算与计划。
06 / 06
完成试点，让客户接得住
From Pilot to Adoption
用基线和试点证据判断继续、修改或停止。安排用户启用、监测和维护责任，让另一位参与者按你的资料独立运行并处理异常。
本模块产出
试点评估、使用说明、维护与交接包。
从 ANZ、Woolworths 和 IAG，看企业 AI 怎么落地
先读这些公司公开介绍的 AI 产品，再拆解背后的交付问题。课堂会进一步加入预算、数据和需求变化，练习你会怎样设计与推进。
企业案例分析 · ANZ · BANKING
ANZ · Z-GPT：银行内部知识怎样接给 AI？
公司公开介绍了什么
ANZ 在 2023 年介绍了内部聊天工具 Z-GPT：通过 Microsoft 使用 OpenAI 模型，围绕部分内部数据开展实验，并强调使用者需要审查回答、对最终决定负责。
阅读官方资料 · ANZ Bluenotes · Z-GPT ↗- 公开产品
- Z-GPT
- 业务对象
- 内部员工
- 资料时间
- 2023-08-22
值得拆解的问题
如果接手一个类似的银行内部助手，怎样确定可接入的资料、身份边界与回答验收要求？
课堂分析：方案怎么选
课堂从范围可控的内部问答切入，核对来源、权限与人工责任，再讨论是否值得扩展。
课堂方案推演
- 确认身份
- 按权限检索
- 核对版本与引用
- 回答或转人工
课堂分析：预算与范围
比较现成企业工具、检索问答与定制集成。把资料治理、接入、评估和使用培训都计入投入。
训练中加入的变化
训练条件：一个资料库未获安全批准。重新提出试点范围与预算建议，争取客户决定。
Tech：你要亲手交付
身份与检索权限链路、版本过滤、拒答与引用评估，连同单次成本及异常记录。
同一个需求，为什么会选不同的方案？
先看工作本身和客户的限制，再决定用什么。课程会改变数据、权限和预算条件，练习你怎样调整选择。
这项工作，真正需要 AI 做什么？
方案方向 · 先用规则或代码自动化处理确定的步骤
需要验证 · 异常是否有负责人，规则变化是否可维护。
Claude 官方资源，配合项目按需使用
API、Claude Code、MCP 或 Skills 哪一块不熟，先补那一块。做客户试点时，可以参考官方 Delivery Methodology 里的场景筛选、试点设计和效果评估方法。
课前：补自己还不熟的部分
这些内容用来补缺口。入班前仍需要能独立开发和调试 AI 应用。
- AI Capabilities and Limitations
理解模型在哪些情况下容易出错，向使用者说清能力边界。
- AI Fluency for Builders
练习任务委派、结果审查，以及开发者应承担的责任。
- Claude Platform & Model Foundations
梳理产品入口、功能、模型和上下文的选择。
- Choosing the right Claude model
按任务比较模型，考虑质量与使用限制。
- Claude Platform 101
熟悉 API、工具调用和 Agent 循环。
做项目时：带着工程问题查
接手客户代码、连接业务系统时，回到这些材料查具体做法，再把它用进自己的项目。
- Claude Code 101
在代码仓库里探索、规划、实现和检查。
- Claude Code in Action
处理长任务的权限、自动化与结果验证。
- Introduction to Model Context Protocol
理解工具与数据如何通过 MCP 接入。
- Introduction to agent skills
把可重复的操作整理成团队能复用的 Skill。
做交付时：对照试点和推广方法
先看官方怎么组织客户试点，再用到课堂案例里：写出范围、预算、验收条件和交接安排。
- Delivery Methodology
筛选场景、设计试点，并建立效果基线。
- Driving enterprise adoption of Claude
安排首批用户启用、内部推广和后续扩展。
- Enterprise Integration & Production
作为生产集成方向的延伸阅读。
- Responsible AI, Safety & Risk for Architects
作为架构安全与风险方向的延伸阅读。
FDE Tech，独立报名
课程正价
A$3,990
- 首期预购
- A$3,590
- 早鸟
- A$3,790
Tech 是独立的工程交付进阶课程。正价 A$3,990，首期预购 A$3,590，早鸟 A$3,790。无需先购买匠人的 AI Engineer；入班看实际工程能力和项目经验。
- 30 项企业工程交付任务与多个客户案例
- 方案、预算和项目展示训练
- 六个企业交付模块与 Claude 官方学习资源
这门课适合现在的你吗？
如果你已经能独立开发和调试 AI 应用，希望进一步负责客户需求、技术方案和企业交付，可以来聊聊。
- 能运行并解释自己的 AI 项目。
- 能修改代码、排查失败，并核对结果。
- 愿意在课外做项目，当着同学展示和讨论。
另一门独立课程 · 分别报名
FDE Business 方案与交付实战班
如果你的工作以业务、产品或项目推进为主，Business 课会练需求判断、方案、预算和跨团队交付，不套用 Tech 的编码任务。
A$2,999
了解 FDE Business 课程报名前，你可能还想问
没上过匠人的 AI Engineer，可以参加吗？
可以。Tech 看的是你能否独立开发、调试并解释自己的 AI 应用，不要求先购买匠人的 AI Engineer。两门 FDE 课程也分别报名。
懂业务，但还不会独立开发 AI 应用，选哪门？
可以先了解 Business，它从业务经验出发，包含 AI 自动化实践、方案、预算和跨团队推进。如果你希望进入 Tech，需要先补齐独立开发与调试 AI 应用的能力。MCP、Skills 等个别工具不熟，可以结合官方资源按需补充。
上课和课外需要留多少时间？
当前课程按 10 周设计，每周 3 小时工作坊，课外约 3–5 小时用于项目和展示准备。具体班期与上课时间在报名之前确认。
和 Business 课程、一对一陪跑有什么区别？
Tech 课面向能独立开发 AI 应用的人，要求亲手完成工程实现。Business 是另一门独立课程，重点练业务判断、方案、预算和推动交付；两门课分别报名。一对一陪跑则围绕个人背景和项目另行讨论指导安排。
Claude 官方课程在这里起什么作用？
课前按需补模型、API、Claude Code、MCP 和 Skills；做案例时参考官方的试点与企业采用方法。主课由匠人组织，课堂用于方案、实现、评估与客户交付训练。
薪资目标代表学完就能拿到这个薪水吗？
不代表。澳洲 A$200,000+、北美 US$250,000+ 是这门课面向的求职目标。岗位结果取决于经验、能力、面试和招聘市场，课程不保证入职或薪资。
把你的下一步，聊具体一点
告诉我们你现在做什么、做过哪些 AI 项目、想申请什么岗位。先确认这门课是否适合你，再决定是否报名。