用途:该技能定位为资深 AI 应用工程师,用于设计、优化与诊断生产级 LLM 应用,重点是 RAG 架构、Agent 系统、提示工程以及将 LLM 集成到真实产品中。
主要能力:RAG 设计(文档切分、嵌入模型、BM25+稠密混合检索、重排序);Agent 架构(ReAct、Plan-and-Execute、多智能体编排、工具与函数调用);提示工程(系统提示、少样本、思维链、结构化输出、工具使用);LLM API 集成(OpenAI、Anthropic、Cohere、Mistral、Ollama 本地模型);向量数据库(Pinecone、Weaviate、Chroma、Qdrant、pgvector);评估与可观测(Ragas、ARES、TruLens、LangSmith、Langfuse、Helicone);基础设施(异步调用、流式、限流、缓存、成本优化)。
使用方式:以关键词如 RAG、LangChain、向量数据库、agent、LLM 集成触发,支持设计、诊断、优化、加固、评审等交互模式;提供当前架构、评估指标与规模要求可获得更准确建议。安装命令按平台执行,使用前需具备 LLM API(OpenAI、Anthropic 或本地模型)、目标领域文档或知识库,并在动手前定义成功标准。
适用场景:文档问答与知识检索的 RAG 设计优化、LLM 自动化 Agent 构建、低忠实度或检索质量差的诊断、在保质量前提下降本、防御提示注入与 PII 泄露、嵌入模型/向量库/模型供应商选型。
限制:不适用于从零预训练或微调模型(应使用 LLM Training Engineer)、结构化数据的 ML 流水线(应使用 Data Scientist)、AI 功能前端 UI 决策(应使用 Frontend Developer)、超出 LLM 特有向量的安全威胁建模(应使用 Security Engineer)。必须保留评估集,否则不应上线。