在生成式人工智能（GenAI）的浪潮下，涌现出一批全新的应用工程师，他们正以惊人的速度构建前所未有的强大应用。得益于生成式AI技术的赋能，软件开发效率得到显著提升。本文将深入探讨这些新型工程师的关键技能，并分享在面试中如何有效识别他们的策略。
GenAI应用工程师的核心技能
卓越的GenAI应用工程师需满足以下两个关键标准：
- 高效运用AI构建模块：他们能够利用新兴的AI构建模块快速开发出功能强大的应用程序。
- AI辅助的快速工程能力：他们能够借助AI的辅助，以远超以往的速度构建软件系统，实现工程效率的飞跃。
此外，优秀的产品和设计直觉也是一项重要的加分项。
AI构建模块：积木式创新
如果将软件开发比作搭建乐高积木，那么拥有单一类型的积木只能构建简单的结构。而拥有各种类型的积木，则可以快速组合成复杂且功能完善的结构。软件框架、SDK等工具亦是如此。仅仅掌握调用大型语言模型（LLM）API的技能只是一个良好的开端。更重要的是，要精通各种构建模块，例如提示工程技术、Agentic框架、评估（Evals）、安全护栏（Guardrails）、检索增强生成（RAG）、语音技术栈、异步编程、数据提取、嵌入/向量数据库（VectorDBs）、模型微调、图数据库（GraphDB）与LLM的结合应用、Agentic浏览器/计算机使用、模型控制策略（MCP）以及推理模型等。掌握的构建模块类型越多，就能构建出越丰富、越强大的应用。
强大的AI构建模块数量正在迅速增长。随着开源社区和企业不断推出新的构建模块，及时掌握这些新工具能够帮助开发者不断扩展其构建能力。即使是1到2年前的构建模块（例如评估技术或使用向量数据库的框架），在今天仍然具有重要价值。
AI辅助编码：效率倍增
AI辅助编码工具显著提高了开发人员的生产力，并且这些工具正在快速发展。Github Copilot于2021年首次发布（并在2022年广泛应用），率先实现了现代代码自动完成。此后不久，诸如Cursor和Windsurf之类的新型AI集成开发环境（IDE）提供了更好的代码质量保证和代码生成功能。随着LLM的改进，构建在它们之上的这些AI辅助编码工具也得到了改进。
现在，我们拥有了高度自主的编码助手，例如OpenAI的Codex和Anthropic的Claude Code。这些工具在编写代码、测试和自主调试方面表现出色。对于那些不仅“凭感觉编码”，而且深入理解AI和软件架构基础，并能引导系统朝着精心选择的产品目标前进的熟练工程师而言，这些工具能够以前所未有的速度和效率构建软件。
AI辅助编码技术的更新迭代速度远快于AI构建模块。1到2年前的技术与今天的最佳实践相去甚远。部分原因可能是，AI构建者可能会使用数十甚至数百个不同的构建模块，但他们不太可能同时使用数十个不同的编码辅助工具，因此工具之间的竞争更加激烈。鉴于Anthropic、Google、OpenAI和其他参与者在该领域的巨额投资，预计这种快速发展将继续下去。及时了解AI辅助编码工具的最新发展将会带来回报，因为每一代工具都比上一代更好。
产品技能：额外加分项
在某些公司，工程师只需根据产品经理提供的详细设计图，编写代码来实现产品功能。然而，如果产品经理必须指定每一个最小的细节，这会降低团队的开发速度。AI产品经理的短缺加剧了这个问题。如果GenAI工程师也具备一定的用户同理心和基本的产品设计技能，那么团队的开发速度将会大大提高。例如，在仅获得关于构建内容的粗略指导（例如“一个允许用户查看其个人资料并更改其密码的用户界面”）的情况下，他们可以自行做出许多决策，并构建至少一个可供迭代的原型。
面试策略：如何识别GenAI工程师
在面试GenAI应用工程师时，通常会询问他们对AI构建模块的掌握程度、使用AI辅助编码的能力，以及他们的产品/设计直觉。此外，还有一个问题可以很好地预测他们的技能水平：“您如何了解AI的最新发展？”由于AI的快速发展，那些拥有良好学习策略的人（例如，阅读The Batch、参加短期课程、定期进行实践项目以及拥有一个可以交流的社区）确实比那些学习策略效果较差的人（例如，如果社交媒体是他们获取AI信息的主要来源，这通常无法提供深入的知识）更能保持领先地位。
结论
GenAI应用工程师是推动软件开发领域变革的关键力量。通过掌握AI构建模块、熟练运用AI辅助编码工具，并具备基本的产品设计技能，他们能够以惊人的速度构建强大的应用程序。在面试过程中，关注候选人对AI技术的持续学习能力，将有助于识别出真正具备创新精神和实践能力的GenAI工程师。
保持学习，不断进步！
