在生成式人工智能（GenAI）的浪潮下，涌现出了一批新型的应用工程师，他们正以惊人的速度构建着前所未有的强大应用。这些工程师们充分利用生成式AI，突破了传统软件开发的瓶颈，为各行各业带来了创新性的解决方案。本文旨在剖析这些GenAI应用工程师的关键技能，并提供在招聘面试中识别他们的有效方法。
GenAI应用工程师的核心技能
卓越的GenAI应用工程师通常具备以下两个核心能力：
AI构建模块的运用：他们能够熟练运用各种AI构建模块，迅速搭建功能强大的应用程序。如果说传统的软件开发依赖于有限的工具，那么GenAI应用工程师则拥有一个丰富的工具箱，其中包含了各种先进的AI技术。
AI辅助的快速工程能力：他们能够借助AI的强大力量，大幅缩短软件开发周期，实现高效的软件系统构建。这种能力使得他们能够以比以往更快的速度交付高质量的软件产品。
除了以上两点，出色的产品和设计sense也是GenAI应用工程师的重要加分项。他们不仅是技术专家，也是富有创造力的产品构建者。
AI构建模块：构建复杂应用的基石
想象一下，如果你的乐高积木只有一种类型，那么你只能搭建一些简单的结构。但如果你拥有各种各样的积木，你就可以将它们组合起来，快速构建出复杂的、功能完善的模型。软件框架、SDK以及其他工具也是如此。
掌握大型语言模型（LLM）API的调用方法是一个良好的开端，但更重要的是，要拥有广泛的构建模块类型，例如：
- 提示工程（Prompting Techniques）：掌握各种提示技巧，引导LLM生成符合要求的输出。
- Agentic框架：利用agentic框架构建自主代理，实现自动化任务处理。
- 评估（Evals）：使用评估指标和方法，衡量和改进AI模型的性能。
- 护栏（Guardrails）：设置安全和伦理方面的限制，防止AI模型产生不良输出。
- 检索增强生成（RAG）：结合外部知识库，提高LLM生成内容的准确性和相关性。
- 语音技术栈（Voice Stack）：利用语音识别、语音合成等技术，构建语音交互应用。
- 异步编程（Async Programming）：使用异步编程技术，提高应用程序的并发性和响应能力。
- 数据提取（Data Extraction）：从各种数据源中提取有用的信息。
- 嵌入/向量数据库（Embeddings/VectorDBs）：使用嵌入技术和向量数据库，实现高效的语义搜索和相似度匹配。
- 模型微调（Model Fine Tuning）：通过微调预训练模型，使其适应特定任务的需求。
- 图数据库（GraphDB）与LLM的结合：利用图数据库存储和查询知识，增强LLM的推理能力。
- Agentic浏览器/计算机使用：使AI代理能够自主地使用浏览器和计算机，完成更复杂的任务。
- MCP（多 компетенций 产品）：运用多 компетенций 产品理念，构建更全面的AI应用。
- 推理模型（Reasoning Models）：利用推理模型，提高AI的逻辑推理能力。
AI构建模块的数量正在迅速增长。开源社区和企业不断推出新的工具和技术，持续学习和掌握这些新工具，有助于你扩展可以构建的应用的范围。即使是1到2年前出现的构建模块（例如评估技术或向量数据库框架），在今天仍然具有重要的价值。
AI辅助编码：提升开发效率的利器
AI辅助编码工具能够显著提高开发人员的生产力，并且这些工具也在快速发展。Github Copilot于2021年首次发布（2022年广泛可用），开创了现代代码自动完成的先河。此后，诸如Cursor和Windsurf等新型AI赋能的IDE提供了更强大的代码质量保证和代码生成功能。随着LLM的不断改进，这些构建在其之上的AI辅助编码工具也得到了提升。
现在，我们拥有了高度agentic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的能力令人印象深刻。如果熟练的工程师（他们不仅“随性编码”，而且深入理解AI和软件架构的基本原理，并且能够引导系统朝着精心选择的产品目标前进）使用这些工具，他们就能够以无与伦比的速度和效率构建软件。
