人工智能 · AI 落地能力认证（L1~L3 能力分级，项目实操导向）
AI 落地工程师（PDE · 推理部署）能力认证
把大模型真正跑进生产的人：考《模型部署》（HuggingFace/vLLM/Ollama/量化）+《推理优化》（KV Cache/Continuous Batching/延迟成本）+《RAG 与 Agent》（Embedding/向量库/检索/工具调用）+《评估与运维》（测试集/监控/安全/成本）。通过后可获得 1~3 级能力认证（项目实操 + 测评，AI 落地岗主证明）。
4本备考书
8个章节
48道例题
0条动态
🧭 第一次考这个证？先花 20 分钟看方法
职场考证指南：选对证 · 挤出时间 · 记得住
上班族最容易踩的坑不是「不努力」，而是选错证、计划排太满、只学不练、报名条件没核清。这里给的是可执行清单与模板。
书籍库
全部书籍 →RAG 与 Agent·考点精讲
RAG 与 Agent：切分（语义/重叠）+ Embedding 与向量库 + 混合检索 + 重排 + Agent（ReAct/工具调用）与工作流选型——“接上知识”的生产链路。
开始阅读 →注意区分：本站有两个 AI 方向——PDE · 产品设计工程师（Product Design Engineer，产品 + 设计 + 工程三合一，作品集导向）与 AI 落地工程师（P(DEploy) Engineer，把大模型真正跑进生产环境：部署、推理优化、RAG、Agent、评估运维）。“一个管体验，一个管跑起来”——本页是后者。
AI 落地工程师尚无统一官方考试，本页的能力分级、测评口径为示例标准；具体认证规则以各认证机构当次公告为准。
四模块结构（示例口径）：
| 模块 | 核心内容 | 能力项 |
|---|---|---|
| 模型部署 | 模型格式（safetensors）/ 推理框架（vLLM/Ollama/llama.cpp/TGI）/ 量化（INT8/INT4/GPTQ/AWQ）/ 服务化（OpenAI 兼容 API） | L1 能跑通 → L2 能选型 → L3 能规划架构 |
| 推理优化 | Prefill/Decode 两阶段 / KV Cache / Continuous Batching / 显存账本 / 延迟与吞吐 / 成本核算 | L1 能读指标 → L2 能调优 → L3 能定预算 |
| RAG 与 Agent | Embedding / 向量库（FAISS/Milvus/pgvector）/ 切分与检索 / 重排 / Agent（ReAct/工具调用）/ 工作流 | L1 能搭 Demo → L2 能上生产 → L3 能设计系统 |
| 评估与运维 | 测试集 / 自动评估 / 人工抽查 / 幻觉与安全 / 监控（时延/错误率/成本）/ 回滚与灰度 | L1 能看监控 → L2 能建评估 → L3 能定 SLO |
能力分级（L1~L3，项目实操导向）：
- L1（部署级）：能用 Ollama/vLLM 把开源模型跑起来并暴露 API；能算显存账；能搭 RAG Demo（切分/检索/生成）；
- L2（生产级）：能选型（模型/框架/量化/向量库）并说清理由；能做 Continuous Batching 调优与成本核算；能上生产级 RAG（重排/引用/评测）；能建评估测试集与监控；
- L3（架构级）：能设计多模型分级架构（大小模型路由）；能定 SLO 与容量规划；能设计 Agent 系统与评估闭环；能主导"模型上线 → 监控 → 迭代"全流程。
⚠️ AI 落地工程师的"证"是项目：一个能跑的生产环境 + 一份显存/延迟/成本账 + 一套评估测试集，比任何纸面证书都硬。纸面证书（软考/厂商认证）是加分项，项目是主证明。
AI 落地证书地图（与本站其他板块衔接）：
| 证书 | 定位 | 与本站衔接 |
|---|---|---|
| 软考·中级/高级 | 以考代评的 IT 职称（“AI 时代的硬职称”） | 见 软考 / 高项 |
| 厂商认证（华为 AI 开发者/百度 AI/阿里云/ NVIDIA 等） | 工具链认证（“某框架/某平台”） | 以各厂商当次认证为准 |
| CAIP/人工智能训练师 | 人社部新职业方向（“AI 训练/应用”） | 以当地人社部门公告为准 |
| 1+X 人工智能类证书 | 职业技能等级（“AI 应用”方向） | 以评价机构公告为准 |
| AI 落地能力认证（本页） | 项目实操 + 测评（“AI 落地岗主证明”） | 本页 |
本站已上线内容：模型部署（框架/量化/API）+ 推理优化（KV Cache/Batching/成本）+ RAG 与 Agent（检索/重排/工具调用）+ 评估与运维（测试集/监控/安全）考点精讲；项目评审框架与避坑清单。
为什么值得学：AI 公司最缺的不是"会调 API"的人，而是"能把模型跑进生产、算清成本、兜住质量"的人——详见 AI 落地百科。