Palantir FDE 面试：Decomposition、Learning 与客户场景

💡 核心要点 (Key Takeaways)

• Palantir 的 FDE 内部叫 FDSE（Forward Deployed Software Engineer），俗称「Delta」，定位是「为一个客户启用多种能力」，和 Dev（用一个能力服务很多客户）相反——面试考的是你能不能在模糊业务目标下快速交付，而不是纯算法深度。
• 流程信号：公开候选人样本里 Palantir FDE 流程约 3-4 周、5 轮（个别公开报告 4-6 周），常见骨架是 Recruiter Screen → 技术 screen → 技术轮（Coding、Decomposition、Learning、System Design 等）→ Customer Scenario / 部署场景轮（部分团队出现）→ Behavioral / HM 收尾，BQ 常被嵌入技术轮而不是单独成轮（不同团队可能不同，以实际邀请为准）。
• Decomposition 是 Palantir FDE 权重最高的环节：考的是「把一个说不清的业务目标拆成约束、P0 范围、数据模型、KPI 和高管摘要」，最常见挂法是「直奔架构不先界定问题」或「一直澄清不给方案」。
• Learning interview 是 Palantir 的强信号：考察你在陌生领域（cyber、defense、healthcare）快速建立上下文并给出可执行判断的速度，考的是学习曲线和举一反三，不是背知识。
• 7 / 14 / 30 天路线：7 天保 Decomposition + BQ 下限，14 天补 Learning 与客户场景，30 天加 Coding（数据集成 + 业务规则）、专项追问和完整 mock。

这篇适合谁：Palantir FDE 到底是什么

这篇写给准备 Palantir FDE 面试、但还没搞清楚「Palantir 的 FDE 和普通 SWE 到底差在哪」的候选人。先给结论：Palantir 的 FDE 内部叫 FDSE（Forward Deployed Software Engineer），俗称「Delta」，它的定位是「为一个客户启用多种能力」——这和传统 SWE（Dev）「用一个能力服务很多客户」正好相反。换句话说，Dev 做的是可复用的平台能力，FDSE 做的是把平台能力组合、配置、交付到某个具体客户的具体业务问题上。作为 FDE 面试，Palantir 的侧重点是「模糊业务目标 → 快速拆解 → 可跑交付」，和标准 SWE 侧重算法与系统设计深度不同；岗位侧的轮次结构、和 SWE / AI Engineer 的差异见 FDE 角色页、SWE 角色页 和 AI Engineer 角色页。

• 角色定位（官方确认）：Palantir 官方博客把 FDSE 描述为「嵌入客户、配置 Foundry 和 Gotham 平台来解决客户最难的问题」的工程师，跨 cyber、healthcare、defense 等行业。面试官考的不是你背没背过平台名字，而是你能不能在一个陌生行业、模糊目标下快速给出可交付的东西。轮次结构（公开样本 5 轮，见来源区 Blind 帖）：初筛 coding → onsite 含 Decomposition / Learning → HM 收尾。
• 和 Dev 的差异（官方确认）：Palantir 官方用「Dev versus Delta」解释：Dev 创造一个能力服务很多客户，Delta / FDSE 为一个客户启用很多能力。面试中这意味着你要有「组合既有能力 + 现场写新代码」的双重能力，而不是只会做单一深度模块。
• 不是咨询：官方明确 FDSE 不是 consultant——区别在于「技术上的创造性 + 快速交付」。Palantir 的平台是「现成的游乐场」，FDSE 要能开箱组合出解法，再现场补「secret sauce」，而不是从零造轮子。这条直接对应面试里「为什么用平台现有能力 + 你补了什么」的追问。

流程信号：Palantir FDE 面试每一轮考什么

先给节奏预期：公开候选人面经里，Palantir FDE 流程约 3-4 周、5 轮（一篇 2025 年 3 月 Blind 样本：初筛 coding → onsite 三轮含 Decomposition / Learning → HM；一篇 Aced 2026 年样本：recruiter call → 技术 screen → 3 个 onsite 轮 → HM，约 3-4 周；个别公开报告 4-6 周），比 AI 实验室（公开样本约 2-3 周、更紧凑）更长。常见骨架是 Recruiter Screen → 技术 screen → 技术轮 2-4 个（Coding、Decomposition、Learning、System Design 等）→ Customer Scenario / 部署场景轮（部分团队出现）→ Behavioral / HM 收尾。注意两个和标准 SWE 的不同：BQ 常被嵌入技术轮而不是单独成轮，以及 FDE 常有权重较高的部署 / 客户场景环节。以下轮次与顺序是基于公开面经的归纳（见来源区），不是公司固定流程，不同团队会有差异，以实际邀请为准。

