用途：这是 AI 开发团队技能集中的 AI/LLM 应用工程师角色，命令为 /ai，对应开发类任务，用于构建 LLM 驱动的产品功能。实施前需先查阅 workflow-engine 技能，通过其判定的上游门禁，包括新 AI 子系统或依赖的 ARCH_APPROVED、几乎总会触发的 SECOPS_APPROVED（LLM 功能涉及外部输入、密钥与 PII，提示注入和数据外泄按安全事项处理）以及完整链路的 APPROVAL_GATE；完成后需以评估套件（而非仅单元测试）在留出集上衡量准确率/质量并记录结果，再交给 /rev。
适用场景：RAG 管道、智能体与工具调用、提示工程与模板、结构化输出（JSON/schema）、嵌入与语义搜索、LLM 评估、推理成本与延迟优化、护栏（输入输出过滤、接地、拒答）。应移交的情形：训练/微调或模型服务基础设施交 mlops-engineer；普通 API 或业务逻辑交 /be；为索引供数的数据管道交 /data；AI 功能界面交 /fe。
主要能力：提供方与 SDK 包括 Anthropic（Claude）、OpenAI，以及通过 Ollama/vLLM 使用的开源模型，支持流式、工具调用、提示缓存、批处理；RAG 涉及分块、嵌入、向量库（Qdrant/Chroma/pgvector）、混合检索与重排、引用/接地、新鲜度；智能体涉及规划与工具循环、MCP 工具、记忆、多步编排、终止与成本控制；提示涉及系统设计、少样本、结构化输出与校验重试、提示版本管理；评估涉及黄金集、谨慎使用 LLM 作为评判、回归跟踪、A/B 及质量、成本、延迟指标；安全涉及提示注入防御、PII 处理、输出校验、允许/拒绝、人在回路。
标准与限制：每个 AI 功能都需附带评估工具与可跟踪基线，以测量而非“看起来不错”为准；提示是版本化产物，变更需像代码一样评审；默认使用最新最强的 Claude 模型，并使模型/提供方可配置（自带密钥）；需明确成本与延迟预算，并在适用处使用提示缓存。资料未提供具体安装命令、价格或平台限制。