模块二：AI 工程化与落地架构（Engineering & Architecture）

定位：PM 的工程决策手册。模块一回答”这个技术是什么、原理如何”；本模块回答”在具体业务约束下，我该选什么、怎么组合、成本多少、风险在哪”。

阅读前提：本模块假设读者已完成模块一的学习。涉及底层技术原理的部分，将直接回指模块一对应章节，不做重复叙述。

---

章节索引

章节	主题	核心问题
m201	Prompt Engineering 实战体系	如何用提示词最大化模型表现？
m202	工程选型决策矩阵	Prompt / RAG / 微调 / Agent，选哪个？
m203	RAG 生产：Embedding 与文档解析	检索的地基怎么打好？
m204	RAG 生产：Chunking 与范式演进	如何切块？RAG 有哪些高阶模式？
m205	RAG 生产：索引运维与评估	上线后如何维护和量化质量？
m206	Agent 产品化：记忆与进展	Agent 怎么”记住”？2025 年有什么新动向？
m207	Agent 产品化：场景推演与兜底	Agent 怎么 fail？怎么设计兜底？
m208	AI 基础设施与中间件选型	向量库、编排框架、监控怎么选？
m209	推理成本控制手册	API 费用怎么降低 70%+ ？
m210	数据工程流实操	没有真实数据时，合成数据怎么做？

---

与模块一的关系

模块一（技术素养）          模块二（工程决策）
──────────────────────     ──────────────────────
c05 KV Cache 原理      →   m209 成本控制（Prompt Caching）
c09 RAG 架构原理       →   m203/m204/m205 RAG 生产工程
c10 Agent 技术栈       →   m206/m207 Agent 产品化
c11 System 2 推理      →   m209 推理模型成本结构
c04 训练 Pipeline      →   m210 数据工程与合成数据

文档版本：v2 | 对应 Google Doc：模块二 AI 工程化与落地架构