AI 协作技能与工程师能力重构

• 是否理解提示工程的核心原则（明确、上下文、约束、角色）
• 能否说明工程化方法论（结构化、模板、评测、版本）
• 是否理解提示工程从"技巧"到"工程"的升级

Prompt Engineering 的核心原则包括：一是"明确具体"——prompt 要清晰、具体，减少歧义，明确"任务、目标、输入、输出格式"；二是"上下文充分"——提供足够的上下文（背景、约束、示例），让模型"理解意图"；三是"约束与边界"——明确"不能做什么、范围、格式、风格"，约束输出；四是"角色与场景"——用"角色设定"（你是一个资深工程师）引导模型"以特定视角"回答；五是"示例引导"——用"few-shot"示例示范"期望的输出样式"。工程化方法论：一是"结构化"——把 prompt 组织成"角色、任务、上下文、约束、示例、输出格式"的结构化模块，而非"一段话"；二是"模板化"——把常用 prompt 沉淀为"可复用模板"（带变量），提升一致性；三是"评测化"——用"评测集"测试、优化 prompt，用数据而非"感觉"评估；四是"版本化"——对 prompt 做"版本管理"，记录"改动与效果"，可回滚；五是"迭代化"——基于评测与反馈持续迭代 prompt。Prompt Engineering 从"技巧"到"工程"的升级，是把"写 prompt"从"个人经验"变成"结构化、可评估、可复用、可迭代的工程方法"，让提示质量"稳定、可衡量、可规模化"。

提示工程核心原则是"明确、上下文、约束、角色、示例"，工程化方法是"结构化、模板化、评测化、版本化、迭代化"。升级是从"个人技巧"到"结构化可评估可复用可迭代的工程方法"。

• 是否理解 Prompt 模板库（可复用、标准化）的价值
• 能否设计模板库的结构（分类、字段、最佳实践）
• 是否理解模板库的治理与迭代

设计可复用的 Prompt 模板库，核心是"把团队的提示经验沉淀为结构化、可复用、可治理的资产"，提升 AI 协作效率。设计方法：一是"分类组织"——按"任务类型"（代码、文档、设计、数据分析、代码评审）分类建立模板，让团队"按需取用"，避免"每次从零写"；二是"结构化模板"——每个模板包含"角色、任务、上下文、约束、示例、输出格式"等结构化字段（带变量），保证"一致性与可复用"；三是"最佳实践沉淀"——把"踩过坑、效果好"的 prompt 沉淀为模板，团队共享"什么样的 prompt 效果好"，避免"重复踩坑"；四是"命名与版本"——模板"命名规范、有版本号"，记录"适用场景与不使用场景"，便于管理与回溯；五是"评测与更新"——为模板建立"基线评测"，用数据持续优化，并随"模型、需求"更新模板。价值体现：一是"提效"——团队"直接用模板"，减少"重复写 prompt"的时间；二是"保质"——标准化模板保证"输出质量稳定"，避免"个人水平参差"；三是"传承"——模板库沉淀"团队智慧"，新人"快速上手"。核心是"让提示经验'资产化、标准化、共享化'"——把个人经验变成团队资产，用模板库提升整个团队的 AI 协作效率。

Prompt 模板库设计核心是"把提示经验沉淀为结构化、可复用、可治理的团队资产"：分类组织、结构化模板、最佳实践沉淀、命名版本、评测更新。价值是提效、保质、传承，让个人经验变团队资产。

• 是否理解"幻觉"（模型生成看似合理但错误的内容）的含义与风险
• 能否设计系统训练幻觉识别与纠正的方法
• 是否理解"识别幻觉"作为 AI 协作核心能力

幻觉识别与纠正能力，是"AI 协作中把住质量关"的核心能力，需系统训练。识别幻觉的方法：一是"证伪意识"——训练"对 AI 输出保持怀疑、主动求证"的习惯，不因"AI 说得流畅"就相信，而是"把每个关键断言当待验证项"；二是"事实核查"——对"关键事实、数据、引用、代码正确性"做"交叉验证"（查资料、跑测试、看 API 文档），用"外部验证"识别幻觉；三是"逻辑检查"——训练"检查 AI 输出的逻辑自洽性、与上下文一致性、有无互相矛盾"，识别"逻辑幻觉"；四是"边界意识"——了解"AI 的已知局限"（对不确定领域、虚构信息、专业性强的领域易幻觉），对"高风险断言"提高警惕。纠正能力训练：一是"追问与澄清"——遇到可疑输出，"追问依据、要求给来源、要求重新推理"，让模型"自证"；二是"交叉验证"——用"多源验证"（查证、跑测试、对比权威）确认"正确版本"，用"正确信息"纠正；三是"反馈改进"——把"纠正结果"反馈给 prompt/模型，持续改进；四是"兜底机制"——对"高风险幻觉"（医疗、法律、金融）设"人工复核/禁止自动采用"，守住底线。系统训练可"用'找错'练习、复盘真实幻觉案例、建立检查清单"来刻意训练。核心是"让'识别幻觉'成为'自动化习惯'，而非'事后的发现'"。

