一套以“用不可靠的概率部件构造可靠系统”为主线的中文 AI Engineering 知识库。
十五本书（核心九本 + 补充六本）+ Case Library + Agent Decision System + 知识图谱，203 个文件。主要语言：简体中文。
版本状态：内容架构已通过 M6–M8 立项与 v1.0 收束审计，可以进入 v1.0 发布候选；
v1.0Git tag / GitHub Release 尚未创建。
| 你是谁 / 你要做什么 | 建议从这里开始 |
|---|---|
| 第一次系统学习 AI Agent | 《从零到 Agent 专家》 |
| 有工程经验，想先建立整体框架 | Constitution → Foundation → Laws |
| 只有 20 页时间 | 《The Constitution of AI Engineering》 |
| 已经有具体任务或系统问题 | 使用路径与任务路由 |
| 想直接看真实案例 | AI Engineering Case Library |
| 你是 AI Agent | Agent Decision System |
| 想理解十五本书之间的关系 | Knowledge Graph 总图 |
进一步阅读：
| # | 层级 | 书 | 解决的问题 |
|---|---|---|---|
| 1 | 元规律 | The Foundation of AI Engineering | 什么知识最保值，工程判断力如何形成 |
| 2 | 约束库 | The Laws of AI Engineering | AI 系统受到哪些底层约束 |
| 3 | 判断层 | The Evaluation of AI Systems | 如何判断系统是否真的优秀、可靠、可用 |
| 4 | 方法层 | LLM Design Patterns | 推理、检索、反思、裁判与编排模式 |
| 5 | 方法层 | Multi-Agent 架构手册 | 多 Agent 如何分工与协调 |
| 6 | 方法层 | AI 决策框架大全 | 如何做取舍、分析不确定性与二阶效应 |
| 7 | 角色与运行规则层 | Agent 圣经 | 21 个角色卡；5 个高频能力另有可测试、供程序直接读取的运行规则 |
| 8 | 避坑层 | AI Engineering Anti-Patterns | 102 个常见错误及其修复方向 |
| 9 | 教学入口 | 从零到 Agent 专家 | 从零基础到可以设计 Agent 系统 |
| # | 书 | 解决的问题 |
|---|---|---|
| 10 | The Data Foundation of AI Systems | 数据质量、管线、标注、漂移与治理 |
| 11 | Model Adaptation | Prompt / RAG 之后何时微调、对齐与蒸馏 |
| 12 | Human-AI Collaboration Foundation | 人机分工、信任、权限、责任与长期协作 |
| 13 | AI Systems in Production | Serving、可观测性、发布、成本与故障治理 |
| 14 | Human-AI Interaction Design | 如何把协作政策实现成可理解、可控制的界面 |
| 15 | Multimodal Systems | 图像、语音、视频带来的感知、证据与安全问题 |
- AI Engineering Case Library：108 个典型案例，其中 20 个是深度样板。
- Agent Decision System：21 个情境路由、20 张模式卡、12 个反模式检测器、13 条运行时约束和 10 问评价清单。
重要：Law System 口径——The Laws of AI Engineering 是一套约束库，不是 102 条同等硬度的口号合集。入口层优先使用 Core Laws；其他 Law 应按 family 和具体场景引用。
三套编号彼此独立：
Law 1–102：Laws 的正式编号；- Constitution
Law 1–10：面向读者的压缩编号； - Agent Decision System
LAW-01–LAW-13：运行时操作编号。
外部依据集中见 Laws 外部依据说明。目前 41/102 条完成外部核验，其余条目按风险进入后续候选池；未经核验不表示已经被外部来源证明。
本仓库采用“双兼容”策略：
- README 和公共导航页使用标准相对 Markdown 链接，GitHub 与 Obsidian 均可点击；
- 正文保留 Obsidian Wiki-link，以维持 heading 级知识图谱和本地阅读体验；
- 不为 GitHub 网页显示而物理重排十五本书目录，也不维护第二套正文镜像。
普通读者不需要阅读治理文件。维护者和贡献者从这里进入：
提交改动前至少运行：
python3 _tools/kb_health_check.pyGitHub Actions 会在 push / pull request 时执行同一套结构体检。CI 能发现断链、歧义、元数据和 ADS ↔ Case Library 一致性问题，但不能替代内容审查。
- Markdown 知识内容和文档：Creative Commons Attribution 4.0 International（
CC-BY-4.0）； _tools/下的源代码：MIT License；- 完整适用范围与最近许可证规则见 LICENSE-NOTICE。
引用或再分发知识内容时，建议注明：AI Engineering Knowledge Base contributors、仓库链接以及 CC BY 4.0。
生成越来越便宜，可靠验证、证据设计与工程判断仍然稀缺；AI Engineering 的任务，是把不可靠的概率能力约束成可验证、可恢复、可问责的系统。