AI工程实战路线图

AI工程实战路线图是 Alexey Grigorev 基于大规模数据分析（2445+ 职位 JD、5694+ 职责描述、4525+ 实际用例）提炼出的 AI 工程师技能框架。其核心论点是：AI 工程师的价值不在于训练模型，而在于利用现有 LLM 构建生产级系统，80% 的工作产出由 20% 的核心技能决定。

核心技能

1. LLM 基础：理解 Transformer、注意力机制、Tokenization 原理；熟练调用主流 LLM API；掌握结构化输出和 Prompt Engineering。
2. RAG（检索增强生成）：企业 AI 应用的"脊梁"，通过检索私有数据解决知识过时和幻觉问题。
3. AI Agent：模型调用工具、执行步骤、迭代观察并自主完成复杂任务的系统。
4. 测试 AI 系统：用数据驱动的方式衡量输出质量与行为稳定性。
5. 监控与可观测性：从 Demo 到 Production 的分水岭，追踪系统行为、成本和性能。
6. 评估（Evaluation）：从"感觉不错"到"数据说话"的关键，建立可持续迭代机制。
7. 生产系统构建：将原型转化为可稳定调用、多人使用、持续监控、安全维护的服务。

与现有维基的连接

该路线图极大地强化了 [[you-are-not-using-agent-you-are-leading-ai-junior-engineers]] 中关于"AI 初级工程师"的论点，提供了更系统化的技能框架。它扩展了 [[why-enterprise-all-in-ai-dies-in-two-months-20260425]] 中关于企业 AI 转型失败的原因，指出缺乏系统化工程能力（测试、监控、评估）是根本原因之一。