• Recruiter Screen（15-30 分钟）：背景、动机（为什么 FDE 而不是 SWE）、客户现场 + 差旅接受度、时间线与期望薪资。这一轮最容易被忽略，但「为什么 FDE」答不好会直接影响后面面试官的期待。
• HM / Intro（30-45 分钟）：Hiring Manager 聊你过往项目、对 Palantir 平台的了解、团队 fit。这里要把项目讲成「模糊问题 → 拆解 → 快速交付 → 业务结果」的叙事，而不是罗列技术栈。
• 技术轮（Coding / Decomposition / Learning / System Design，各 45-60 分钟）：Coding 偏数据集成与业务规则（不是纯算法）；Decomposition 是把模糊业务目标拆成可交付范围；Learning 是陌生领域快速建立上下文；System Design 偏数据接入与客户场景。每轮都嵌 10 分钟左右 BQ。
• Customer Scenario / 部署场景轮（60-90 分钟）：FDE 权重最高的环节，给一个模糊的客户业务目标，要求你现场拆成 P0 范围、数据模型、KPI 和高管摘要。这一轮决定成败，下一节单独展开。
• Behavioral / HM 收尾（30-45 分钟）：冲突处理、客户沟通、ownership、为什么 Palantir。BQ 在这里集中收口，但前面每个技术轮已经埋了行为信号。

Decomposition 评分点：四步法

Decomposition 是 Palantir FDE 权重最高、也最多人挂的环节。它考的不是你会不会写代码，而是你能不能把一个「客户只说了一句模糊目标」的问题，在 60-90 分钟内拆成可交付的范围。一个典型题目是「客户说想降低人工质检成本」，没有数据、没有指标、没有时间线。正确的节奏是四步法，每一步都有明确的评分点。

• 第一步：先问清约束（评分点：不先画架构）。主动问出：数据来源与权限、合规 / air-gapped、上线时间、干系人、预算。跳过这步直接画架构图是最常见的扣分点，因为它说明你只会在 demo 层面思考。面试官在这里看的是「你是否先界定问题再给方案」。
• 第二步：定 P0 范围（评分点：敢砍 70%）。先砍掉大部分需求，只保留 2-3 条产品线和单一指标目标，并说明为什么先做这些。Palantir 看重「取舍判断」——你能不能说出「先不做多缺陷分类和自动停机」，比你能不能把所有功能都塞进去更重要。
• 第三步：给数据模型与 KPI（评分点：落到可测量）。给出事件粒度、字段、去重口径，以及缺陷漏检率、误报率、人工工时节省等口径。这一步区分「做过交付」和「只会画框图」的候选人——你能不能把业务目标翻译成可测量的指标。
• 第四步：输出高管摘要（评分点：对结果负责）。用一段话说清投入、预期收益、风险和下一步，证明你能对业务结果负责，而不只是技术优雅。这是 FDE 和 SWE 最本质的差异：SWE 对模块负责，FDE 对客户业务结果负责。

Learning interview：快速学习怎么考

Learning round 是 Palantir FDE 的强信号环节（多篇公开面经出现，Aced 2026 年指南帖与 Blind 2025 年 FDSE 帖均将其列为 onsite 环节之一；「Learning interview」是面经叫法，非官方命名）。它考察的不是你背没背过某个领域，而是你进入一个完全陌生的领域（比如从没做过 cyber、defense 或 healthcare）后，多快能建立上下文并给出可执行判断。Palantir 的 FDSE 日常就是「被扔进一个没接触过的行业」，所以这一轮直接模拟真实工作场景。

• 考的是学习曲线，不是知识存量。面试官会给你一个陌生领域的材料或问题，看你怎么在 10-15 分钟内抓住结构：核心概念、关键约束、常见的坑。不要试图「装懂」，坦诚说「我没做过这块，我会先这样建立上下文」反而是加分的。
• 看举一反三的能力。Palantir 的 FDSE 要跨行业复用能力，所以面试官会追问「你在 A 行业学到的方法，怎么迁移到 B 行业」。能给出迁移路径的候选人明显高于只会复述材料的候选人。
• 看提问质量。这一轮你问出的问题本身就是答案——问「这个领域最常见的失败模式是什么」「数据从哪来、谁负责」说明你在建立可执行的上下文；问「这个概念的定义是什么」说明你还在表层。
• 表达学习策略。主动说出你的学习打法：先找 mentor / 领域专家、先读现有系统、先跑一个最小例子、再独立探索。Palantir 官方 FDSE 的经验分享里，「找 mentor、和客户（领域专家）多聊、独立探索」正是他们自己用的方法，面试里说出来会显得你理解这个角色。

