发帖
雷达卡
各位经管之家的版友们，大家好！
随着数智化转型的深入，如何在日常业务中真正驾驭AI工具、提升个人生产力，成为了我们共同关注的话题。今天为大家详细介绍 CAIE LEVEL I（注册人工智能工程师） 认证考试的大纲内容 。
CAIE（Certified Artificial Intelligence Engineer）是面向人工智能应用与落地领域的技能等级认证 。新版大纲旨在从“技术认知”向“成果导向”升级，重点考察运用结构化思维驾驭 AI 工具、构建标准化 AI 工作流，以及利用大模型解决复杂商业问题的能力 。本认证致力于培养懂业务、懂逻辑、懂工具的复合型 AI 应用人才 。
以下为根据官方大纲整理的核心内容，供大家学习与参考：
一、 CAIE 一级知识点授课大纲根据官方考试要求，知识点掌握程度分为【领会】、【熟知】和【应用】三个级别 ，整体知识体系划分为以下七大核心模块（注：实际考试包含不超过5%的超纲题 ）：
PART 1：AI 认知、伦理与法规 (占比 6%) 【领会】人工智能基础：基本概念、核心名词、发展历程与时代背景 。硬件基础与能力边界：算力设备对AI的支持，AI擅长与不擅长做的事 。
伦理与职业操守：重要伦理问题及治理，岗位核心准则、实践场景与违规应对 。
隐私与安全合规：数据泄露、模型逆向攻击等隐私风险 ；数据匿名、联邦学习等保护技术 ；法律法规与企业数据边界 。
PART 2：大模型核心机制与原理 (占比 4%) 【领会】
算法基础：核心算法组成模块、参数更新及训练方法 。
大语言模型：文字转化为数学向量、Token（词元）基础、基础架构及上下文理解 。
多模态模型：基础视觉模型、序列/声音类模型、图片/视频生成与扩散模型 。
架构演进与交互：集成方法（MOE）、多类型数据融合大模型方法、弱交互与强交互的实现 。
PART 3：面向产出物的思维能力和AI 交互 (占比 20%) 【熟知】
职场核心产出物能力映射：企划类、分析类、文创类、AI产品和业务流程自动化产出物特点 。
结构化思维：
理解：还原模糊需求，区分事实与观点（5W2H、5Why） 。
重构：论（结论先行）、证（以上统下）、类（归类分组-MECE原则）、比（逻辑递进） 。
呈现：借助 SCQA 架构叙述，利用结构罗盘表述逻辑 。
设计思维：以用户为中心，运用“双钻模型”制定最小可行方案（MVP） 。
提示词（Prompt）设计框架：人机协作提示词策略（四象限） ；宏观业务逻辑引导（逻辑树等）与微观精准指令（MECE原则模块化封装） ；发散阶段与收敛阶段的对话策略 。
标准化提示词模板要素：指令类、上下文类、输入数据类、输出指示类要素的科学选择 。
工作原理与安全：User/System/Assistant 角色定义与重要参数设置（Temperature、Top-P） ；模型幻觉原因及防范 ；提示词注入与越狱攻击的防御策略 。
PART 4：Prompt 设计与多模态应用 (占比 25%) 【应用】
文生文进阶：答案结构设计、分隔符使用、零样本（Zero-shot）与少样本（Few-shot）提示、外部工具调用引导 ；利用 Mermaid 语法生成流程图、思维导图与甘特图 。
文生图提示词：主体与场景描述、风格化控制（镜头、光影）、细节增强（构图、氛围词）、垫图（Image-to-Image）逻辑 。
视频与数字人生成：动态描述、视听语言、风格统一与连贯性控制 。
深度思考模型：思维链（CoT）概念、深度思考模型（如01/R1类）与普通模型区别（快思考 vs 慢思考）、零样本与少样本提示策略 。
提示词优化：Token 节省策略、输入结构化与输出控制 。
PART 5：AI 工作流与商业成果落地 (占比 25%) 【应用】
内容创作与营销：写作与文案规划、风格连贯性、翻译 Prompt 策略 。
视觉与多媒体：AI绘图操作、多图连贯性 ；视频/数字人从脚本到生成 ；音频生成 ；AI生成大纲并转为 VBA/Markdown 导入优化 PPT 的全流程 。
数据与逻辑工作流：AI辅助网页捕获（RPA）、公式与函数生成、直接处理/分析数据、自动图表与商业报告生成流程 。
AI 编程应用：代码生成、代码理解与文档自动生成、Bug定位与重构、自动化测试脚本、系统迁移、Vibe Coding（氛围编程）基础 。
