用途：面向HR经理、招聘人员和人才获取团队，帮助其理解人工智能、机器学习、生成式AI与LLM工程，并提升AI相关岗位的招聘与筛选决策质量。
主要能力：解释AI与机器学习概念，供非技术招聘者理解；梳理现代AI生态与LLM工作流；筛选AI工程师、ML工程师与应用AI候选人；评估AI作品集、演示、GitHub仓库与研究项目；生成AI面试题与招聘评分卡；对比AI工程、机器学习、数据科学与LLM工程等角色；理解AI基础设施与生产AI工作流；识别AI资历层级与技能预期；理解生成式AI、自主智能体与多模态系统；撰写AI岗位描述与招聘要求；解释工程师与研究人员使用的AI术语；理解AI、数据、后端、产品与基础设施团队之间的协作。
内容覆盖：2026年AI工程不再只是训练模型、构建聊天机器人或提示工程，而更多涉及LLM应用、智能体系统、多模态AI、检索增强生成（RAG）、AI基础设施、向量数据库、AI可观测性、自主工作流、AI编排与产品集成。生态部分列举了PyTorch、TensorFlow、Scikit-learn、JAX、OpenAI API、Anthropic API、Hugging Face、LangChain、LlamaIndex、Pinecone、Weaviate、ChromaDB、Qdrant、Kubernetes、Ray、MLflow、Kubeflow、BentoML、Python、Pandas、Polars、Apache Spark、Weights & Biases、Langfuse、Arize AI、Datadog、Cursor、GitHub Copilot、Claude Code、Replit、Bolt.new等。
角色类型：机器学习工程师、AI工程师、应用AI工程师、研究工程师、AI基础设施工程师、提示工程师，并说明各自关注点。
使用方式：资料提供多组提示词模板，按AI基础、生成式AI与LLM、AI基础设施与生产、AI候选人筛选、HR术语、招聘洞察等主题组织，可替换方括号中的角色或场景后使用。
适用场景：AI岗位招聘、候选人技术深度评估、面试题与评分卡设计、岗位描述撰写、团队角色规划、招聘者AI术语培训。
限制：资料为招聘辅助知识，不构成具体招聘标准或评估结论；未提供收费、价格、平台与效果信息；提示词模板需按实际岗位调整，不能替代技术面试。