Coding：数据集成 + 业务规则

Palantir FDE 的 Coding 轮和标准 SWE 不同：它不追求纯算法难度，而是考「能不能写可跑的业务代码」。高频方向是数据集成（把脏数据接进来、清洗、去重、建索引）和业务规则（把客户逻辑翻译成代码），偶尔有数据结构题但权重低。重点是「能跑 + 能 defend 取舍」，不是 LeetCode Hard。

• 数据集成题：典型是「把一份脏 CSV / API 数据接进来，去重、校验、建查询」。考的是增量 vs 全量、去重键、schema drift 处理、校验失败怎么止损。写的时候主动说边界（空值、重复、乱序），会显著加分。
• 业务规则题：典型是「按客户的业务规则算一个指标 / 做一个判定」。考的是你能不能把模糊的业务描述翻译成精确的逻辑，并处理边界。这里要主动澄清「规则冲突时听谁的」，体现你和客户对齐的习惯。
• 能跑 + 能 defend：FDE 的 coding 要写出能跑的代码（或至少能讲清怎么跑），并对每个取舍能 defend——为什么用这个数据结构、为什么这样去重、性能瓶颈在哪。只写对但不讲取舍，在 FDE 轮里拿不到高分。
• 和 SWE coding 的衔接：如果你 SWE coding 很强但没写过业务 / 数据代码，用 2-3 天专门练「数据集成 + 业务规则」两类题，每道都写出可跑代码 + 基础测试，比刷 10 道算法题更有用。

客户情境轮：Deployment Scenario

Customer Scenario / 部署场景轮是 FDE 类岗位中权重最高的环节之一，Palantir 尤其看重（公开面经中 FDE 候选人报告出现；不是所有团队都有单独一轮——部分团队的客户场景内容并入 Decomposition 或 HM 轮）。它给一个模糊的客户业务目标，要求你在 60-90 分钟内现场拆解并给出可交付方案。这一轮基本是 Decomposition 四步法的完整演绎，但更强调「客户视角」——你要用客户和高管听得懂的语言，而不是纯技术黑话。

• 开头 2 分钟定节奏：先说你会怎么澄清（数据、合规、时间、干系人），再说要拆出什么（P0 范围 + KPI + 高管摘要）。这 2 分钟让面试官知道你有结构，避免后面被追问打乱。
• 主动发现信息缺口：Palantir 看重「客户沟通」能力——你要主动指出题目里没说清的约束，并给出你的假设。不是被动等面试官补信息，而是主动问「如果数据在客户 VPC 内、不能出网，我会这样设计」。
• 用客户语言讲技术决策：把「延迟预算」「降级路径」翻译成「客户能接受多慢」「系统挂了怎么办」。FDE 的价值在于把技术讲给非技术听众，这一轮直接考这件事。
• 收尾给可交付边界：明确说「2 周内我能交付 X，验收标准是 Y，回滚条件是 Z」。能给出明确交付边界的候选人，比一直讲架构的候选人更接近 FDE 的真实工作方式。

项目表达：把过往经历改写成 FDE 叙事

很多候选人有扎实的工程背景但没有 FDE 头衔，担心「没做过客户现场」。其实 FDE 的能力是可迁移的——关键在于怎么把过往经历改写成 FDE 叙事。面试官考的是拆解与交付判断，不是简历里有没有 FDE 头衔。

• 用四段式讲项目：模糊问题 → 拆解 → 快速交付 → 业务结果。把任何一个内部项目、客户支持经历、甚至 side project，都套进这个结构。重点体现 ownership 和「对结果负责」，而不只是「我写了什么代码」。
• 突出「跨干系人沟通」的证据：FDE 要和技术、业务、高管多方协作。你的项目里有没有和非技术的人对齐需求、管理期望、处理冲突？这类细节比技术深度更能体现 FDE fit。
• 突出「在陌生领域快速上手」的证据：你进入过一个完全不懂的领域并快速产出吗？这段经历直接对应 Learning interview 和客户场景轮。把它讲成「我怎么建立上下文、我怎么验证自己理解了」。
• 准备 2-3 个主打案例：用 1-2 周打磨 2-3 个「模糊问题 → 拆解 → 快速原型 → 客户结果」的案例（哪怕来自内部项目或客户支持经历）。每个案例准备 3 分钟版和 5 分钟版，能应对 HM 轮和客户场景轮的不同追问深度。

常见失败：Palantir FDE 最易失分的地方

把公开挂因信号和模拟面试复盘对照，Palantir FDE 的失分点集中在这几类。这些不是官方评分标准，而是基于公开面经（见来源区）和 mock 复盘归纳的高频挂法，提前知道能避开。