大模型营销（GEO）：GEO定义、核心技术、与SEO的区别、应用场景及内容优化方向 。
PART 6：RAG、Agent 与高级商业策略 (占比 20%) 【应用】
检索增强生成（RAG）：核心组件（知识库、检索模块、生成模块）、限定输出范围、引用标注与溯源指令设计、减少幻觉的提示技巧 。
智能体（Agent）：
自主智能体架构：ReAct模式、任务拆解、工具调用与MCP、短期/长期/结构化记忆管理 。
工作流编排：节点与连线逻辑连接、条件分支/循环/并行控制、人机协作（问询节点） 。
Skills Based Agent：模块化可复用技能包概念、核心架构（SKILL.md、脚本/模板、资源文件）、SKILL.md编写规则、Skill Engineering Agent（如OpenClaw）的基础使用 。
基于Agent的提示工程：系统提示词编写范式、结构化输出控制、状态切换、自我反思与修正 。
多智能体协作（Multi-Agent）：路由模式与协作模式 。
(注：大纲中包含的“主要人工智能工具的使用”及“深度学习的主要算法和架构”模块，旨在帮助考生熟悉行业主流工具与基础理论，不计入考试总分。 )
二、 学习后能掌握的知识通过对上述知识模块的系统学习，考生在理论知识层面能够建立清晰的认知框架：
明确AI的能力边界：深刻理解人工智能的基本概念、发展背景，并能准确识别AI在实际业务中“擅长做什么”和“不擅长做什么” 。
掌握大模型底层逻辑：理解大语言模型、视觉/时序大模型的基本架构，知晓文字转化为向量及Token的生成机制，明晰大模型如何理解上下文 。
内化职场结构化思维：掌握5W2H、5Why等问题精准描述方法，熟知MECE原则、SCQA叙述构建方法，以及以用户为中心的设计思维双钻模型 。
知晓合规与防范知识：掌握AI领域的重要伦理、职业操守准则，熟悉数据隐私风险（如数据泄露、模型逆向攻击等）及常用的数据匿名、联邦学习等技术与法律法规边界 。
掌握前沿商业策略理论：了解大模型营销（GEO）的核心技术及其与SEO的本质区别，明晰RAG（检索增强生成）和智能体（Agent）的系统架构与运作机制 。
在实操和应用能力层面，本大纲紧扣“转化可交付成果”的要求 ，学习后可掌握以下职场落地技能：
高阶提示词（Prompt）设计技能：能够熟练运用标准化提示词模板，通过结构化输入和符号控制（如分隔符），灵活设计零样本与少样本提示词，甚至通过工具调用引导模型和防御提示词攻击 。
多模态内容高效生成技能：
文生文/图/视频：能够生成清晰的文本答案、操作Mermaid语法绘制图表，并通过控制主体、场景、运动、镜头语言与光影控制，输出风格统一的图像与视频 。
多媒体办公：熟练打通“AI生成大纲 -> 文本转VBA/Markdown -> 导入优化”的PPT全流程制作技能 。
全流程AI工作流构建技能：
数据工作流：掌握AI辅助网页捕获（RPA）、直接对话AI处理与分析数据、生成公式函数，以及自动生成商业报告与图表的可视化技能 。
编程辅助工作流：能够利用AI进行代码理解、自动生成技术文档、辅助定位Bug并进行代码重构，生成自动化测试脚本 。
高级商业落地与智能体编排技能：
能够设计基于RAG的专用提示技巧以减少幻觉并进行引用溯源 。
掌握通过节点与连线（如If-Else条件分支、循环、问询节点）编排Workflow智能体的实操技能 。
具备编写规范的SKILL.md（技能名称、用户指南、逻辑、参数定义等）以实现Skills Based Agent跨场景多次复用的技能工程能力 。
试卷结构：90分钟闭卷客观题，共65道（单选40题、判断10题、多选15题），满分100分 。
成绩评定：成绩分为A、B、C、D四个层次，A、B、C为通过，60分（不含）以下为D（不通过） 。
考试方式：线上考试，每月一次，具体日期可在官网（https://www.caieglobal.com）查看 。
无论是寻求数智化转型的企业职场人，还是希望提升个人生产力的开发者，CAIE LEVEL I 的大纲都提供了一条清晰的、从认知走向落地交付的成长路径 。欢迎大家在帖子里交流探讨AI工具在各自业务场景中的落地心得！
京公网安备 11010802022788号
