官方招聘资料显示：招聘页公开的口径是：$200K–$260K base salary + equity + bonus（官方招聘区间）。这是职位的 base/salary 区间，不是已经拿到的收入，也不是净利润或对任何求职者的承诺。
先看就业形势，再看 FDE
国家统计局公布的 2026 年 1—7 月全国城镇调查失业率平均值为 5.2%，就业总体稳定；同时，公开政策解读也明确提到 AI 对部分岗位的替代风险与“人工智能+”催生新职业新岗位并存。在就业竞争更看重可证明结果的阶段，法务 AI FDE 需要同时证明专业场景理解、系统集成和风险控制，单一 Prompt 技巧不够。 这不是“学会 AI 就能拿高薪”的承诺，而是求职者需要把复合能力变成作品证据的现实。 能在法律或专业服务客户现场做生产级 AI 工作流的高级工程师。Harvey 的 FDE 要把原型快速硬化成可审计的企业工作流 薪资高的原因是零容错的知识工作、系统集成和采用运营同时压在一个角色上 但这篇不把 FDE 写成“会调 Prompt 的高薪岗位”：核心是把一个 AI 任务做成客户能验收、能追踪、能回退的交付。
FDE 在 AI 交付里到底做什么
招聘页事实是：嵌入客户，定义成功指标，接入 DMS、KM、工单和 SSO，再把客户级评测信号反馈给产品路线图。 Harvey 把法律知识工作变成带检索、工具调用、护栏和评测的企业工作流。 读者可以把它落成一个可演示的小任务：读者练习：准备 10 条脱敏合同问答样本，让 AI 先抽取条款、标出风险并给出引用位置，再把不可接受的幻觉列为硬失败。 这不是招聘页声称的客户案例，而是用岗位要求练习 AI 交付的明确方法。高薪对应的是法务场景的低容错、企业系统集成和可审计评测，而不是会写几条提示词。
为什么这一步必须用 Token
法务 AI 不能靠一张聊天截图验收。每次模型调用都要有独立 Token、用量和预算边界，才能把评测失败、重试和人工复核成本归因到这条工作流。 Token 不是一句“有 API 就行”：它至少要绑定项目身份、模型请求、用量记录、预算边界和失败重试。FDE 如果无法回答这些问题，就无法把 AI 从 Demo 交付成生产证据。
用 APIToken 跑一轮最小验证
在 APIToken 用独立 Key 跑同一批脱敏条款，先查状态页和模型信息，再记录引用准确率、失败请求、Token 用量和人工复核时间。 具体顺序是：看模型广场和渠道状态，创建独立项目 Key，用同一输入做最小真实调用，记录 Token 用量、结果质量、人工修改时间和停止条件。只有完成这一步，读者才知道“模型可见”是否等于“这条任务可用”。
交付如何验收
今天完成 10 条脱敏条款评测，并把“必须人工复核”的输出写成验收规则。 作品集至少保留：脱敏输入、模型与版本、Token 用量、验收阈值、失败样本、人工接管和回退路径。先写不可接受的幻觉样本；把 Token、重试和人工复核纳入单次完成成本；评测不过线就停止扩展连接器。岗位案例没有证据使用 APIToken；APIToken 是读者练习这套交付方法的统一接口和记录工具，不是雇主、猎头或收入保证。
信息来源
Harvey Careers｜Senior Forward Deployed Engineer（官方招聘页）
国家统计局｜1—7月份国民经济保持总体平稳、向新向优发展态势（就业统计）
国家发展改革委｜未来五年就业这道题怎么解（就业形势解读）
证据等级为 A；金额口径为 官方招聘 base salary 区间。A 级官方招聘页；$200K–$260K 为招聘 base salary 区间，另有 equity 与 bonus，不能改写成个人到手收入。岗位没有证据使用 APIToken。