幻觉识别与纠正可系统训练：识别靠"证伪意识、事实核查、逻辑检查、边界意识"，纠正靠"追问澄清、交叉验证、反馈改进、兜底机制"。核心是让"识别幻觉成为自动化习惯"，把住 AI 协作的质量关。

• 是否理解"人机协作"中"放大器 vs 拐杖"的差别
• 能否设计人机分工与把关的工作流
• 是否理解"人主导、AI 执行"的协作原则

设计"人机协作工作流"使 AI 成为"放大器"而非"拐杖"，核心是"人主导、AI 执行、人把关"。设计原则：一是"任务分工"——把工作拆成"AI 擅长"（重复、生成、整理、初稿）与"人擅长"（问题定义、判断、设计、决策、把关），让 AI 做"执行"、人做"关键判断"；二是"人定义、AI 执行"——由人"定义任务、目标、约束、验收标准"，AI 负责"执行"，确保"方向与边界由人把控"；三是"人把关"——AI 产出必须"人审查、验收"，不直接采用，把"质量责任"留在人手里；四是"保留思考"——人负责"为什么、怎么做、好坏判断"，AI 负责"快速产出"，避免"人停止思考、依赖 AI"；五是"知识内化"——理解 AI 产出、能复现逻辑，而非"黑盒使用"，让"AI 放大能力"而非"替代能力"。判断"放大器 vs 拐杖"的标准：一是"离开 AI 能力是否还在"；二是"AI 是否放大你的判断而非替你判断"；三是"你是否理解产出"。设计目标是"人与 AI 形成'人的判断 + AI 的执行力'的协作"，让"人更强、AI 更有用"，而非"人依赖 AI、能力退化"。核心是"让 AI 成为'执行放大器'，人始终是'判断与责任主体'"。

人机协作工作流设计核心是"人主导、AI 执行、人把关"：任务分工、人定义 AI 执行、人审查验收、保留思考、知识内化。判断"放大器 vs 拐杖"的标准是"离开 AI 能力是否还在、是否放大判断而非替代判断"。

• 是否理解"狭义 Prompt 技巧"与"上下文工程"的区别
• 能否分析两者能力模型的差异（颗粒度、系统、工程）
• 是否理解"上下文工程"为何成为核心能力

上下文工程（Context Engineering）与狭义 Prompt 技巧的能力模型差异，是"从'单次提示词技巧'到'系统性上下文管理'"的升级。狭义 Prompt 技巧：聚焦"单次对话中如何写好一条 prompt"（措辞、角色、示例），能力模型是"语言表达与提示技巧"，颗粒度小、偏"一次性"；它像"写好一句话"，解决"单次输出质量"。上下文工程：聚焦"管理和构建模型接收的全部上下文"——包括"系统提示、检索到的知识、对话历史、工具结果、用户输入、结构化的上下文组装"，能力模型是"系统设计、知识组织、上下文装配、成本与召回权衡"，颗粒度大、偏"工程化"；它像"设计一个信息系统的输入"，解决"多次、复杂、生产级场景下的输出质量"。差异维度：一是"范围"——Prompt 技巧管"一条提示词"，上下文工程管"整个上下文系统"；二是"思维"——Prompt 技巧是"语言技巧"，上下文工程是"系统工程（检索、组装、沿革、结构化）"；三是"稳定性"——Prompt 技巧依赖"单次调优"，上下文工程靠"系统化、可复用、可评测"保证稳定；四是"价值"——随着 AI 应用复杂化，上下文工程（RAG、Agent 上下文、知识库）决定"生产级质量"，成为核心能力。上下文工程取代狭义 Prompt 技巧，因为"单条提示词技巧的上限有限，而上下文管理的上限决定 AI 应用质量"。

上下文工程与狭义 Prompt 技巧的差异是"从单次提示词技巧到系统性上下文管理"：范围（一条 vs 整个上下文系统）、思维（语言 vs 工程）、稳定性（单次 vs 系统化）、价值（上限有限 vs 决定生产级质量）。上下文工程成为核心能力，因为其上限决定 AI 应用质量。

