AI / 智能体工程师
超越提示词：构建检索、工具、评测和足够可靠、可上线的智能体循环。
路线进度
0% 0 / 8 个步骤已完成
如何解读信号
重要性 高 市场需求 中 自动化风险 低
- 1
LLM 基础
Token、上下文窗口、温度、嵌入向量。先懂原语，再用框架。
重要性 高 市场需求 高 自动化风险 低 - 2
提示与上下文工程
用文字做系统设计：结构、少样本、输出格式。越来越多由模型自身辅助完成。
重要性 高 市场需求 高 自动化风险 中 - 3
检索增强（RAG）
切块、嵌入、向量库、混合检索 + 重排。如今大部分真实价值所在。
重要性 高 市场需求 高 自动化风险 低 - 4
工具 / 函数调用
让模型行动：模式定义、校验、安全执行。从对话到软件的桥梁。
重要性 高 市场需求 高 自动化风险 低 - 5
智能体循环与编排
规划—行动—观察、记忆、多步任务、MCP。难以做到可靠 —— 而这正是护城河。
重要性 高 市场需求 高 自动化风险 低 - 6
评测与护栏
数据集、以 LLM 为评审、回归测试、安全过滤。不度量就无法改进。
重要性 高 市场需求 高 自动化风险 低 - 7
部署与成本控制
流式、缓存、跨提供商的回退、token 预算。在生产中做到又快又省。
重要性 中 市场需求 高 自动化风险 中 - 8
安全与负责任的 AI
提示注入、PII 处理、不夸大其词。交付你能负责的东西。
重要性 高 市场需求 中 自动化风险 低