岗位导向交付线总览¶

目标：把“我学过很多内容”升级成“我能交付一个岗位真正需要的成果包”。

一、什么是岗位导向交付线¶

岗位导向交付线不是再开一套新教程，而是把现有教程里的知识，按岗位招聘的真实验收方式重新组织。

一条合格的交付线，最终必须沉淀出：

1. 需求文档
2. 架构图
3. SLO / 关键指标
4. 压测或 benchmark 报告
5. 成本报告
6. 故障复盘
7. 上线记录
8. 简历条目
9. 面试讲解稿

如果缺这组材料，你做的更像“学习项目”；
如果有这组材料，你做的才更像“可被招聘经理验证的交付成果”。

二、为什么这比“做几个项目”更重要¶

很多人都会做项目，但大多数项目有 3 个共性问题：

• 只有代码，没有评测
• 只有效果，没有成本和稳定性
• 只能“展示”，不能“证明”

岗位导向交付线的作用，就是让你从一开始就带着招聘视角做项目：

• 这个项目对应什么岗位？
• 面试官会怎么验证？
• 我最终要拿什么证据出来？

三、三条主线¶

这三条线不是三套互不相干的课程，而是三种不同岗位会验收你的方式。

3.1 AI 应用工程交付线¶

适合岗位：

• LLM 应用工程师
• Agent 工程师
• AI 产品工程师
• RAG / 企业 AI 应用工程师

核心关键词：

• RAG
• Agent
• 评测
• 安全护栏
• 用户体验
• 线上迭代

对应文档：

• 02-AI应用工程交付线

3.2 AI 基础设施交付线¶

适合岗位：

• AI 系统工程师
• 推理服务工程师
• AI Infra 工程师
• LLM 性能优化工程师

核心关键词：

• 推理服务
• GPU
• 延迟 / 吞吐
• KV Cache
• 量化
• 可观测性

对应文档：

• 03-AI基础设施交付线

3.3 数据与平台工程交付线¶

适合岗位：

• 数据平台工程师
• MLOps / ML Platform 工程师
• 特征平台工程师
• 检索 / 在线服务工程师

核心关键词：

• 流批一体
• 特征平台
• 检索与索引
• 在线服务
• 数据质量
• Pipeline

对应文档：

• 04-数据与平台工程交付线

四、所有交付线共享的最小交付包¶

project-delivery/
├── 01-requirements.md
├── 02-architecture.md
├── 03-metrics-slo.md
├── 04-benchmark.md
├── 05-cost-report.md
├── 06-release-log.md
├── 07-postmortem.md
├── 08-resume-bullets.md
└── 09-interview-script.md

推荐直接复用：

• 05-统一交付模板包
• 06-需求文档模板
• 07-架构图与技术设计模板
• 08-SLO与评测指标模板
• 09-压测与Benchmark模板
• 10-成本报告模板
• 11-发布记录与回滚模板
• 12-事故复盘模板
• 13-三条交付线样板目录

最低验收标准：

• 需求文档能说清场景、用户、输入输出、验收指标
• 架构图至少包含入口、核心组件、存储、监控、异常路径
• 指标与 SLO 至少覆盖效果、系统、成本三类
• benchmark 有 baseline、有对比、有结论
• 有灰度与回滚记录
• 有至少 1 个故障或 bad case 复盘
• 有可直接进入简历和面试的话术

这组文档不是项目结束后的“整理动作”，而是从第 1 周开始就要同步维护的主线产物。

五、怎么选主线¶

对你当前情况，推荐优先级：

1. AI 应用工程交付线
2. AI 基础设施交付线
3. 数据与平台工程交付线

执行规则：

• 主线只选 1 条
• 副线最多 1 条
• 另一条先只看框架，不做完整交付包

否则会出现“每条线都沾一点，但没有一条能拿出去面试”的问题。

六、与站内其他模块的关系¶

结论¶

岗位导向交付线不是“多做文档”，而是让你从一开始就按岗位的验收方式做项目。
每做一个核心项目，都应该问自己一句：

这个项目最后能不能沉淀成一套完整交付包？