• 是否理解"Agent 编排"（任务拆分、多 Agent 协作、验收）的含义
• 能否分析其作为新职业技能的定位
• 是否设计刻意训练的方法

Agent 编排能力将成为"AI 时代的新职业技能"，定位是"指挥与管理系统"的能力——它把"大任务"拆分成"子任务"，分配给多个 AI Agent 协作完成，并验收结果，类似"项目经理/指挥者"能力。它成为新技能的原因：AI 从"单次对话"走向"多 Agent 协作"，谁能"编排多个 Agent 高效协作、把住质量"，谁就掌握"AI 生产力"的核心。Agent 编排能力包括：一是"任务拆分"——把复杂任务拆成"可独立、可并行、可验收"的子任务，明确依赖与顺序；二是"Agent 分配"——为每个子任务选择/配置合适的 Agent（工具、角色、上下文），明确"谁做什么"；三是"编排与调度"——设计"Agent 协作流程"（并行、串行、汇合、规则），处理"中间结果与依赖"；四是"验收把关"——对每个 Agent 的产出"验收"（正确性、完整性、一致性），对不合格的"回退/重做"，把住"最终质量"。刻意训练方法：一是"刻意练习"——每周用"一个真实任务"，练习"任务拆分、Agent 分配、验收"，建立"编排直觉"；二是"复盘"——复盘"编排过程中哪里拆错、哪里验收漏、哪里协作不顺"，沉淀"编排方法论"；三是"系统学习"——学习"Agent 模式、编排框架、工具链"，理解"编排的工程实现"；四是"设计验收清单"——为常见任务建立"可判定的验收清单"，把"感觉不对"变成"可判定检查项"。核心是"让'指挥多个 Agent'成为'像管理团队一样'的成熟技能"，用刻意练习从"会调用"到"会编排"。

Agent 编排能力定位是"AI 时代指挥管理系统"的新职业技能，含"任务拆分、Agent 分配、编排调度、验收把关"。刻意训练靠"刻意练习真实任务、复盘、系统学习、设计验收清单"，从"会调用"到"会编排"。

• 是否理解"验收清单"（把主观判断变成可判定检查项）的价值
• 能否为代码、文档、设计分别建立验收清单
• 是否理解"可重复、可判定"的工程化评测

评测 AI 产出的工程化，核心是"把'感觉不对'的主观判断，变成'可判定、可重复'的检查项"。方法：一是"建立检查维度"——为每类任务定义"检查维度"（代码：正确性、安全性、可维护性、性能、边界；文档：准确性、完整性、可读性、结构；设计：需求匹配、可用性、一致性、可扩展性）；二是"细化为可判定项"——把每个维度细化为"能回答'是/否'的具体检查项"（如"代码是否处理了空输入边界""文档是否给出可运行的示例""设计是否覆盖了异常场景"），把"感觉不对"变成"可判定的条目"；三是"验收清单"——固化为一套"可重复使用的验收清单"，每次评测都按清单逐项检查，保证"一致、无遗漏、可追溯"；四是"分级与权重"——区分"必须项（阻断性）"与"加分项（优化性）"，明确"哪些不达标不能过"，避免"一刀切"；五是"评测闭环"——"AI 产出 → 按清单验收 → 记录问题 → 反馈改进 → 再验收"，形成闭环。为"代码、文档、设计"分别建清单，把"主观感觉"转化为"客观判定"，让"AI 产出评测"从"凭感觉"变成"有标准、可重复、可追溯"的工程。核心是"用'可判定的检查项'替代'模糊的主观判断'，让评测可重复、可落地"。

评测 AI 产出工程化，核心是"把主观判断变成可判定、可重复的检查项"：建立检查维度、细化为可判定项、形成验收清单、分级权重、评测闭环。用"可判定检查项"替代"模糊感觉"，让评测有标准、可重复、可追溯。

• 是否理解 AI 生成常规代码后工程师价值的迁移方向
• 能否识别不可替代价值（问题定义、系统设计、验证把关、跨域整合）
• 是否理解"不可替代价值"与"可替代价值"的区分

当 AI 能生成 70% 的常规代码，工程师的不可替代价值转移到"AI 生成不了、判断不了"的环节，集中在四个方面：一是"问题定义"——弄清"真正要解决什么问题、用户真实需求、边界与约束"，这是 AI 无法替代的"上游"，决定"做什么"；二是"系统设计"——决定"系统架构、模块划分、数据流、演进路径、取舍"，这是"设计"而非"实现"，AI 能生成代码但不会设计系统；三是"验证把关"——判断"AI 生成的代码是否正确、安全、可维护、符合需求"，这是"质量兜底"，AI 的产出质量需要人把关；四是"跨域整合"——把"系统、团队、业务、前后端、数据"整合起来，处理"跨系统、跨领域的复杂问题"，这是"粘合剂"能力。这四类价值的共同特征是"依赖判断、责任、情境、经验"，AI 无法替代。而"70% 的常规代码"（CRUD、样板、模板化实现）正是"可替代"的部分，其价值被压缩。工程师的价值迁移是"从写代码（可替代）转向设计、定义、把关、整合（不可替代）"——把人力从"可替代的生成"转移到"不可替代的决策与判断"。核心是"让工程师做'定义、设计、把关、整合'，让 AI 做'生成'，实现价值最大化"。