AI辅助编码技术的更新换代速度远快于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个（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大量投资，我预计这种快速的发展势头将继续下去。及时了解AI辅助编码工具的最新发展将有所回报，因为每一代工具都比上一代更好。
附加技能：产品sense
在一些公司，工程师只需按照产品经理提供的像素级精确的设计图，编写代码来实现即可。但是，如果产品经理必须指定所有最小的细节，这会降低团队的速度。“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，那么团队的效率会更高。这意味着，在获得关于要构建什么的粗略指导（例如“一个允许用户查看他们的个人资料并更改密码的用户界面”）后，他们可以自己做出许多决定，并构建至少一个原型以进行迭代。
面试GenAI应用工程师
在面试GenAI应用工程师时，我通常会询问他们对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sense。我发现一个额外的问题可以很好地预测他们的技能，那就是“你如何跟上AI的最新发展？”由于AI的飞速发展，那些拥有良好学习策略的人（例如，阅读行业资讯、参加短期课程、定期进行实践项目、并拥有一个可以交流的社区）确实比那些学习效率较低的人（例如，如果社交媒体是他们获取AI信息的主要来源，这通常无法提供跟上发展所需的深度）更能保持领先地位。
精益求精！
总结
GenAI应用工程师是推动AI技术发展的关键力量。他们不仅需要掌握各种AI构建模块和AI辅助编码技术，还需要具备良好的产品sense。通过有效的面试问题，我们可以找到那些能够快速学习和适应AI领域快速变化的优秀人才，共同推动AI技术的创新和应用。
如何成为一名优秀的GenAI应用工程师？
- 持续学习：AI领域日新月异，要保持对最新技术和工具的敏感性，不断学习新的知识和技能。
- 实践项目：通过实际项目来应用所学知识，加深对AI构建模块和AI辅助编码技术的理解。
- 参与社区：加入AI开发者社区，与其他开发者交流经验，共同进步。
- 培养产品sense：关注用户需求，学习产品设计的基本原则，成为一名更全面的GenAI应用工程师。
GenAI应用工程师的未来展望
随着AI技术的不断发展，GenAI应用工程师将在各行各业发挥越来越重要的作用。他们将利用AI的力量，构建出更加智能、高效和创新的应用，为人类创造更美好的未来。以下是GenAI应用工程师未来可能扮演的几种角色：
- AI解决方案架构师：负责设计和构建基于AI的解决方案，满足客户的业务需求。
- AI应用开发者：使用各种AI工具和技术，开发各种AI应用，例如智能客服、智能推荐、智能风控等。
- AI产品经理：负责规划和管理AI产品的整个生命周期，从需求分析到产品发布。
- AI伦理工程师：负责确保AI应用的开发和使用符合伦理规范，防止AI技术被滥用。
GenAI应用工程师的职业发展路径
GenAI应用工程师的职业发展路径有很多种，可以根据自己的兴趣和能力选择合适的道路。以下是一些常见的职业发展方向：
- 技术专家：深入研究AI技术，成为某个领域的专家，例如自然语言处理、计算机视觉、机器学习等。
- 团队领导者：带领团队开发AI应用，负责项目管理和团队协作。
- 创业者：创办自己的AI公司，开发创新的AI产品和服务。
- 顾问：为企业提供AI咨询服务，帮助企业 внедрять AI技术。
结论
GenAI应用工程师是AI时代的新型人才，他们掌握着AI构建模块和AI辅助编码技术，具备良好的产品sense，能够快速构建强大的AI应用。随着AI技术的不断发展，GenAI应用工程师将在各行各业发挥越来越重要的作用，为人类创造更美好的未来。希望本文能够帮助你了解GenAI应用工程师的关键技能和职业发展前景，为你在这个充满机遇的领域取得成功提供一些参考。
