JimmyVGDY 通用 AI 工程技能
定位
用于跨语言、跨模型提供方的 AI 应用与推理工程。核心规则处理不可信模型输出、调用契约、权限、状态、评测、成本和恢复；具体能力按模型集成、RAG、Agent、GPU/多模态和质量专项渐进加载。
最小充分加载
- 开始实质分析或修改前读取
references/ai-core-rules.md。 - 只加载当前问题需要的专项：
- 模型调用、流式响应和结构化输出：
references/model-integration-structured-output.md - RAG、Embedding、检索权限与评测：
references/rag-retrieval-evaluation.md - Agent、工具调用和工作流：
references/agent-tool-workflows.md - 推理 Worker、GPU、多模态和生成任务：
references/inference-gpu-multimodal.md - AI 质量、安全、成本和可观测性：
references/ai-quality-security-observability.md
- 模型调用、流式响应和结构化输出：
- 从依赖、配置、调用代码、请求响应契约、任务状态和实际运行证据确认模型提供方、模型版本、SDK、同步/异步、流式方式、输入输出和部署形态；不得只凭项目名称或文件名推断。
- 多模型、多提供方或多模态链路先划分每个调用的能力、数据、成本与失败边界，不一次加载无关专项。
强制边界
- 模型输出、检索结果和工具返回都是不可信输入；金额、权限、状态、代码、命令和外部动作必须程序化校验并按风险取得人工确认。
- AI 负责模型/RAG/Agent 语义、评测和生成任务成功边界；语言 SDK、Web API、普通 Worker 和业务事务组合
$backend-engineering。 - 向量数据库引擎、对象存储、MQ、GPU 资源、容器、Kubernetes 和网络机制组合
$data-middleware-infrastructure。 - 浏览器端流式展示、生成进度和交互状态组合
$frontend-engineering。 - 不把一次非空输出当作成功，不用无限重试掩盖契约、权限、容量或模型不兼容，不因 AI 任务自动引入 Agent、RAG、向量库或 GPU。
- 修改运行行为时组合
$engineering-quality-delivery；以日志、Trace、模型耗时或资源指标为主要证据时组合$log-observability-analysis。 - 技能激活不能扩大模型调用、付费 API、文件修改、Git、部署、生产或数据写入授权。
模型与委派成本
- 调用位置、配置、模型清单、Schema 和状态字段定位优先
luna-low；明确的输出校验、错误分类和用例检查使用luna-medium。 - RAG 数据流、Agent 权限、生成状态机和普通多模型路由使用
terra-medium；高风险工具执行、跨租户检索、不可逆生成副作用和复杂 GPU 调度才使用terra-high。 - 子 Agent 不接收无关 Prompt、模型输入输出、敏感文档或完整生产日志，只返回结构化证据和未验证项。
核心原则
先确认模型能力、调用契约、数据与权限边界，再建立可验证的成功标准、失败收敛和成本上限；AI 结果必须经过确定性系统约束才能进入业务事实或执行链路。