AI 生成 70% 常规代码后，工程师不可替代价值转移到"问题定义、系统设计、验证把关、跨域整合"四类依赖判断与责任的能力。可替代的"常规代码"价值压缩，工程师应把人力从"生成"转移到"决策与判断"。

• 是否理解团队 AI 工具使用规范（制度化、安全、一致）的价值
• 能否设计规范与最佳实践文档的内容
• 是否理解"规范"与"落地"的平衡

建立团队 AI 工具使用规范与最佳实践文档，核心是"把 AI 工具使用'制度化、安全化、一致化'"，让团队"安全、高效、一致"地用 AI。内容设计：一是"工具与准入"——明确"哪些 AI 工具可用、哪些不可用、审批流程"，管理工具准入与替换；二是"安全与合规"——明确"什么数据能输入 AI、什么不能（敏感、机密、合规）、数据脱敏要求"，守住安全底线；三是"使用规范"——明确"AI 用于什么场景、何时人工把关、哪些任务必须人工复核"，划定"AI 使用边界"；四是"最佳实践"——沉淀"好用的 prompt 模板、人机协作流程、验收清单、踩坑经验"，团队共享"怎么用 AI 效果好"；五是"质量与责任"——明确"AI 产出由谁负责、如何验收、出错如何追责"，守住质量与责任；六是"更新机制"——随"工具、模型、需求"定期更新规范与文档。建立方法：一是"共创"——邀请团队共同编写，让规范"接地气、可执行"；二是"案例化"——用"正反案例"说明"什么该做、什么不该做"，让规范"易懂可循"；三是"培训与宣贯"——配套培训、宣贯，让团队"知道、会用、遵守"；四是"落地与迭代"——规范不是"束之高阁"，要"落地、反馈、迭代"。核心是"让 AI 工具使用'有章可循、安全一致、可复现'"——规范保护安全与质量，最佳实践提升效率与一致性。

建立团队 AI 工具使用规范与最佳实践文档，核心是"制度化、安全化、一致化"：工具准入、安全合规、使用规范、最佳实践、质量责任、更新机制。靠"共创、案例化、培训宣贯、落地迭代"让规范可执行。

• 是否理解"人机协作"与"完全交给 AI"的任务划分
• 能否识别适合"人机协作"（需判断）与"交给 AI"（标准化）的任务
• 是否理解任务划分的原则

在 AI 辅助编程中，任务划分的原则是"按'判断含量'与'风险'区分"：高风险、需判断、需负责的任务人机协作，低风险、标准化、可复现的任务交给 AI。适合"完全交给 AI"的任务：生成样板代码、脚手架、标准化 CRUD、简单重构、单元测试初稿、格式化、文档注释、数据整理——这些"标准化、低风险、可批量验证"的任务，AI 能高效完成，人可放心交给 AI（但需抽查）。适合"人机协作"的任务：复杂业务逻辑、架构设计、需求澄清、疑难排障、性能优化、安全审査、关键代码评审、高风险变更——这些"需判断、需负责、风险高"的任务，应"人主导、AI 辅助"，由 AI 提供初稿/方案，人做判断、决策、把关。划分原则：一是"风险原则"——风险越高越要人机协作（AI 兜底、人把关）；二是"判断原则"——越依赖"业务理解、架构判断、取舍"越要人机协作；三是"可验证原则"——"可自动验证"（跑测试、格式检查）的任务可交给 AI，"难验证"（架构、安全）的任务要人机协作；四是"责任原则"——"责任重大"的任务（线上、核心、合规）必须人机协作。核心是"让 AI 做'标准化、低风险、可验证'的事，人来'判断、决策、把关注高价值'的事"——完全交给 AI 的需"可验证可抽查"，人机协作的需"人主导、人把关"。

AI 辅助编程的任务划分按"判断含量与风险"：标准化、低风险、可验证的任务交给 AI；复杂、需判断与责任、高风险的任务人机协作。原则是"风险、判断、可验证、责任"四维，AI 做执行、人做判断把关。

