认证指南：AI 落地能力测评与项目评审
AI 落地能力认证怎么考：L1~L3 测评形式（在线测评 + 实操项目 + 架构答辩）、项目三件套标准（生产环境/成本账/测试集）、评审维度与时间线（示例口径）。
AI 落地工程师尚无统一官方考试——本节按行业通行做法整理“测评 + 项目评审”的示例框架；具体规则以各认证机构当次公告为准。
时间线（示例口径）
| 环节 | 说明 |
|---|---|
| 报名 | 随时（在线注册，以认证机构为准） |
| 在线测评 | 部署原理 + 推理优化 + RAG + 运维（90 分钟，机考） |
| 项目提交 | 项目三件套（生产环境 + 成本账 + 测试集） |
| 实操评审 | 异步评审 + 可选视频演示（15~20 分钟） |
| 结果 | 提交后 2~4 周（以机构为准） |
| 复审 | L2/L3 每年复审一次（项目更新） |
测评形式（“三层”）
1 在线测评（“原理 + 判断”）
| 模块 | 题型 | 权重（示例） |
|---|---|---|
| 模型部署 | 单选/情境（框架/量化/显存计算） | 30% |
| 推理优化 | 单选/计算题（KV Cache/Batching/延迟） | 25% |
| RAG 与 Agent | 单选/情境（切分/检索/重排/工具调用） | 25% |
| 评估与运维 | 单选/情境（测试集/监控/安全/回滚） | 20% |
合格线：70 分（100 分制，示例）。
2 项目评审（“主证明”）
三件套（缺一不可）：
① 生产环境：可访问的模型服务（API + 基本监控，真实跑）
② 成本账：显存/延迟/吞吐/每千次成本（有数字、有推导）
③ 测试集：20~50 条评测集 + 评估结果（改模型/改提示词有回归）
评审维度（每项 1~5 分）：
| 维度 | 看什么 |
|---|---|
| 能跑 | 服务真实可用（不是录屏/截图），压测有数据 |
| 算得清 | 显存/延迟/成本账有推导（不是拍脑袋） |
| 调得动 | 有优化记录（改了什么 → 指标怎么变） |
| 兜得住 | 有评估测试集 + 监控 + 回滚方案 |
| 讲得出 | 选型理由/取舍/踩坑能讲清楚（答辩追问） |
3 架构答辩（L2/L3 可选）
- 15~20 分钟：讲"选型 → 部署 → 优化 → 评估 → 运维"全链路（不讲工具清单）；
- 高频追问：“为什么选 vLLM 不选 Ollama？““INT4 量化掉点多少，怎么验证？““RAG 召回率不够怎么办？““成本超预算先砍什么？”
L1~L3 门槛（示例口径）
| 级别 | 测评 | 项目 | 要求 |
|---|---|---|---|
| L1 | ≥70 分 | 1 个跑通的服务（API + RAG Demo） | 会算显存账 |
| L2 | ≥80 分 | 1 个生产级服务（含压测 + 评估 + 监控）+ 答辩 | 成本账 + 优化记录 |
| L3 | ≥85 分 | 2 个生产项目 + 1 套架构设计（多模型路由/SLO） | 容量规划 + 评估闭环 |
备考路线（“3~6 个月”）
① 基础轮（1 月）：Linux/容器基础 + Python + 模型 API 调用
↓
② 部署轮（1~2 月）：Ollama/vLLM 跑模型 + 量化 + 显存账 + 压测
↓
③ RAG 轮（1 月）：切分/Embedding/向量库/检索/重排 + 50 条测试集
↓
④ 生产轮（1~2 月）：监控/灰度/回滚 + 成本核算 + 优化记录
↓
⑤ 认证轮（2~4 周）：在线测评 + 项目提交 +（L2/L3 答辩）
铁律：“每个数字都要有推导”——评审/面试问到"为什么 INT4？"，“掉了 2% 的 MMLU，我测过，业务可接受” 才是合格回答。