Google专业ML工程师指导

认证信息分散带来的准备困境

准备 GCP Professional ML Engineer 这类认证时，工程师最先遇到的障碍往往不是技术本身，而是信息层面的混乱：报考条件、时间窗口、费用标准、大纲范围分散在各个官方页面，AI 相关证书又层出不穷，很难判断哪一张适合自己的职业阶段，更难从零规划出一条可执行的学习路径。靠搜索引擎拼凑出的信息不仅时效性存疑，还容易把过时的民间经验当成可靠依据。

技能的工作机制

这个技能围绕「考情框架」这一核心定位，按清晰的步骤运行：

• 场景识别：首先明确用户的实际需求——是考证选择、考情梳理，还是学习路径规划，再决定输出粒度。
• 结构化生成：通过调用 scripts/run.py 读取 data/checklist.json，自动生成对应的框架或清单，而不是凭空输出一段泛泛的建议。
• 本地优先：用户的学习笔记与资料统一存放在技能目录下的 data/ 路径中，纯本地处理，不经过云端传输。

适用边界与使用红线

需要明确的是，这是一个指导辅助工具，而非官方渠道的替代品：

• 报考时间、条件、费用、大纲、真题一律以官方最新发布为准，技能不写死任何实时考情。
• 教材内容仅限公开、教科书级通用知识，绝不杜撰内部教材或真题。
• 主动帮助用户识别「包过」骗局，引导查询官方授权渠道。
• 不适用于官方报名代办、真题售卖或替代系统培训。

把框架交给工具，把判断留给自己——这是使用这个技能的基本心态。