• 是否理解上下文工程在代码生成中的作用
• 能否设计提升代码生成质量的上下文（项目背景、规范、示例、边界）
• 是否理解"上下文质量决定输出质量"

在代码生成场景，上下文工程通过"给 AI 提供高质量、结构化的上下文"，显著提升输出质量。方法：一是"项目背景上下文"——提供"项目架构、技术栈、代码风格、目录结构、既有模块"等背景，让 AI "理解项目语境"，生成"贴合项目"的代码而非"通用代码"；二是"规范与约束上下文"——提供"编码规范、命名约定、编程约定、错误处理规范、安全要求"，让 AI 输出"符合规范"的代码；三是"示例上下文"——提供"同类代码的示例（few-shot）"，让 AI "模仿示例的风格与结构"，输出"一致、可读"的代码；四是"相关代码上下文"——提供"相关功能、被调用接口、相关数据模型"的代码，让 AI "理解依赖与上下文"，生成"正确集成"的代码；五是"边界与目标上下文"——明确"任务目标、输入输出、边界条件、验收标准"，让 AI "输出正确、清晰、可验收"的代码。上下文工程的关键是"把 AI 需要的'背景、规范、示例、依赖、边界'系统地提供给模型"，让 AI "站在正确的上下文上生成"——上下文越充分、越准确，输出质量越高、越少返工。反之，上下文不足会导致 AI "生成看似合理但脱离项目"的代码。核心是"上下文质量决定输出质量"，用上下文工程让 AI 的代码生成"更贴合、更规范、更正确"。

代码生成场景的上下文工程，是"提供项目背景、规范约束、示例、相关代码、边界目标"等高质量上下文，让 AI "站在正确上下文上生成"。上下文质量决定输出质量，充分准确的上下文让输出更贴合、更规范、更正确。

• 是否理解"复利型学习系统"（知识积累带来复利）的含义
• 能否设计个人知识库 + AI 的工作流
• 是否理解"知识资产化、可检索、可复用"的价值

构建"个人知识库 + AI 工作流"的复利型学习系统，核心是"把碎片学习沉淀为可检索、可复用、可复利的知识资产"。构建方法：一是"知识库沉淀"——用 Obsidian/Notion 建立个人知识库，把学习内容"结构化、链接化"沉淀（笔记、概念、案例、方法论），让知识"可积累、可关联"；二是"AI 接入"——把 LLM 接入知识库（用 AI 做"笔记整理、内容提炼、问答、关联、生成"），让 AI 成为"知识库的智能助手"；三是"复利工作流"——设计"输入 → 沉淀 → 检索 → 应用 → 再沉淀"的循环：学新知识→沉淀入库→用 AI 检索整合→应用到真实问题→再沉淀新收获，让知识"越积越多、越用越活"；四是"知识链接"——建立"知识间的链接"（概念关联、主题索引），让知识"不是孤岛"而是"网络"，产生"复利"（旧知识催生新洞见）；五是"可复用模板"——沉淀"可复用的方法论、模板、清单"，让知识"可复用、可套用"，提升复利。复利型学习系统的价值：知识"不会流失"（沉淀入库）、"容易检索"（AI 问答）、"能复利"（旧知识链接催生新洞见、可复用模板提升效率）。核心是"让学习'沉淀为资产、可检索、可复用、可复利'，而非'学了就忘'"，用"知识库 + AI"把个人学习变成"持续增值的复利资产"。

复利型学习系统靠"个人知识库沉淀 + AI 接入 + 输入沉淀检索应用再沉淀的循环 + 知识链接 + 可复用模板"。核心是"让学习沉淀为可检索、可复用、可复利的知识资产"，而非"学了就忘"。

• 是否理解"AI 原生工程师"与"传统工程师"工作流差异
• 能否分析从"写代码"到"写规格+评审"的转变
• 是否理解适应这一转变的方法

"AI 原生工程师"与传统工程师的工作流差异，核心是"从'手写实现'到'定义规格 + 评审产出'"。传统工程师工作流：需求 → 写代码 → 测试 → 交付，核心产出是"代码"，精力在"写代码"。AI 原生工程师工作流：需求 → 写规格（Spec）→ 让 AI 生成 → 评审 AI 产出 → 迭代 → 交付，核心产出是"规格 + 评审结论"，精力在"定义清楚、把好质量"。差异体现在：一是"产出重心"——从"代码"转向"规格（Spec）与评审结论"，Spec 要"清晰、可执行、可验收"；二是"能力要求"——从"写代码的核心能力"转向"定义规格、评审 AI 产出、纠错的能力"；三是"时间分配"——从"大量时间写代码"转向"大量时间定义规格、评审、迭代"；四是"工作方式"——从"人写机器执行"转向"人定义、AI 执行、人评审"。适应转变的方法：一是"训练写规格"——刻意练习"把需求写成清晰、完整、可验收的 Spec"（目标、约束、边界、验收标准），这是新工作流的"上游核心"；二是"训练评审 AI 产出"——练习"用验收清单审查 AI 代码，找出错误、风险、改进点"，这是"质量把关"；三是"转变心态"——从"以写代码为成就感"转向"以定义与把关为成就感"，接受"人与 AI 的分工"；四是"实践迭代"——在真实项目中"用写 Spec + 评审 AI 产出的流程"实践，逐步适应。核心是"从'代码执行者'转型为'规格定义者与质量把关者'，把精力从'写'转向'定义与评审'"。

