AI 工程速查表
为常见 AI 工程问题提供可直接照做决策的参考表:选技术、选模型、定架构,一查即得。
- Star 数
- ★ 363
- 最近更新
- 26 天前
- FA 评分
- 42/100 · 缺口较多
30 秒速览
- 可在哪里用
- 通用 · 跨平台
- 开始前需要
- 典型场景
- AI 工程师在为生产环境选 RAG、记忆模式或评估方法时,想在表里快速对照选项。
- 主要局限
- 许可证未知,商业使用或再分发的授权边界不明确。
- 官网
- academy.towardsai.net ↗ 来自 GitHub 仓库设置
- 维护状态
- 近 30 天有提交最近提交 2026-10-21
这个 Agent 能做什么,适合哪些场景?
这是 Louis-Francois Bouchard 开源的 Markdown 参考文档库,目标是为最常见的 AI 工程问题提供'拿去就能用'的决策依据。仓库包含三份核心速查表:AI 工程手册(AI_Engineering_Playbook.md)、Agent 架构与运维指南(Agent_Architecture_Guide.md)和 Anti-Slop AI 写作指南(Anti_Slop_AI_Writing_Guide.md)。使用方式是打开速查表,在决策表中找到你的情境,按推荐方案执行。内容来自 Towards AI 的课程,配套一本计划于 2026 年底前出版的书《AI Engineering For Production》。注意:文中模型与工具偏好分别以 2026 年 8 月和 10 月为快照,作者明确建议在你的实际工作负载上自行验证。仓库没有标注许可证,也没有可执行代码,本质是一套结构化参考文档。
仓库交付三份 Markdown 文档。AI_Engineering_Playbook.md 用决策表帮你选择 AI 技术、模型、投入程度、模态工作流、提示策略、RAG 设置、记忆模式、评估方法与生产配置。Agent_Architecture_Guide.md 帮你在 workflow、单 agent 与多 agent 之间做取舍,并给出策展上下文、证据存储、分阶段审查、可移植技能、反馈回路和安全调度的运维做法。Anti_Slop_AI_Writing_Guide.md 基于 6,750 篇有评判的草稿,归纳六类'AI 味'、前后对照示例、双代际短语清单、可复制的提示模板、60 秒检查和格式检查。工作流是:打开表 → 在决策表中定位你的情况 → 执行推荐做法。
- AI 工程师在为生产环境选 RAG、记忆模式或评估方法时,想在表里快速对照选项。
- 团队负责人决定该用固定 workflow、单 agent 还是多 agent 架构时,需要一份明确的取舍指南。
- 用 AI 写作的内容作者,想识别并消除'AI 味'表达,套用现成的提示模板与检查清单。
- Prompt 到生产的初学者,想按课程体系(Towards AI 课程)学习完整框架。
- 技术管理者评估 agent 运维实践,如上下文策展、证据存储与安全调度。
如何安装或部署这个 Agent?
无需安装任何软件或依赖。只需克隆或浏览仓库:
git clone https://github.com/louisfb01/ai-engineering-cheatsheets.git或在 GitHub 网页上直接阅读。文档为 Markdown 文件(AI_Engineering_Playbook.md、Agent_Architecture_Guide.md、Anti_Slop_AI_Writing_Guide.md),任何 Markdown 查看器均可打开。许可证未知,商用前需自行确认授权。
如何使用这个 Agent?
三步用法:
- 打开与你问题相关的速查表(Playbook / Agent Architecture Guide / Anti-Slop Guide)。
- 在决策表中找到你的具体情境。
- 按推荐方案执行。
Anti-Slop 指南另有专用流程:先收集素材,填入提示模板,生成几版草稿,选出最好的一版,运行单独的证据优先审查,重写一次,最后做 60 秒检查。仓库另有配套视频《Free Agents Webinar》讲解 workflow 与 agent 的取舍。
这个 Agent 有哪些优点和局限?
- 决策表形式,按情境直接给出推荐,省去自行调研比较的时间。
- 覆盖从提示、RAG、评估到 agent 架构与运维的完整 AI 工程链条。
- Anti-Slop 指南有 6,750 篇受评判草稿的数据支撑,并提供可复制提示和前后示例。
- 内容与 Towards AI 付费课程同源框架,免费即可获得核心结论。
- 许可证未知,商业使用或再分发的授权边界不明确。
- 模型与工具偏好是 2026 年 8/10 月快照,需自行验证时效性。
- 纯文档,无可执行代码、无自动化工具,落地全靠人工执行。
- 深度内容(完整课程与书籍)在付费产品侧,免费速查表是入口而非全部。
这个 Agent 与同类方案有什么区别?
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| AI 工程速查表 当前 | 42 · 缺口较多 | — | ★ 363 | 26 天前 | — | — |
| AI Agent 工程学习手册 | 60 · 存在缺口 | 开发框架免费 | ★ 682 | 24 天前 | HTML | — |
| AI 系统设计指南 | 58 · 缺口较多 | 网页应用免费 | ★ 4.4k | 7 天前 | — | — |
| Hello-Agents 智能体教程 | 53 · 缺口较多 | 网页应用免费 + 模型费 | ★ 87k | 4 天前 | Python | OpenAI API |
FollowAgents 如何评估这个 Agent?
查看各维度的扣分理由
README说明了手册的用途并署名作者,但样本未展示权限、数据处理、敏感信息、依赖安全或回滚规则;“安全调度”只是概述中的说法,缺少可核查细节,因此相关分数较低。署名提供一定来源线索,但没有验证出版者身份。
README给出了三份手册及其用途,并将模型和工具偏好标为特定月份的快照,内部描述基本一致。样本没有失败处理说明或依赖可用性细节,可靠性保障证据有限。
内容面向常见AI工程问题,并按手册和使用步骤引导读者选择;Agent指南概述了工作流、单Agent和多Agent等场景。不过适用边界及具体运行环境没有充分说明。
README有清晰的目录表和简要使用步骤,手册名称也较明确;但未提供安装或常见问题说明,未列出已知局限,许可证元数据未知,也没有明确的维护责任或变更记录。
README描述了决策表、推荐方法和写作检查流程,显示内容可能直接用于决策;这些资料能为常见AI工程问题提供集中参考。其实际效果和成本收益没有量化证据,因此未给满分。
README说明模型与工具偏好是带日期的快照,并将这些建议描述为起点,体现了一定事实与建议区分。样本仅有README,具体主张缺少其他文件佐证,也没有足够细节逐项追溯推荐依据。
- 源码中未见:敏感信息处理使用专用、低权限、可随时吊销的 API 密钥,不要复用生产凭据,也不要让密钥出现在日志里。
- 源码中未见:依赖安全审查安装前固定版本并做一次依赖扫描(如 npm audit、pip-audit);优先放在容器里运行。
- 源码中未见:回滚或恢复路径运行前先备份,或在 git 分支、快照上操作,确保改动可以撤销。
- 本评估仅基于提供的README样本;未提供的文件应视为未知,不能据此断定缺失或存在相关控制。
- 模型和工具偏好标注为2026年8月及10月快照,使用前应按README所述在自己的工作负载上验证。
常见问题
AI 工程速查表 官网是什么?
AI 工程速查表 开源吗?
AI 工程速查表 安全吗?
AI 工程速查表 还在维护吗?
AI 工程速查表 是谁开发的?
谢谢反馈,我们会据此改进页面。