卡片 05岗位2026 年 9 月 21 日

近三分之二的前线部署工程师岗位在美国

Name: 近三分之二的前线部署工程师岗位在美国
Published: 2026-09-21
License: https://creativecommons.org/licenses/by/4.0/

2026 年 9 月 21 日，Metix AI Platform 上职位名称含 forward deployed 的在招岗位，按国家统计。

运行这个案例
复现需 13 API Credits

64.8%

全球 5,868 个前线部署工程师（FDE）在招岗位中，3,801 个在美国。

美国 65%
其他所有国家 35%

其次是印度 5%、英国 5%、德国 4%。

美国占了近三分之二，印度第二，但只有 5%

标题含 forward deployed 的在招岗位，按国家统计，条形按占全球 5,868 个的比例画

美国3,801 · 64.8%
印度309 · 5.3%
英国274 · 4.7%
德国241 · 4.1%
加拿大116 · 2.0%
日本86 · 1.5%
新加坡82 · 1.4%
法国80 · 1.4%
澳大利亚71 · 1.2%
西班牙57 · 1.0%
荷兰39 · 0.7%
以色列19 · 0.3%
其他国家和地区693 · 11.8%

图中所见

全球标题含 forward deployed 的在招岗位有 5,868 个，美国 3,801 个，占 64.8%。印度（ 309 个）排第二，然后是英国和德国。

欧洲五国（英国、德国、法国、荷兰、西班牙）合计 691 个，占 11.8%，和列表之外的其他国家和地区（ 693 个）差不多。这个头衔还主要是美国的现象。

方法与局限

一个岗位挂在多个城市或反复发布，会被计为多个岗位，所以这些数字衡量的是招聘的声量，不是职位数。

来源：Metix AI Platform 岗位数据，2026-09-21。

查询forward-deployed.json

POST /v1/jobs/query · queries/forward-deployed.json

{  "where": {    "field": "title",    "match": "forward deployed"  },  "size": 1}

运行这个案例

三种方式，每一种都先告诉你要花多少。

1 API Credit 可以买 25 个搜索结果或 5 条完整记录；1 美元可以买 30 API Credits。

交给你的 agent 来跑

130 到 145 API Credits4.33 到 4.83 美元超过新账户赠送的 100 API Credits

花费超过 150 API Credits 之前，agent 会先停下来问你。

你的 agent 按提示词一步步执行：先读规则，再计数，按提示词的要求检查定义，最后写出文件和图表。请使用能写文件的 agent，比如 Claude Code 或 Codex。

一次性配置key、连接和一次免费检查。如果你的 agent 已经接入 Metix AI Platform，可以跳过。

1获取 key
在 Metix AI Platform 上创建 key →
新账户一次性赠送 100 API Credits，30 天内有效。在启动 agent 的终端里设置，或者把这一行写进 ~/.zshrc 或 ~/.bashrc，新开的终端也能用：
终端
```
export METIX_KEY=metix_xxxxxxxx
```
2连接你的 agent
Claude Code
为所有项目注册 Metix AI Platform。在任意目录启动 claude，就能看到十个 metix 工具。
终端
```
: "${METIX_KEY:?run step 1 first}" &&
claude mcp add --scope user --transport http metix \
  https://mira-api.metix.ai/mcp \
  --header "Authorization: Bearer $METIX_KEY"
```
MCP 配置指南 →
Codex
注册同一个服务。key 留在环境变量里，不写进配置文件。
终端
```
codex mcp add metix \
  --url https://mira-api.metix.ai/mcp \
  --bearer-token-env-var METIX_KEY
```
MCP 配置指南 →
Skills
四个 skill，教任何 agent 使用 Metix AI Platform 的接口和查询规则，适合不支持 MCP 的 agent。安装程序默认一项都不勾选：在每一项上按空格，再按回车。
终端
```
npx skills add MetixAI-Official/metix-skills
```
Skills 安装说明 →
其他 MCP
让客户端通过 streamable HTTP 连接这个地址，并带上这两个请求头；缺少 Accept 请求头时服务器会返回 406。较旧的客户端使用同一主机上的 /sse。
地址和请求头
```
https://mira-api.metix.ai/mcp
Authorization: Bearer <your key>
Accept: application/json, text/event-stream
```
MCP 配置指南 →

3检查配置

先问这一句。它只读取余额和字段列表，不做任何搜索，不花 API Credits：

发给 agent 的提示

使用 Metix AI Platform：查询我的 key 状态并读取 contract，这两项都免费。然后告诉我我的 API Credit 余额和可以查询哪些数据集。不要做任何搜索。

4粘贴提示词

在一个空文件夹里启动 agent，再粘贴。它会把文件写在那里。

要回答的问题

用 Metix AI Platform 回答一个问题：哪些国家在招前线部署工程师（forward-deployed engineer）？只通过公开的 Platform 访问（REST 地址 https://mira-api.metix.ai、MCP 服务或 metix-skills），密钥从 METIX_KEY 读取，任何时候都不要打印密钥。

