AI 工程化题库

这部分是 AI 后端岗位、平台岗位、技术总监面非常重要的一块。

你最稳的说法是：

我的强项不是训练模型，而是把 AI 能力服务化接入业务系统，并把上下文、超时、重试、降级、日志、审计和联调治理一起做好。

一、什么是 AI 工程化

AI 工程化是把模型能力从“能跑 demo”变成“能稳定服务业务”的过程，包括模型接入、服务化、工作流编排、上下文治理、评估、监控、灰度、版本管理和运维治理。

我一般会分成几层：

因为模型推理和业务逻辑的生命周期、资源特征、扩缩容方式都不同。

Prompt 工程的重点不是花哨措辞，而是把任务目标、上下文、约束条件、输出格式和失败处理设计清楚。

你要会讲：

我会先把几件事约定清楚：

我更多是在 AI 能力服务化接入和研发流程工程化这一侧，不是模型训练 owner，但我对模型能力如何进入业务系统、如何做上下文、超时、降级、评估和联调有比较深的实践。

模型能力本身存在不确定性，所以除了正常接口治理，还要额外关注输出稳定性、评估、版本路由和 badcase 回流。

我对 AI 工程化的理解，不是把模型接上就结束，而是要把模型能力和业务系统之间的那层服务化、编排、超时、降级、日志、评估和版本治理做好。我的强项也主要在这层，把 AI 从能跑变成能稳定落地。