刚发现这个 AI 工程 Skill，让我重新理解了什么叫”专业级”LLM应用开发

刚发现的这个 AI 工程 Skill，让我重新理解了什么叫”专业级”LMO应用开发

说句实话，市面上教 LLM 开发的教程一抓一大把，但大部分都在讲”怎么调 API”。真正告诉你怎么在生产环境里跑一个靠得住的 LLM 系统的，少之又少。

直到我看到了这个 Skill——ai-engineer，来自一个 25k+ ⭐ 的超大型 Agent Skills 库。

它到底是干什么的

简单说，这是一个AI 工程师专用的技能卡。装上之后，你的 AI 编程助手就能扮演一个资深 AI 工程师的角色，专门帮你做这几件事：

1. 生产级 LLM 应用开发
不只是调 ChatGPT 接口，而是从架构设计开始——怎么选模型、怎么做路由、怎么控制成本、怎么做观测。

2. 高级 RAG 系统
多阶段检索、混合搜索（向量 + BM25）、重排（rerank）、GraphRAG、HyDE 这些你可能在论文里见过、但不知道咋落地的模式，它都能给你具体的实现思路。

3. 智能体编排
LangChain/LangGraph、CrewAI、AutoGen……主流框架怎么选、怎么组合、怎么做记忆系统，统统覆盖。

4. 向量搜索与 Embedding
Pinecone、Qdrant、Weaviate、Chroma、Milvus……不同场景选哪个、怎么做索引优化、怎么做 embedding 漂移检测，给出实战建议。

5. 企业级 AI 集成
把 AI 接入 Slack、Teams、Salesforce，做 API 安全（OAuth/JWT），上生产环境的监控和限流。

为什么值得装

我观察到一个规律：一个 Skill 能走多远，取决于它的”使用边界”划得多清楚。

很多 Skill 写得很泛，”什么都能干”反而意味着什么都不是专家。但 ai-engineer 不一样——它明确写了：

Do NOT use this skill when:
– 任务属于纯数据科学或传统 ML（不用 LLM 的）
– 只是改个 UI 跟 AI 没关系
– 没有数据源或部署目标

这三个”不做”，反而比一堆”能做”更有价值。因为它让你知道什么时候该叫它、什么时候该换别的 Skill。

安装方式

npx skills add sickn33/antigravity-awesome-skills --skill "ai-engineer" -g -a claude-code -y

也可以手动把 SKILL.md 复制到 ~/.claude/skills/ai-engineer-sickn33/SKILL.md。

支持的 IDE 也很广：Claude Code、Cursor、Windsurf、Codex CLI、Gemini CLI……基本上干 AI 编程的主流工具都能用。

适合谁

如果你正在做以下事情，墙裂建议试试：

• 正在从”调 API 玩 Demo”往”上生产”阶段走
• 要设计 RAG 系统但不知道从哪下手
• 想让 AI 助手真正参与架构决策而不是只写代码

说实话，这个 Skill 本身就是一个很好的学习资料——你不需要真的装，光是读一下它的 SKILL.md，就能学到一整套生产级 AI 系统的构建思路。

GitHub 仓库本身有 25k+ ⭐，里面集成了 1000+ 个类似的 Agent Skill，这个 ai-engineer 是其中最硬核的一个方向。

👉 https://github.com/sickn33/antigravity-awesome-skills

GitHub: https://github.com/sickn33/antigravity-awesome-skills