# 1. Prompt Engineering 的核心原则与工程化方法论是什么？ A Prompt 只需一段话，无需结构化 B 核心原则是明确、上下文、约束、角色与示例，工程化方法是结构化、模板化、评测化、版本化 ✓ 正确答案 C Prompt 质量无法评估 D 提示工程只是写一段提示词，无需迭代
# 2. 如何设计可复用的 Prompt 模板库以提升团队 AI 协作效率？ A 每个成员都应各自写 prompt，无需共享 B 模板库只需创建，无需更新 C Prompt 模板无法标准化 D 应分类组织、结构化模板、沉淀最佳实践、评测更新，把提示经验变为团队资产 ✓ 正确答案
# 3. AI 协作中的"幻觉识别与纠正"能力应如何系统训练？ A AI 输出可信，无需识别幻觉 B 幻觉无法识别，只能接受 C 应训练证伪意识、事实核查、逻辑检查，并用追问澄清、交叉验证与兜底机制纠正幻觉 ✓ 正确答案 D 无需怀疑 AI 输出，直接采用
# 4. "人机协作工作流"应如何设计，使 AI 成为能力放大器而非依赖拐杖？ A 应让 AI 全权负责，人只负责验收 B 人机协作应让 AI 替代人的思考 C 应"人主导、AI 执行、人把关"，人定义任务与验收、保留思考，让 AI 放大判断而非替代判断 ✓ 正确答案 D 人机协作无需人把关
# 5. 上下文工程为何正在取代狭义 Prompt 技巧成为核心能力，两者的能力模型差异是什么？ A 两者能力模型完全相同 B 上下文工程是"系统性上下文管理"（检索、组装、结构化），狭义 Prompt 技巧是"单次提示词技巧"，前者更决定生产级质量 ✓ 正确答案 C 上下文工程只是 Prompt 技巧的另一种叫法 D 狭义 Prompt 技巧比上下文工程更核心
# 6. Agent 编排能力（把任务拆给多个 AI Agent 并验收结果）会成为怎样的新职业技能？如何刻意训练？ A Agent 编排只需调用一个 Agent 即可 B Agent 编排能力无法训练 C 多 Agent 协作无需编排 D Agent 编排是"指挥管理系统"技能，含任务拆分、Agent 分配、编排调度与验收把关，靠刻意练习与复盘训练 ✓ 正确答案
# 7. 评测 AI 产出的工程化如何为代码、文档与设计建立可重复验收清单，把“感觉不对”变成可判定检查项？ A 应为代码/文档/设计建立检查维度并细化为可判定检查项，形成可重复验收清单与评测闭环 ✓ 正确答案 B AI 产出质量只能靠感觉判断 C 验收清单无法标准化 D 评测 AI 产出无需标准
# 8. 当 AI 能生成 70% 的常规代码时，工程师的不可替代价值转移到哪里（问题定义、系统设计、验证把关、跨域整合）？ A 工程师的价值仍是写代码，与 AI 相同 B AI 能生成 70% 代码，工程师就没有价值了 C 常规代码价值对冲不可替代价值 D 不可替代价值转移到问题定义、系统设计、验证把关、跨域整合等依赖判断与责任的环节 ✓ 正确答案
# 9. 如何建立团队的 AI 工具使用规范与最佳实践文档？ A 团队应自由使用 AI 工具，无需规范 B 应明确工具准入、安全合规、使用规范、最佳实践与质量责任，并配套培训与迭代 ✓ 正确答案 C 规范只需创建，无需落地 D AI 工具使用无需考虑安全合规
# 10. AI 辅助编程中，哪些任务适合"人机协作"、哪些应完全交给 AI？ A 所有任务都应完全交给 AI B 所有任务都应人机协作，无差别 C 标准化低风险可验证任务交给 AI，复杂需判断高责任任务人机协作，人负责判断与把关 ✓ 正确答案 D 交给 AI 的任务无需抽查
# 11. 