# AI Team Building

> 应用从 AI for Everyone 蒸馏出的「AI团队构建 — 打造高效AI团队的角色与协作」方法论。Use when the user needs practical guidance, diagnosis, workflow design, decision support, or an action plan related to ai-team-building.

- Skill: `kangarooking/ai-team-building` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add kangarooking/ai-team-building`
- Raw SKILL.md: https://api.skillmd.com/api/skills/kangarooking/ai-team-building/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Productivity
- Author: kangarooking (https://skillmd.com/u/kangarooking)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/kangarooking/ai-team-building

---


## Source Metadata

Original cangjie-skill frontmatter from the distillation run:

```yaml
id: f19
title: "AI团队构建 — 打造高效AI团队的角色与协作"
book: "AI for Everyone"
author: "Andrew Ng"
source: p11, p12, p13
tags: [ai-team-building, talent, organization, collaboration, roles]
related_skills:
  - slug: ai-transformation-playbook, relation: depends-on
  - slug: role-tiered-training, relation: composes-with
  - slug: cross-functional-brainstorming, relation: composes-with
```

## R — 原文引用 (Reading)

> "一个成功的 AI 团队需要多种角色：ML 工程师负责模型开发，数据工程师负责数据管道，产品经理负责业务对接，领域专家提供业务知识。团队协作比个人英雄主义更重要。"（p11-p13 综合）

## I — 解读 (Interpretation)

AI 团队不是"一群算法工程师"，而是**多学科协作**的有机体。核心角色包括：

1. **ML/AI 工程师**：设计、训练、优化模型
2. **数据工程师**：构建数据管道，确保数据质量和可用性
3. **产品经理**：定义业务需求，协调技术与业务
4. **领域专家**：提供业务领域知识，帮助定义问题和验证结果
5. **DevOps/MLOps 工程师**：负责模型部署、监控、运维

关键洞察：
- **T型人才**最受欢迎——在某一领域深入，同时理解其他领域
- 小团队（3-5人）往往比大团队更高效——沟通成本低
- 团队协作需要**共同语言**——技术人员要懂业务，业务人员要懂 AI 能力边界
- 招聘时优先学习能力和协作精神，而非仅看技术栈匹配

## A1 — 过往应用 (Past Application)

**案例 1：Google Brain 团队早期**
吴恩达在 Google 组建 Brain 团队时，强调"全栈 AI 团队"——每个成员既能做研究又能做工程，减少沟通摩擦。这种模式让团队快速产出成果（如 Google 搜索的改进）。

**案例 2：某传统企业的 AI 转型**
一家制造企业组建 AI 团队时，只招了算法工程师。结果模型在实验室表现很好，但无法部署到产线——缺乏数据工程师和 DevOps。后来补充了这些角色，项目才真正落地。

**案例 3：AI 创业公司的"一人多职"**
早期创业公司资源有限，往往一人身兼多职。成功的团队是成员愿意跨边界协作——算法工程师愿意理解业务，产品经理愿意学习技术基础。

## A2 — 未来触发 (Future Trigger)

**触发场景：**
- 组建或扩充 AI 团队
- 评估团队能力缺口
- 设计 AI 团队的协作流程
- 招聘 AI 相关岗位

**语言信号：**
- "AI团队"、"招聘"、"角色"、"协作"、"团队能力"、"人才缺口"、"组织架构"

**关键区分：**
- 这是**从0组建**团队还是**扩充**现有团队？
- 团队的主要**能力缺口**是什么？（技术？业务理解？协作？）

## E — 执行 (Execution)

1. **明确团队目标**：团队要解决什么业务问题？成功标准是什么？
2. **识别所需角色**：根据项目需求，确定需要哪些核心角色（ML工程师、数据工程师、产品经理、领域专家、DevOps）
3. **评估现有能力**：盘点现有团队成员的技能，识别能力缺口
4. **招聘或培养**：优先招聘 T 型人才；对现有成员提供跨领域培训
5. **建立协作机制**：定期同步会议、共享文档、共同的目标和指标
6. **促进共同语言**：技术人员学习业务基础，业务人员学习 AI 能力边界
7. **从小团队开始**：先用 3-5 人小团队验证模式，再逐步扩展

**完成标准：** 完成团队角色清单、能力评估矩阵、招聘/培养计划，并建立协作流程。

## B — 边界 (Boundary)

**不适用场景：**
- 个人学习或研究项目（不需要团队）
- 已有成熟 AI 团队，只需日常维护
- 组织还没有 AI 战略，只是跟风招聘

**失败模式：**
- 只招算法工程师，忽视数据工程和 DevOps
- 招聘过度强调学历/论文，忽视实际能力和协作精神
- 团队内部"技术-业务"鸿沟严重，各说各话
- 追求"大而全"的团队，导致沟通成本高、效率低

**作者盲点：**
- 组建团队只是第一步，**留住人才**同样重要——AI 人才市场竞争激烈
- 团队协作需要**管理层支持**——如果管理层不懂 AI，很难为团队创造好的环境
- 远程/分布式团队的协作挑战被低估——AI 项目需要频繁沟通和快速迭代

## 相关 skills

- **[ai-transformation-playbook](/books/ai-for-everyone/ai-transformation-playbook/)** — *depends-on*：AI团队建设是AI转型五步指南中第二步"组建内部AI团队"的具体执行指南，需要嵌入整体转型路线图中理解。
- **[role-tiered-training](/books/ai-for-everyone/role-tiered-training/)** — *composes-with*：团队建设需要配合分层培训——招聘了人才后，需要按角色设计培训深度，两者结合确保团队既有人才又有能力。
- **[cross-functional-brainstorming](/books/ai-for-everyone/cross-functional-brainstorming/)** — *composes-with*：AI团队需要与业务团队协作，跨职能头脑风暴是团队之间协作的核心模式，帮助AI团队与业务团队找到共同语言。