AI 原生工程师与传统工程师的工作流差异是"从手写实现到定义规格+评审产出"：产出从代码转向 Spec 与评审结论，能力从写代码转向定义与把关。适应靠"训练写规格、训练评审、转变心态、实践迭代"。

• 是否理解 AI 协作核心技能组合（提示设计、工具编排、结果评估）
• 能否分析三者的权重分配
• 是否理解用项目证据证明掌握程度

AI 协作的核心技能组合是"提示设计、工具编排、结果评估"三者，权重分配的原则是"结果评估最重，提示设计与工具编排次之"。权重逻辑：一是"结果评估最重要"——AI 协作的最终价值是"产出质量"，而"评估 AI 产出是否正确、安全、达标"是核心中的核心，决定"质量责任"；二是"提示设计次之"——好的提示是"质量的起点"，但提示本身可被模板、迭代优化，权重次之；三是"工具编排再次"——编排工具、Agent 是"执行层面"，能提升效率，但"是否用对、用对了吗"靠评估，权重相对较低。三者关系是"提示设计定起点、工具编排提效率、结果评估保质量"，其中"评估"是"把住最终质量"的核心，权重最高。用项目证据证明掌握程度的方法：一是"结果证据"——用"项目中的质量成果"证明（如"主导的 AI 协作项目交付质量、准确率、上线无重大事故"），用"结果"证明"评估能力"；二是"过程证据"——展示"提示设计、工具编排"的过程（如"我设计的提示模板、搭建的 Agent 工作流、选用的工具"），体现"技能运用"；三是"方法论证据"——沉淀"评估清单、提示模板、编排流程"等可复用资产，证明"工程化掌握"；四是"量化证据"——用"效率提升、质量指标、返工率下降"等数据，量化"AI 协作能力"的价值。核心是"用'结果 + 过程 + 方法论 + 量化'的证据，证明'评估、提示、编排'三者的掌握程度"，而非空泛说"我会用 AI"。

AI 协作核心技能组合是"提示设计、工具编排、结果评估"，权重"评估最重、提示次之、编排再次"，因为评估把住最终质量。证明掌握靠"结果证据、过程证据、方法论证据、量化证据"，而非空泛自称。

• 是否理解 Prompt 策略评估需"指标 + 对照"而非"感觉"
• 能否设计 Prompt 的 A/B 测试机制
• 是否理解"评测集 + 对照实验"的评估方法

评估不同 Prompt 策略的效果，核心是"用指标 + 对照实验，而非凭感觉"。方法：一是"建立评测集"——准备一组"代表性输入 + 期望输出/标准"的评测集，作为评估 Prompt 的"基准"，让评估"可量化、可重复"；二是"定义指标"——按任务定义"评估指标"（准确率、相关性、有用性、格式符合率、安全合规率、错误率），让"效果好"可量化；三是"A/B 测试机制"——对"不同 Prompt 策略"（A 版本 vs B 版本）在"同一评测集"上对照测试，用"相同输入、不同 Prompt"对比输出，用"指标对比"判定哪个更好；四是"控制变量"——A/B 测试时"只改变要测的变量"（如提示措辞、结构、示例），保持其他一致，确保"差异归因于被测变量"；五是"统计与迭代"——用"多次测试"避免偶然性，基于"指标结果"选择"更优策略"，并持续迭代（再测新策略）。此外：A/B 测试可在"线上灰度"（小流量对比真实效果）与"离线圈测"（评测集对比）结合，兼顾"离线可控"与"线上真实"。核心是"让 Prompt 优化从'凭感觉'变为'数据驱动'：用评测集 + 指标 + A/B 对照，让'哪个 Prompt 更好'有数据答案"。

评估 Prompt 策略效果靠"评测集 + 指标 + A/B 对照"：建评测集、定义指标、控制变量做 A/B 测试、统计迭代。核心是"让 Prompt 优化数据驱动"，用对照实验替代凭感觉，并用线上灰度与离线评测结合。

