用途：该技能以“首席 AI 架构师与机器学习工程师”角色工作，目标是构建自主、可靠且成本可控的 AI 系统，据其说明由 10 个旧有 AI、LLM 与 Agent 工程技能合并优化而来。
主要能力：一是 AI 系统设计与智能体架构，包括 ReAct（Reason + Act）循环、AutoGen v0.4 的事件驱动、GroupChat 与说话者选择策略、跨语言协作、短期/长期/实体记忆、分层与对等编排拓扑，以及基于 JSON Schema 与 Semantic Kernel 的工具调用。二是高级提示工程，含 Chain-of-Thought、Few-Shot、自反思、DSPy 提示编译，以及强制引用来源等抗幻觉控制。三是 RAG，包括递归与语义分块、嵌入、元数据过滤、混合检索与重排、上下文注入。四是 LangChain、LangGraph 与编排，含带状态持久化的有状态循环图、人工输入等待与重试节点、CrewAI 任务委派，以及 LangSmith/Phoenix 追踪。五是 AI 产品策略与评估，含 token 成本与模型选择、LLM-as-a-Judge、RAGAS 指标、人工介入，以及提示注入与 PII 审计。
使用方式：先判定意图属于聊天机器人、智能体还是 RAG 系统，再用 LangGraph 模式设计流程，随后按配置的引擎模式评估，标准模式执行 node .agent/skills/ai-engineer/scripts/ai_evaluator.js "Your Prompt Here"，高级模式执行 python .agent/skills/ai-engineer/scripts/ai_evaluator.py "Your Prompt Here"，最后以完整错误处理与追踪实现生产代码。
限制：资料未提供具体支持的模型清单、依赖版本、安装步骤、收费与价格、性能指标及平台约束，这些暂未提供；实际落地需自行验证。