用途：将吴恩达《AI for Everyone》中关于AI团队构建的方法论用于实践，帮助个人或组织在组建、扩充或诊断AI团队时获得角色配置、能力评估与协作设计方面的结构化指导，而非单纯招聘建议。
主要能力：
- 角色清单：明确AI团队的核心角色，包括ML/AI工程师（设计、训练、优化模型）、数据工程师（数据管道与数据质量）、产品经理（定义业务需求、协调技术与业务）、领域专家（提供业务知识、定义问题与验证结果）、DevOps/MLOps工程师（部署、监控、运维）。
- 能力缺口诊断：盘点现有成员技能，识别技术、业务理解与协作三方面的缺口。
- 招聘与培养建议：优先关注T型人才（某一领域深入且理解其他领域）、学习能力与协作精神，而非仅看技术栈或学历论文。
- 协作机制设计：定期同步会议、共享文档、共同目标与指标，并促进技术人员与业务人员的共同语言。
- 规模策略：倾向先以3-5人小团队验证模式，再逐步扩展，以控制沟通成本。
使用方式（执行步骤）：明确团队要解决的业务问题与成功标准；识别所需核心角色；评估现有能力并找出缺口；招聘或培养（优先T型人才与跨领域培训）；建立协作机制；促进共同语言；从小团队起步。完成标准为产出团队角色清单、能力评估矩阵、招聘/培养计划并建立协作流程。
适用场景：组建或扩充AI团队；评估团队能力缺口；设计AI团队协作流程；招聘AI相关岗位。
限制与不适用场景：个人学习或研究项目、已有成熟AI团队仅需日常维护、组织尚无AI战略而跟风招聘等情况不适用。常见失败模式包括只招算法工程师而忽视数据工程与DevOps、过度强调学历论文、技术与业务鸿沟严重、追求大而全导致效率低下。资料同时提示：留住人才、管理层支持以及远程/分布式协作挑战在原文中被低估，组建团队仅是第一步。原文未提供具体价格、平台或量化效果数据。