Agent Skills
返回列表
🤖

AI 工程师

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @org-02qudk26/ai-engineer-zh。

技能介绍

要解决的问题

生产级 LLM 应用常卡在原型与上线之间：模型调用、检索流水线、智能体状态、成本、安全、监控缺少统一工程方法。传统脚本适合实验，但难以处理 RAG 重排、多模型路由、提示词注入和灰度验证。

技能如何工作

  • 明确边界：先界定用例、约束与成功指标，判断是否适合 LLM 或智能体方案。
  • 架构设计：围绕模型选型、向量数据库、RAG 流水线、智能体编排和数据流做生产设计。
  • 实现与验证：加入监控、错误处理、缓存、速率限制和 PII 护栏，并通过测试与灰度方案验证。

它覆盖 LangChain、LlamaIndex、CrewAI、向量搜索、多模态集成与 AI 安全治理，强调可观测性、成本控制和可靠降级。

适用边界

  • 适合：构建或改进 LLM 功能、RAG 系统、AI 智能体、模型集成与检索优化。
  • 不适合：纯数据科学、不含 LLM 的传统机器学习、与 AI 无关的 UI 改动，或无法访问数据源和部署目标。
  • 注意：敏感数据未经审批不要发送到外部模型；需要针对提示词注入、合规与偏见设计护栏。

使用场景

  • 设计企业知识库问答：规划混合检索、向量数据库与重排流水线，并加入监控和成本护栏。
  • 实现多智能体客服：用状态工作流编排角色、工具调用与升级路径，并做对抗性输入测试。
  • 优化 LLM 推理成本：配置语义缓存、模型路由、速率限制和灰度发布，验证延迟与错误率。
  • 审计 AI 安全护栏：接入提示词注入检测、PII 脱敏与内容审核，并输出合规检查记录。

适合人员

  • 负责把 RAG 原型推向生产的后端工程师，需要补全向量检索、重排、缓存与错误处理。
  • 管理企业 AI 项目的架构师，需要设计模型路由、成本控制和可观测性方案。
  • 维护智能体工作流的 AI 工程师，需要处理状态管理、工具调用与对抗性输入测试。
  • 做 AI 合规评审的平台工程师，需要落地提示词注入检测、PII 脱敏与内容审核。