• 直奔架构、不先界定问题：拿到模糊目标就画架构图，跳过约束澄清和 P0 范围。这是 Decomposition 和部署场景轮最常见的挂法，直接说明你只会在 demo 层面思考。
• 一直澄清却给不出方案：反过来，问了很多问题但到时间了还是给不出 P0 范围和可跑 v0。FDE 要的是「问对问题 + 给出可交付」，两者缺一不可。
• 只讲技术不讲业务影响：把 Decomposition 讲成一堆技术选型，没有落到客户 KPI 和高管摘要。FDE 对业务结果负责，只讲技术优雅会拿不到高分。
• Learning 轮装懂：在陌生领域硬装懂、给错误判断。坦诚说「我没做过，我会这样建立上下文」反而加分，装懂被追问穿会直接扣分。
• Coding 只写对不讲取舍：代码能跑但说不清为什么这样设计、边界怎么处理、瓶颈在哪。FDE 的 coding 要能 defend 每个取舍。
• 动机答不上来：Recruiter Screen 和 HM 轮问「为什么 FDE 而不是 SWE」答不好。要把 FDE 的「客户现场 + 快速交付 + 业务结果」说清楚，而不是泛泛说「喜欢挑战」。

7 / 14 / 30 天准备路线

按你距第一轮技术面的天数选路线。三个版本的共同原则：Decomposition 和客户场景轮永远优先，Learning 和 Coding 次之，最后两天只留 mock 和状态调整，不学新东西。

• 7 天（保下限）：Day 1 用四步法做 2 个模糊业务目标（制造质检、金融合规），拆到 P0 + KPI + 高管摘要；Day 2 做 1 个 Learning mock（陌生领域快速上手）+ 1 个客户场景 mock；Day 3 做 2 道数据集成 / 业务规则 coding，写可跑代码 + 基础测试；Day 4-5 打磨 2-3 个项目四段式案例 + 准备「为什么 FDE」动机；Day 6 完整 mock 一场部署场景 + 10 分钟 BQ，只复盘断片点；Day 7 状态调整，过一遍四步法框架和挂点清单。
• 14 天（补 Learning 与客户场景）：在 7 天基础上，Day 8-10 每天做 1 个 Learning 变体（cyber / defense / healthcare 各一），练「学习策略表达」；Day 11-12 做 2 个行业 Decomposition 变体，强制第一版就给能跑的 v0；Day 13-14 完整 mock 2 场（1 场部署场景 + 1 场 coding + BQ），录音回听检查是否讲清取舍和失败处理。
• 30 天（加专项追问与完整 mock）：前 14 天按上面走，Day 15-21 针对 Palantir 高频追问做专项：平台能力（Foundry / Gotham）的组合思路、生产事故排查、跨干系人冲突处理，每个准备 3 分钟表达；Day 22-27 做 4 场完整 mock（覆盖全部环节），每次复盘追问链；Day 28-30 状态调整、过挂点清单、准备 HM 轮的「为什么 Palantir」深度表达。

和 SWE、AI Engineer 的差异

准备 Palantir FDE 之前，先搞清楚它和标准 SWE、AI Engineer 的差异，避免用错误的框架准备。详细对比见 FDE 角色页，这里给面试视角的差异。

• 和 SWE：SWE 在内部平台做深度工程，面试以 OA、Coding、System Design 和独立 BQ 轮为主；FDE 嵌入客户现场做交付，部署场景轮（Deployment Scenario）权重最高，BQ 被嵌入每个技术轮而不是单独成轮。用纯刷题思路准备 FDE，很容易在部署场景轮掉队。
• 和 AI Engineer：AI Engineer 聚焦 RAG、Agent、LLM serving 和 eval 的工程化；FDE 的 AI 能力是手段，重心在客户问题拆解、原型速度与跨干系人沟通，AI 交付必须落到客户业务结果。准备 AI Engineer 的方法（堆技术深度）在 FDE 轮里不够，要补客户视角。
• 共同点：三者都要求把技术讲给非技术听众，但 FDE 把这件事作为每个技术轮的内嵌能力来考核，而不是单独一轮。这也是为什么 FDE 的 BQ 和行为信号散落在每个技术轮里。

FAQ：Palantir FDE 面试高频问题

以下 5 个高频问题覆盖 Palantir FDE 面试中最容易失分的点。答案给出的是面试中可复用的评分框架，不是 Palantir 官方标准答案；每个问题都可以继续展开成 3-5 分钟的追问。 Palantir 面试辅助（FDE 与 SWE 双线、Decomposition、Learning、客户场景轮与项目深挖）。