AI 工程评审工作室

解决什么问题

团队常把"需要哪些岗位"列成花名册，却没有回答"每个角色从什么维度审视、检查什么、输出什么"。结果是架构决策、AI 选型、安全策略里的盲区在评审会上无人认领，直到返工。本技能针对 AI 前沿领域的工程化落地：LLM 应用没有评估体系就是定时炸弹，护栏必须在模型之外实现，而不是指望模型自我纠错。

核心能力与工作方式

技能以三层角色架构提供"先审视、后执行"的能力：

• 总监组：CTO 对照技术北极星与工程原则，VP Engineering 检查 CI/CD 与交付节奏，Head of Product 做过度工程化检测。
• 三核组：Chief Architect 审视模块边界与模型热替换能力，Head of AI/ML 管理模型选型、成本预算与评估体系，Head of Security & Trust 覆盖威胁建模、越狱防护与合规隐私。
• 专业组：后端、前端、SRE、数据、ML 工程师执行落地检查，AI Safety Engineer 负责红队对抗与护栏兜底，QA & Evaluation Lead 推动评估驱动开发。

每个角色遵循"先问问题 → 给选项 → 等你决定 → 展示草案 → 等你批准"的协议，不做自主决策。审视清单保持抽象，执行时读取项目 memory 中的具体设定来落地判断。

适用边界与注意点

• 本技能提供的是审视框架，不写代码。缺少 tech-north-star、ai-strategy 等 memory 注入时，角色判断无法精准落地。
• 角色不是越多越好。AI 时代已砍掉传统"美工+测试"固定配比，重心在工程、AI、安全三大支柱。
• 评估是质量的地基而非收尾环节，护栏必须在 LLM 之外实现：输入校验、输出拦截、回退策略、人工兜底。