用途：用于搭建和管理 AI 平台运营与生产服务可靠性，覆盖 LLM 功能的 SLA/SLO 定义、AI 事故评审与复盘、模型/提示词/索引的分层发布门禁、AI 单元经济（每会话成本、每功能 token）追踪、发布前红队与评测门禁、跨工程/研究/风险/产品的团队节奏，以及 AI 供应商关系、合同与比选。
不适用：实现记忆存储或上下文打包（ai-memory-developer / ai-context-engineer）、构建 RAG 管道或智能体工具（ai-engineer）、制定企业 AI 政策或法规映射（ai-risk-governance）、通用网络安全测试（cybersecurity）、带待办清单的 token/成本改进路线图（ai-token-improvement-plan-engineer）、商业/企业 AI 方案架构（applied-ai-architect-commercial-enterprise）、垂直 AI 产品工程管理与小组路线图（engineering-manager-vertical-ai-products）。
主要能力与工作流：一是运营模型与节奏，含每日 AI 运营站会、每次发布的模型/提示词变更评审、每周成本评审、双周风险与安全同步、季度容量规划，并定义 RACI（模型、提示词、索引、评测套件、值班归属）。二是发布治理，生产晋级清单包含金标与安全集评测回归通过、二级以上用例红队签字、模型卡/变更日志更新、带错误与成本监控的灰度、回滚流程测试（固定旧提示词与模型版本）、面向客户可见行为变更的沟通计划。三是 SLO、事故与可观测性，示例 SLI 含可用性、p95 端到端时延、质量代理指标（点踩率、升级率）、安全（发布后策略违规率）、成本（每成功会话美元）；AI 事故类型含有害输出、日志 PII 泄露、检索跨租户泄露、智能体失控循环、供应商中断。四是成本与容量，按模型、功能、租户追踪 token，设置 80/100/110% 预算与告警，通过路由、缓存、上下文工程优化，并基于用量增长与模型价格变化做预测。五是供应商与评测计划，维护质量、时延、安全、价格、数据条款记分卡，年度续约前进行结构化比选，负责中央评测框架与数据集卫生。
使用方式：可按需加载参考文档——团队节奏与 RACI 见 references/operating_model.md，发布与灰度见 references/release_governance.md，SLO 与事故见 references/incidents_slos.md，成本与容量见 references/cost_capacity.md，供应商与评测运营见 references/vendor_eval_program.md。具体安装命令与运行方式暂未提供。