在代码生成场景中，如何通过上下文工程（Context Engineering）提升 AI 输出质量？ A 代码生成质量只取决于模型，与上下文无关 B 上下文工程无法影响代码质量 C 上下文越少越好，避免干扰 D 应提供项目背景、规范约束、示例、相关代码与边界目标等上下文，上下文质量决定输出质量 ✓ 正确答案
# 12. 个人知识库 + AI 工作流（如 Obsidian/Notion + LLM）如何构建复利型学习系统？ A 学习只需记忆，无需知识库 B 知识库与 AI 无关 C 应把知识结构化沉淀入库、接入 AI 检索整合、建立知识链接与可复用模板，让学习复利增值 ✓ 正确答案 D 复利型学习系统无法构建
# 13. "AI 原生工程师"与传统工程师的工作流差异如何适应从写代码到写规格与评审 AI 产出的转变？ A 两者工作流完全相同 B AI 原生工程师从"手写实现"转向"定义规格+评审产出"，需训练写规格、评审与把关能力 ✓ 正确答案 C AI 原生工程师仍以写代码为核心 D 写规格与评审无需训练
# 14. AI 协作的提示设计、工具编排与结果评估核心技能权重如何分配，怎么用项目证据证明掌握程度？ A 提示设计权重最高，评估无关紧要 B 工具编排权重最高 C 结果评估权重最高（把住质量），提示设计与工具编排次之，用结果过程方法论量化证据证明 ✓ 正确答案 D 掌握程度无法用证据证明
# 15. 如何评估不同 Prompt 策略的效果并建立 A/B 测试机制？ A Prompt 好坏只能凭个人感觉判断 B 应建立评测集、定义指标、控制变量做 A/B 对照测试，并统计迭代，让优化数据驱动 ✓ 正确答案 C A/B 测试无需控制变量 D 评测集与指标没有必要
# 16. 从执行者到 AI 驱动者的能力重构路径中，任务定义、验收把关与结果负责如何分阶段训练？ A AI 驱动者仍是执行者，只需更会执行 B 应分阶段训练任务定义、验收把关、结果负责，从执行上升到定义、把关、负责 ✓ 正确答案 C 能力重构只需学更多工具 D 任务定义与验收把关无需训练
# 17. 面向 AI 的任务委托书如何组织背景、约束、验收标准与禁止项，与给人看的需求文档有何差异？ A 面向 AI 的任务委托书与给人看的需求文档完全相同 B 应组织背景、约束、验收标准、禁止项，且比需求文档更精确、显式、可执行，因为 AI 不会脑补澄清 ✓ 正确答案 C 面向 AI 的委托书可以模糊，AI 会理解 D 禁止项无需写，AI 会自觉遵守
# 18. AI 输出质量下降如何排查，从上下文变化、模型版本与工具行为等因素系统定位而非盲目重写提示词？ A 质量下降时直接重写提示词即可 B 质量下降只与提示词有关 C 应建立基线，分级排查模型/上下文/工具/数据，隔离变量并回滚验证，定位根因再处理 ✓ 正确答案 D 系统排查浪费时间，凭感觉改更快
# 19. AI 协作的边界如何划分，何时人工、何时自动化？ A 所有任务都应交给 AI 自动化 B 边界固定不变，无需调整 C 所有任务都应人工完成 D 应让 AI 做重复规则低风险可验证的任务，人做高风险需判断责任情感的环节，边界动态且保底人工 ✓ 正确答案
# 20. 多模型分工策略中草稿模型与审查模型如何组合，验证“组合优于单模型”的实验条件怎么设计？ A 多模型组合一定优于任何单模型 B 组合评估无需考虑成本 C 所有任务都应只用一个模型 D 草稿模型生成、审查模型把关的组合发挥互补，评估"组合优于单模型"需对照质量+成本并控制变量 ✓ 正确答案