• 是否理解"执行者"到"AI 驱动者"的能力重构方向
• 能否设计分阶段训练（任务定义、验收把关、结果负责）
• 是否理解"能力重构"的进阶路径

从"执行者"到"AI 驱动者"的能力重构，核心是"从'执行'转向'定义、把关、负责'"。分阶段训练：第一阶段"任务定义能力"——训练"把模糊需求/目标清晰定义成可执行、可验收的任务"（明确目标、约束、边界、验收标准），这是"AI 驱动者"的"上游能力"，可用"写任务说明、拆解需求"练习；第二阶段"验收把关能力"——训练"审查 AI 产出、判断正确性、发现错误、评估质量"的能力（建立验收清单、练习评审 AI 产出），这是"质量兜底"，可用"用验收清单评审 AI 产出、找错"练习；第三阶段"结果负责能力"——训练"为最终结果负责"的能力（从"完成任务的执行"到"对结果质量、责任、影响负责"），把"AI 驱动"的成果与责任绑定，可用"主导完整项目、承担结果负责"练习。三阶段进阶逻辑是"先学会定义（知道做什么）→ 再学会把关（知道好不好）→ 最后学会负责（为结果担当）"——从"执行者"逐步升级为"定义者、把关者、负责者"。训练方法：每阶段用"真实任务 + 刻意练习 + 反馈复盘"，逐步建立"AI 驱动者"的能力体系。核心是"能力重构不是'更会执行'，而是'从执行上升到定义、把关、负责'——这是 AI 时代工程师的价值跃迁"。

从执行者到 AI 驱动者分三阶段：任务定义（学会定义做什么）→ 验收把关（学会判断好不好）→ 结果负责（学会为结果担当）。用"真实任务+刻意练习+反馈复盘"进阶，是"从执行上升到定义、把关、负责"的价值跃迁。

• 是否理解"面向 AI 的任务委托书"（给 AI 的任务说明）的结构
• 能否设计背景、约束、验收标准、禁止项的组织
• 是否理解与"给人看的需求文档"的差异

面向 AI 的任务委托书，核心是"用 AI 能理解、能执行的方式组织任务"，结构应包含：一是"背景"——说明"任务目的、上下文、为什么做"，让 AI 理解"意图"；二是"约束"——明确"技术栈、规范、限制、不能越界"的约束，让 AI "在约束内执行"；三是"验收标准"——明确"什么样的产出算合格"（可判定、可测试、可验证），让 AI "知道目标"；四是"禁止项"——明确"不能做什么"（禁止的边界、禁止的行为、安全红线），让 AI "守住底线"。与"给人看的需求文档"的差异：一是"精确性"——给 AI 的委托书要"更精确、更结构化、更可执行"，因为 AI 不会"脑补、澄清"，而人可"理解意图、追问"；二是"显式化"——给 AI 的要"显式写出约束、验收、禁止项"（人可心领神会，AI 需显式说明）；三是"无歧义"——给 AI 的要"消除歧义"（AI 不擅长老练的"言外之意"），尽量"明确具体"；四是"格式结构"——给 AI 的倾向"结构化、模块化"（便于 AI 解析），给人看的可"灵活叙述"；五是"验收导向"——给 AI 的"验收标准要可判定"（AI 能自测），给人看的"验收靠人理解"。核心是"面向 AI 的委托书是'给机器的指令'，要精确、显式、可执行、可验收，而非'给人看的文档'的模糊灵活"。

面向 AI 的任务委托书结构含"背景、约束、验收标准、禁止项"，与给人看的需求文档差异是"更精确、显式、无歧义、结构化、验收导向"。因为 AI 不会脑补澄清，需显式说明，是"给机器的指令"而非"给人看的文档"。

• 是否理解 AI 输出质量下降的多种原因（上下文、模型、工具、数据）
• 能否设计系统排查的方法（定位、隔离、验证）
• 是否理解"系统定位"而非"盲目重写"的排查

