GenAI 应用工程师：AI 时代的新型工程师
在生成式人工智能（GenAI）的推动下，一种新型的软件工程师正在涌现，他们能够以比以往更快的速度构建更强大的应用程序。这些工程师掌握着独特的技能和工具，使他们成为企业争夺的焦点。本文将深入探讨 GenAI 应用工程师的关键技能，并分享在面试中识别他们的有效方法。
GenAI 应用工程师的核心技能
优秀的 GenAI 应用工程师需要满足以下两个主要标准：
能够利用新型 AI 构建模块快速构建强大的应用程序：这意味着他们不仅要了解大型语言模型（LLM）的基础知识，还要掌握各种 AI 构建模块，如提示工程、代理框架、评估、护栏、检索增强生成（RAG）、语音栈、异步编程、数据提取、嵌入/向量数据库、模型微调、图数据库使用、代理浏览器/计算机使用、MCP 和推理模型等。拥有丰富的构建块类型，可以更轻松地将它们组合起来，从而创建更丰富的功能。
能够利用 AI 辅助快速进行工程开发，以比以往更短的时间构建软件系统：AI 辅助编码工具极大地提高了开发人员的生产力，并且这些工具正在迅速发展。Github Copilot 开创了现代代码自动完成的先河。此后，Cursor 和 Windsurf 等新型 AI 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，构建在其上的这些 AI 辅助编码工具也得到了改进。
此外，良好的产品/设计直觉也是一项重要的加分项。
AI 构建块：掌握多种工具
如果只掌握一种类型的乐高积木，可能只能构建一些基本的结构。但是，如果拥有多种类型的积木，就可以快速地将它们组合起来，形成复杂的、功能性的结构。软件框架、SDK 和其他此类工具也是如此。如果只知道如何调用大型语言模型（LLM）API，那只是一个好的开始。但是，如果掌握了各种构建块类型，例如提示技术、代理框架、评估、护栏、RAG、语音堆栈、异步编程、数据提取、嵌入/向量数据库、模型微调、图数据库使用 LLM、代理浏览器/计算机使用、MCP、推理模型等等，那么就可以创建更丰富的构建块组合。
强大的 AI 构建块的数量持续快速增长。随着开源贡献者和企业提供更多的构建块，及时了解可用的构建块有助于不断扩展可以构建的内容。即使创建了新的构建块，1 到 2 年前的许多构建块（例如评估技术或用于 vectorDB 的框架）在今天仍然非常有用。
AI 辅助编码：提高开发效率
AI 辅助编码工具使开发人员能够提高工作效率，并且此类工具正在迅速发展。Github Copilot 于 2021 年首次发布（并于 2022 年广泛提供），开创了现代代码自动完成的先河。但此后不久，Cursor 和 Windsurf 等新型 AI IDE 提供了更好的代码质量保证和代码生成。随着 LLM 的改进，构建在其上的这些 AI 辅助编码工具也得到了改进。
现在，我们拥有了高度代理的编码助手，例如 OpenAI 的 Codex 和 Anthropic 的 Claude Code（我真的很喜欢使用，并且对其编写代码、测试和自主调试许多迭代的能力印象深刻）。在熟练的工程师手中——他们不仅“凭感觉编码”，而且深入了解 AI 和软件架构基础知识，并且可以将系统引导到经过深思熟虑的产品目标——这些工具使构建软件成为可能以无与伦比的速度和效率。
我发现 AI 辅助编码技术过时的速度远快于 AI 构建块，并且 1 或 2 年前的技术远非当今的最佳实践。部分原因可能是，虽然 AI 构建者可能会使用数十个（数百个？）不同的构建块，但他们不太可能一次使用数十个不同的编码辅助工具，因此工具之间的达尔文竞争力量更强。鉴于 Anthropic、Google、OpenAI 和其他参与者在该领域的巨额投资，我预计这种疯狂的发展速度将持续下去，但及时了解 AI 辅助编码工具的最新发展将会带来回报，因为每一代都比上一代好得多。
产品技能：提升团队效率
在一些公司中，工程师需要根据产品经理提供的详细图纸编写代码来实现产品。如果产品经理需要指定即使是最小的细节，这也会减慢团队的速度。AI 产品经理的短缺加剧了这个问题。我发现，如果 GenAI 工程师也具备一些用户同理心和设计产品的基本技能，那么团队的行动速度会更快，这样，在仅获得关于要构建什么的高级指导（“一个让用户查看他们的个人资料并更改密码的用户界面”）的情况下，他们可以自己做出很多决定并构建至少一个原型来从中迭代。
如何在面试中识别 GenAI 应用工程师
在面试 GenAI 应用工程师时，通常会询问他们对 AI 构建块的掌握程度以及使用 AI 辅助编码的能力，有时还会询问他们的产品/设计直觉。我发现，另一个可以高度预测他们的技能的问题是，“您如何了解 AI 的最新发展？”由于 AI 的发展非常迅速，因此，那些具有良好学习策略的人——例如阅读行业资讯、参加短期课程、定期进行项目构建实践以及拥有可以交谈的社区——确实比那些学习效率较低的人更好地保持领先地位（例如，如果社交媒体是他们获取有关 AI 的主要信息来源，这通常无法提供跟上进度所需的深度）。
结论
GenAI 应用工程师是 AI 时代不可或缺的人才。他们掌握着构建强大 AI 应用程序所需的技能和知识，并能够利用 AI 辅助工具提高开发效率。通过关注 AI 构建块、AI 辅助编码和产品技能，企业可以有效地识别和招募这些有价值的工程师，从而在 AI 驱动的未来中取得成功。
