ai-engineer

用途：构建或改进 LLM 功能、RAG 系统与智能体，设计生产级 AI 架构与模型集成，优化向量检索与嵌入管线，实施 AI 安全、监控和成本控制。纯数据科学或传统机器学习（不含 LLM）、与 AI 无关的界面改动、缺少数据源或部署目标时不适用。 主要能力：一是 LLM 集成与模型管理，覆盖 OpenAI、Anthropic、Llama、Mixtral、Qwen、DeepSeek 等，以及 Ollama、vLLM、TGI 本地部署和 MLflow、BentoML 服务化；二是高级 RAG，含 Pinecone、Qdrant、Weaviate、Chroma、Milvus、pgvector 等向量库，分块策略、BM25 混合检索、重排序、查询理解及 GraphRAG、HyDE、RAG-Fusion、self-RAG 等模式；三是智能体编排，涉及 LangChain/LangGraph、LlamaIndex、CrewAI、AutoGen、Assistants API 及记忆与工具集成；四是向量索引与嵌入优化；五是提示工程技术；六是生产系统，包括 FastAPI 服务、流式响应、语义缓存、限流与可观测性；此外还有多模态集成、安全治理与数据管线管理。 使用方式：先澄清用例、约束与成功指标，再设计架构、数据流与模型选型，实现时加入监控、安全与成本控制，最后通过测试和分阶段发布验证。示例任务包括构建企业知识库混合检索 RAG、多智能体客服、成本优化推理管线、文档分析多模态系统等。 限制：资料未给出具体安装命令、价格或平台支持信息；强调避免未经批准向外部模型发送敏感数据，需为提示注入、PII 与合规增加防护。