01先读规则再查询
调用 GET /contract（免费），只用 querySpecByEntity.job 里的字段。size 1 的计数花 1 API Credit。开始和结束时各调用一次 GET /auth/key/status（免费）查余额，总花费超过 150 API Credits 之前先停下来问我。
02统计范围
标题匹配 "forward deployed" 的在招岗位。这个词组很少有别的意思；读 25 个标题确认一下。
03先算总数
一次全球计数，size 1。
04挑国家
读大约 500 个岗位的国家，看出现了哪些国家。搜索结果有它自己的排序，不是随机样本，所以这一遍只用来挑国家，绝不要用它算出的比例发布数字。
05分国家计数
对这一遍里最大的 12 个国家，用 location.country eq 国家名各算一次，size 1。其他国家和地区等于全球数减去它们的和。
06清洗
重复发布和挂在多个城市的岗位没有合并；说明这些数字衡量的是这个头衔的招聘声量，不是职位数。
07分组
12 个国家加其他国家和地区，列表写在脚本里。
08输出
写出 data/countries.json，带 "unit": "jobs"、快照日期、全球数，以及每个国家的计数和占比。运行前后各调用一次 GET /auth/key/status，余额差就是花费。
09图表
每个国家一根条形，按全球总数缩放，美国高亮，其他国家和地区用普通条形放在最后。标题写结论。
10局限
只看标题；做同样工作但头衔不同的岗位（比如 solutions engineer）没有被算进来。这是某一天的截面，不是趋势。

查看 PROMPT.md →

你会得到

聚合文件和图表，一段说明抽检发现了什么、改了什么，以及这次运行花了多少 API Credits（取自运行前后的余额）。

如果调用返回 402 insufficient_quota，说明 key 有效，只是余额用完了。

复现数字

13 API Credits0.43 美元新账户赠送的 100 API Credits 够用

一个只用 Python 标准库的小脚本，把已提交的查询按计数发出去，写出这个页面所用的聚合文件。需要 Python，并在终端里设置好 METIX_KEY（见 agent 路径的第 1 步），也可以让你的 agent 替你运行这几行。

终端

curl -fsSL https://platform.metix.ai/casebook/source/forward-deployed-engineers-2026.tar.gz | tar xz
cd forward-deployed-engineers-2026
: "${METIX_KEY:?set METIX_KEY first}" && python3 cases/forward-deployed-engineers-2026/fetch.py

你会得到

data/*.json 和 data/receipt.json。运行 git diff cases/forward-deployed-engineers-2026/data 看哪些数字变了：除去快照之后数据本身的变化，数字应该一致。

改成你的问题

花费取决于你的版本读取多少。在提示词第 1 步里写上你自己的上限。

提示词就是这个案例本身。改掉下表里的部分，你的 agent 就会回答你的问题，用同样的检查和同样的花费记录方式。

想改的	改哪里	例子
岗位	第 2 步	"solutions engineer"、"applied AI engineer"、"AI deployment"
拆分方式	第 4、5 步	一个国家里的城市，或者一份公司名单
时间窗口	第 2 步	加上 posted_date gte now-30d，只看最近发布的岗位

运行前先问清楚

看哪个头衔，它会不会有别的意思？
按国家、城市还是公司拆？
看所有在招岗位，还是只看最近发布的？
挑国家的那一遍读取最多能花多少 API Credits？

查看 PROMPT.md →

用 Metix AI Platform 回答一个问题：哪些国家在招前线部署工程师（forward-deployed engineer）？只通过公开的 Platform 访问（REST 地址 https://mira-api.metix.ai、MCP 服务或 metix-skills），密钥从 METIX_KEY 读取，任何时候都不要打印密钥。

1. 先读规则再查询。调用 GET /contract（免费），只用 querySpecByEntity.job 里的字段。size 1 的计数花 1 API Credit。开始和结束时各调用一次 GET /auth/key/status（免费）查余额，总花费超过 150 API Credits 之前先停下来问我。

2. 统计范围。标题匹配 "forward deployed" 的在招岗位。这个词组很少有别的意思；读 25 个标题确认一下。

3. 先算总数。一次全球计数，size 1。

4. 挑国家。读大约 500 个岗位的国家，看出现了哪些国家。搜索结果有它自己的排序，不是随机样本，所以这一遍只用来挑国家，绝不要用它算出的比例发布数字。

5. 分国家计数。对这一遍里最大的 12 个国家，用 location.country eq 国家名各算一次，size 1。其他国家和地区等于全球数减去它们的和。

6. 清洗。重复发布和挂在多个城市的岗位没有合并；说明这些数字衡量的是这个头衔的招聘声量，不是职位数。

7. 分组。12 个国家加其他国家和地区，列表写在脚本里。

8. 输出。写出 data/countries.json，带 "unit": "jobs"、快照日期、全球数，以及每个国家的计数和占比。运行前后各调用一次 GET /auth/key/status，余额差就是花费。

9. 图表。每个国家一根条形，按全球总数缩放，美国高亮，其他国家和地区用普通条形放在最后。标题写结论。

10. 局限。只看标题；做同样工作但头衔不同的岗位（比如 solutions engineer）没有被算进来。这是某一天的截面，不是趋势。

方法与局限

统计范围怎么定义、怎么计数和抽检，以及这些数字不能说明什么。

统计范围

2026 年 9 月 21 日 Metix AI Platform 上标题含 "forward deployed" 的在招岗位。这个词组很少有别的意思，不需要排除词。

选国家

agent 先读了 500 个岗位看国家分布，从中取前 12 个国家。搜索结果有它自己的排序，不是随机样本，所以这 500 个只用来挑国家，数字全部来自重跑时对每个国家的计数，列表之外的记为其他国家和地区。样本里美国是 51%，完整计数是 64.8%，这就是不能用样本出数字的原因。

计数

一次全球计数，加上每个国家一次，每次 1 API Credit，不读取岗位。重复发布没有合并。条件在 queries/，国家列表在 fetch.py。

局限

只看标题；做同样工作但头衔不同的岗位（比如 solutions engineer）没有被算进来。这是快照当天的截面。

美国占了近三分之二，印度第二，但只有 5%

运行这个案例

1获取 key

2连接你的 agent

3检查配置

4粘贴提示词

运行前先问清楚

方法与局限

最近一次复现