是什么
L1 · 领域总览
AI 工程
AI 工程是连接大模型能力与生产级应用的系统化桥梁，聚焦可复用架构、可验证质量与可持续治理
为什么
帮助开发者、架构师与产品团队跨越原型到生产的鸿沟，降低幻觉风险、提升系统可靠性并加速业务价值交付。
怎么做
按应用构建、系统能力、质量与治理的顺序逐层深入，结合具体业务场景选择切入点。
什么时候
在掌握基础 Prompt 工程与模型调用后优先学习；若仅需一次性脚本或轻量集成可暂缓。
FOCUS
下属主题
PROBLEM / POSITION / INTERFACE
先弄清它为什么存在，以及谁在使用
-
01 解决的问题
当大模型应用从实验原型走向多用户、高并发或关键业务场景时
缺乏标准化架构、能力复用机制与质量保障手段，导致系统脆弱、维护成本高且难以迭代
- 成功标准
- 形成可复用组件、可观测指标、可验证输出与可审计流程的完整工程闭环
-
02 AI 生态位
位于模型能力与业务系统之间，负责能力编排、上下文管理、安全控制与质量保障
- 上游
- 依赖基础模型能力、Prompt 工程实践与数据准备流程
- 下游
- 为前端应用、业务系统、自动化流程与决策模块提供稳定可靠的 AI 服务
-
03 人的生态位
人类负责定义业务目标、设计交互范式、设定验收标准与持续优化策略
- 适合使用
- 需要构建可维护、可观测、可治理的 AI 应用或平台时
- 不必使用
- 仅需简单问答、一次性脚本或已有成熟 SaaS 方案满足需求时
-
04 独特价值
提供从原型到生产的完整工程路径，兼顾灵活性与可控性
需平衡模型不确定性、系统复杂度、安全合规与性能成本
- 复杂度判断
- 复杂度不是功能数量，而是控制与验证成本。
INTERFACE FLOW
谁在操作，信息怎样流动
-
WHO OPERATES
HUMAN负责需求定义、架构设计、质量验收与持续优化
SYSTEM负责能力调度、上下文管理、安全拦截与质量评估
-
INPUT
业务请求、用户上下文、外部数据源与配置参数
-
CONTROL
Prompt 模板、工具调用策略、上下文窗口、权限策略、评估指标
-
OUTPUT
结构化响应、可追溯日志、质量评分与可选的外部系统调用
COMPARE
下属主题怎么区分
| 维度 | 应用构建 | 系统能力 | 质量与治理 |
|---|---|---|---|
| 核心问题 | 如何搭建可维护的 AI 应用架构 | 如何扩展模型的基础能力边界 | 如何保障输出质量与系统安全 |
| 关注层级 | 应用层与交互层 | 能力层与中间件 | 治理层与运维层 |
| 典型产出 | 应用模板、组件库、部署方案 | 工具链、记忆模块、上下文策略 | 评估框架、监控面板、合规清单 |