AI 应用工程交付线¶

面向岗位：RAG 工程师、Agent 工程师、LLM 应用工程师、企业 AI 应用工程师

一、这条线的目标¶

最终交付一个可以支撑求职的 AI 应用成果包，证明你不只是“会调 API”，而是能做：

优先项目：

推荐参考：

目标项目	站内起点	这条交付线要补的材料
企业知识库 RAG	LLM应用/实战项目/01-RAG知识库问答系统	评测集、RAGAS/人工抽检、SLO、成本、bad case 复盘
Agent 工作流	LLM应用/实战项目/02-AI-Agent工作流	工具调用成功率、回滚策略、发布记录、面试讲稿
Deep Research Agent	AI Agent开发实战/13-深度研究Agent	多步搜索评测、报告质量评审、失败样例、产品化说明
手写 Agent 框架	AI Agent开发实战/11-从零构建Agent框架	架构图、协议设计、性能对比、扩展性 trade-off
Agent 生产部署	AI Agent开发实战/06-Agent生产部署	灰度、监控、回滚、线上事故复盘

文件	你要回答的问题
06-需求文档模板	用户是谁、痛点是什么、为什么要做
07-架构图与技术设计模板	检索、模型、缓存、日志、监控怎么串起来
08-SLO与评测指标模板	怎么定义效果变好、系统稳定、成本可控
09-压测与Benchmark模板	baseline 是什么，RAGAS / LLM-as-Judge 怎么跑
10-成本报告模板	单请求成本、缓存收益、模型路由收益
11-发布记录与回滚模板	如何灰度、如何回滚
12-事故复盘模板	一个真实 bad case 或线上事故
量化简历条目与项目包装模板	可直接进简历的量化条目
项目交付资产打包清单	GitHub / 文档 / 演示链接
14-AI应用工程完整交付包样板	一份可直接照着改成自己项目的完整交付包参考

关键指标建议至少包含：

用这些材料证明不是：

你必须能解释：

你必须能说清：

理由：

理由：

AI 应用工程交付线的关键，不是“做出一个聊天页”，而是证明你能把一个 AI 应用从原型推进到可评估、可发布、可复盘的状态。