AI 输出质量下降时，应"系统定位"而非"盲目重写提示词"，因为原因可能不在提示词，而在"上下文、模型、工具、数据"等。系统排查方法：一是"建立基线"——先确认"之前正常时的基线"（当时的 prompt、模型、上下文、数据版本），作为对照；二是"分级排查"——按"外部因素 → 内部因素"逐层排查：先查"模型版本"（是否升级/更换了模型，新模型行为可能不同）、再查"上下文变化"（输入上下文、知识库、系统提示是否变化）、再查"工具行为"（工具、插件、参数、环境是否变化）、再查"数据"（评测集、输入数据是否变化）；三是"隔离变量"——用"控制变量"逐个隔离（保持其他不变，只改一个变量，看是否恢复/恶化），定位"变化源头"；四是"回滚验证"——若怀疑"某因素变化"，回滚到"旧版本"验证，确认是否是该因素；五是"记录与对比"——记录"每次变化的版本、上下文、输出"，用"对比"定位差异，而非"凭感觉"。只有"定位到具体原因"后，才针对性处理（如模型版本变了导致行为变化，则调整 prompt 或退回旧模型；上下文变了则修正上下文），而非"盲目重写"。核心是"用'系统排查、隔离变量、回滚验证'定位质量下降的根因，而非'闭眼重写提示词'"。

AI 输出质量下降排查要"系统定位"而非"盲目重写"：建立基线、分级排查（模型/上下文/工具/数据）、隔离变量、回滚验证、记录对比。定位根因后再针对性处理，避免瞎改提示词。

• 是否理解"人工 vs 自动化"的边界划分原则
• 能否识别需要人工（判断、责任、情感）与自动化（重复、规则、低风险）的场景
• 是否理解"边界"的动态性

AI 协作的边界划分，核心是"按'判断含量、风险、责任、情感、可验证性'区分"。适合"自动化"（交给 AI）：重复、规则化、标准化、低风险、可验证的任务（生成样板、整理、格式化、基础问答、可自动测试的代码），因为"AI 能高效完成、可验证、出错代价低"。适合"人工"（人主导）：高风险、需判断、需责任、涉及情感与人际、不可验证的任务（架构决策、重大业务决策、医疗/法律/金融专业判断、客户沟通、责任兜底、伦理判断），因为"这些需要人的判断、责任与温度"。边界划分原则：一是"风险原则"——出错代价高则人工，代价低可自动化；二是"责任原则"——需负责、不可让渡责任的环节人工；三是"判断原则"——依赖复杂判断、情境理解的环节人工；四是"可验证原则"——可自动验证的自动化，难验证的人工；五是"情感原则"——涉及情感、人际、关怀的环节人工。同时边界是"动态"的——随"AI 能力提升、验证机制完善、风险降低"，原本需人工的环节可逐步自动化（渐进式），但"责任、伦理、高风险"的底线始终保留人工。核心是"让 AI 做'可自动化、可验证、低风险'的事，人做'判断、责任、情感、高风险'的事"，并用"动态 + 保底"调整边界。

AI 协作边界按"判断、风险、责任、情感、可验证"划分：重复规则低风险可验证的自动化，高风险需判断责任情感的环节人工。边界是动态的（AI 能力提升可渐进自动化），但"责任伦理高风险"底线始终保留人工。

• 是否理解"草稿模型 + 审查模型"的多模型分工模式
• 能否设计"组合优于单模型"的实验条件
• 是否理解多模型分工的权衡（成本、质量、延迟）

多模型分工策略是"草稿模型 + 审查模型"的组合：用"草稿模型"（低成本、快速）生成初稿，用"审查模型"（更强、更严）审查、纠正、润色，发挥"快模型提效 + 强模型把关"的互补。组合方式：一是"生成-审查"——草稿模型生成初稿，审查模型审查（找错、改进、润色），适合"质量要求高、成本敏感"的任务；二是"草稿-关键"——简单部分用草稿模型、关键/复杂部分用强模型，按"难度分流"；三是"多轮迭代"——草稿模型生成 → 审查模型反馈 → 草稿模型修改，多轮提升质量。评估"组合优于单模型"的实验条件设计：一是"对照实验"——"组合（草稿+审查）vs 单模型（只用强模型、只用草稿模型）"在"同一评测集"上对比，用"质量指标"（准确率、错误率、相关性）衡量；二是"成本对比"——同时衡量"成本"（token 成本、延迟），因为"组合"的价值可能是"质量相近但成本更低"或"成本相近但质量更高"，需综合评估"质量 + 成本"的性价比；三是"控制变量"——实验时"固定评测集、任务、参数"，只改变"模型组合"，确保差异归因于"组合策略"；四是"多轮统计"——多次实验、统计结果，避免偶然性；五是"边界条件"——评估"组合在哪些任务类型上优于单模型、哪些不优于"，明确"组合"的适用边界。核心是"用'质量 + 成本 + 对照'评估'组合优于单模型'，而非盲目认为'多模型一定更好'"。

多模型分工是"草稿模型生成 + 审查模型把关"的组合，发挥"快模型提效 + 强模型把关"互补。评估"组合优于单模型"要设计"同评测集对照、质量+成本综合、控制变量、多轮统计、边界条件"的实验。