掌握 AI 应用的四大核心技术：提示词工程、RAG、Agent 和 AI 评测——这是构建生产级 AI 应用的基础能力。

前置知识

• 模型是怎么工作的 — 理解 LLM 的能力边界（token 生成、temperature、上下文窗口）
• 推理引擎与量化 — 理解推理服务的延迟和成本约束
• 什么是 FDE — 理解 FDE 岗位的职责范围

为什么需要学这个

模型部署只是第一步。要让 LLM 产生业务价值，FDE 还需要掌握应用层的核心能力：

• 控制输出质量 ：同样的模型，不同 Prompt 的输出差异巨大
• 注入私有知识 ：LLM 的训练数据不包含你的业务信息，RAG 是桥梁
• 实现自主行动 ：Agent 让 AI 从"对话工具"变成"自动化执行者"
• 保证系统可靠 ：没有评测体系，AI 的每一次迭代都是盲盒

这四门技术是 FDE 向"应用层"延伸的核心能力，也是面试中高频考察的部分。

本模块学习地图

核心概念速览

这四门技术构成了 AI 应用开发的完整闭环：

面试视角

学完本模块后，你应该能够...

• 设计生产级 Prompt 模板并减少幻觉
• 构建 RAG 系统并优化检索质量
• 解释 Agent 的核心组件（规划、记忆、工具）
• 设计 AI 系统的评测方案（精度 + 性能 + 安全）