业务与范围
- D01 现场调研与事实核验
- D02 业务流程与权责建模
- D03 需求边界与验收设计
- D04 估算计划与风险识别
03 / 方法与工具把方法，放进同一项工作。万域智构 · 持续构建的能力
数据与应用
- D05 领域数据与事实源建模
- D06 系统架构与接口集成
- D07 用户任务与交互设计
- D08 全栈实现与代码理解
AI协同工程
- D09 AI研发任务编排
- D10 版本集成与资产复用
- D11 测试设计与质量验证
- D12 性能容量与成本优化
部署与交付
- D13 部署网络与私有环境
- D14 可观测性与故障恢复
- D15 数据迁移与现场交接
- D16 项目沟通与交付留痕
AI原生治理
- D17 工具语义与MCP合同
- D18 Agent业务编排与状态
- D19 Agent身份权限与审批
- D20 AI评测与知识生命周期
组织与责任
- D21 安全隐私与技术保密
- D22 预算控制与商业责任
- D23 协作带教与知识沉淀
- D24 履约纪律与问题升级
EVIDENCE BEFORE LABELS
看见实际贡献，
再讨论责任范围。
评价需要说明本人完成了什么、得到哪些支持、在什么条件下经过验证。真实项目、独立见证与可复现结果，能为能力判断提供更清楚的依据。
完整受控实操可帮助讨论限定范围的能力；简历、自述和截图提供线索，不能单独替代工程结果。
模型采用0—9级责任参考，0级要求最高，9级为入门培养。培养与复核、一般应用交付、受控AI原生治理是不同责任范围，不能仅凭课程结业自动获得项目授权。
本模型由万域智构团队编制，用于能力与责任讨论，不属于国家职业资格，也不代表对所有企业统一生效的授权制度。
BUSINESS IN DETAIL / 业务与实践
用工作证据，讨论能承担怎样的工程责任。
六类能力围绕同一项工程
AI原生工程能力模型由万域智构团队编制，六类24维覆盖业务与范围、数据与应用、AI协同工程、部署与交付、AI原生治理、组织与责任。它将需求、建设、部署和持续负责放在同一视野中，帮助学习者、项目负责人和合作团队讨论能力长处、任务安排与下一步训练。
能力说明需要对应具体作品
例如接口集成可以通过数据说明、调用示例和联调记录观察；部署交付可以通过运行说明、故障处理和交接材料观察；业务理解可以通过现状流程、指标口径和任务边界观察。同一项目可以支持多个维度，但每一维都需要说明本人做了什么、怎样检查以及结果在哪。
把个人贡献与团队成果对应起来
团队作品中，应能区分需求沟通、功能实现、测试、部署和资料整理分别由谁完成。可以安排独立复现、问题解释和条件变化后的迁移任务，观察本人是否理解成果。0—9级责任参考用于讨论任务复杂度、独立程度、协作和持续负责，具体分工结合项目与组织安排。
用于培养、协作与交付讨论
培养时可以根据目标任务选择重点维度，项目协作时可以识别需要补充的角色，交付复盘时可以检查从功能到维护的完整性。模型与具体作品一起使用，让学习者了解下一步练什么，让负责人清楚任务交给谁，也让接收团队知道需要哪些配套资料才能持续使用成果。
成果检查与接续
- 可定位：作品和记录能够找到具体版本、本人贡献与使用场景。
- 可解释：能够说明关键选择、异常处理和适用条件。
- 可接续：后续使用者能够复现、维护或继续推进任务。
THE NEXT STEP
让下一步，
从真实问题开始。
与万域智构交流 ↗企业AI应用 · 人才培养 · 高校及机构合作