内容简介

本文档为 CAIE LEVEL II（企业 AI 工程师）认证的核心学习体系，围绕“企业数智化 + 人工智能算法 +大模型原理 + 大模型工程 + AI 项目管理”五大主题，自底向上、由浅入深地构建完整知识框架。本文档共分五大部分（PART 1 ~ PART 5），覆盖从业务认知、算法基础、大模型原理、工程落地到项目管理的全链路能力。

AI技术迭代快速，本文档会每季度根据业界实践做及时更新， CAIE LEVEL II认证考试出题内容以本文档为主，但有5%的题目超出本大纲解析范围。有志于成为前沿部署工程师（FDE）或AI算法工程师的考生，除了掌握本大纲解析的内容，还要了解“参考文献”中的知识，关注“重要网站”中的时讯。

** CAIE LEVEL II认证考试侧重对基础概念、框架、知识的考核，对实际的项目实践能力要求较少。为了培养考生的动手能力，对于取得认证的考生，会提供免费的项目实践课程。**

一、知识框架总览

五部分遵循一条清晰的认知递进主线，构成一名企业 AI 工程师从“懂业务”到“懂技术”再到“懂工程”与“懂管理”的完整能力成长路径：

PART 1 认知底座（懂业务） ──▶ PART 2 算法基础（懂算法） ──▶ PART 3 大模型原理（懂模型） ──▶ PART 4 工程实践（懂工程） ──▶ PART 5 项目管理（懂管理）

二、各 PART 内容简介

PART 1 企业数智化基础理论（认知底座）

核心主题概述：立足企业数智化转型的核心需求，系统构建企业数智化认知体系与数智产品设计能力，是 CAIE LEVEL II 认证中不可或缺的基础核心内容。从什么是企业数智化出发，逐层深入到数智产品设计、软件工程与数据工程，回答业务从何而来、工程如何支撑。

• 一、企业数智化基本概念 —— 企业数智化三阶段、EDIT 工作方法、数智产品构成六要素、四类典型数智应用

• 二、数智产品设计 —— 设计思维框架、需求分析与需求管理、用户体验设计与管理

• 三、软件工程 —— 架构设计、需求分析、软件设计、软件实现、部署交付、过程管理

• 四、数据工程与管理 —— 数据治理、数据模型与建模、本体模型、数据标准、数据质量、数据安全

PART 2 人工智能基础算法（算法基础）

核心主题概述：系统掌握人工智能的核心算法工具链，为后续大模型学习奠定算法根基。从 Python 编程语言入门，逐步过渡到神经网络、深度学习与强化学习，再延伸至自然语言处理与知识图谱两大重要应用方向，回答**“**AI 靠什么算法实现”。

• 一、Python 编程基础 —— 基础数据类型与表达式、原生数据结构、控制流、函数类与常见包

• 二、神经网络算法 —— 神经网络概念与感知器、反向传播神经网络算法

• 三、深度学习和强化学习算法 —— 卷积神经网络 CNN、循环神经网络、模型评测与调优、强化学习

• 四、自然语言处理 NLP 基础 —— NLP 概述、文本处理与分析、文本向量化与语义建模、下游文本分类等任务

• 五、知识图谱 —— 知识表示与建模、知识抽取与挖掘、知识存储与融合、知识检索与推理

PART 3 大语言模型技术基础（大模型原理）

核心主题概述：聚焦大语言模型这一当前人工智能的核心技术，揭示其“如何运作、如何微调”。先沿技术演进主线梳理从统计语言模型到 Transformer、BERT、GPT 的架构跃迁，再深入讲解大模型的微调原理，回答**“**大模型如何建立的”。

• 一、大语言模型技术演进和 Transformer 原理 —— 发展历程（统计/神经网络语言模型）、架构演进（Transformer/BERT/GPT/混合架构）、MoE/蒸馏/量化技术

• 二、大语言模型微调和对齐原理 —— 明确业务需求与目标、选择微调方法（全参数微调/参数高效微调 LoRA/强化学习对齐 RLHF）

PART 4 企业大模型的四类工程实践（工程落地）

核心主题概述：将大模型从“技术能力”转化为“企业生产力”的四类工程实践，是从理论到落地的关键转折。覆盖提示与智能体系统工程、知识库（RAG）工程、智能体、以及模型训练与运维，回答“大模型如何工程化落地”。

• 一、提示与智能体系统工程 —— 提示词工程实践、上下文工程（Context Engineering）、驾驭工程（Harness Engineering）

• 二、知识库（RAG）的工程实践 —— RAG 优势与特点、VectorRAG核心组件、VectorRAG关键技术点、效果检验、向量数据库、基于图的RAG(GraphRAG)、VectorlessRAG

• 三、智能体（AI Agent）的工程实践 —— 智能体核心组成、类型、函数调用（Function Call）与模型上下文协议（Model Context Protocol，简称 MCP）

• 四、大语言模型训练和微调的工程实践 —— 训练数据处理、训练与微调、API 调用与本地部署、LLMOps 运维

PART 5 企业 AI 项目管理知识（管理收束）

核心主题概述：将项目管理体系与 AI 研发流程深度融合，为前述全部技术能力赋予“管理”框架。先从一般项目管理（五大过程组、十大知识领域）建立底座，再聚焦 AI 项目的独特特征与生命周期模型，最终落到 AI 项目管理的五组十域与 39 项标准子任务，回答“AI 项目如何管”。

• 一、一般项目管理知识 —— 项目管理概述、项目生命周期阶段与生命周期类型、五大过程组、十大知识领域

• 二、人工智能（AI）项目知识 —— AI 项目核心特征、主流 AI 项目生命周期模型（CRISP-DM/CPMAI/ASUM-DM）

• 三、人工智能项目管理 —— AI 项目管理概述、五个过程组、十大知识域、智慧裁剪