在生成式人工智能（GenAI）的浪潮下，一种新型的软件工程师正在崛起，他们以更快的速度构建更强大的应用程序。他们的出现，得益于生成式人工智能带来的技术革新。本文将深入探讨这些新型GenAI应用工程师的关键技能，并分享在招聘面试中如何识别他们的有效方法。
GenAI应用工程师的核心技能
优秀的GenAI应用工程师需满足以下两个主要标准：
- 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强大的应用程序。
- AI辅助的快速工程：他们能够借助AI的辅助，以远低于以往的速度构建软件系统。
此外，出色的产品和设计直觉也是一项重要的加分项。让我们详细分析这几个关键能力。
AI构建模块：像乐高积木一样强大
如果只拥有单一类型的乐高积木，你或许只能搭建一些简单的结构。但如果拥有多种类型的积木，就能迅速组合出复杂且功能完善的结构。软件框架、SDK以及各种工具也是如此。仅仅掌握如何调用大型语言模型（LLM）API只是一个良好的开端。更重要的是，要拥有广泛的构建模块，例如：提示工程（Prompting Techniques）、自主代理框架（Agentic Frameworks）、评估方法（Evals）、安全护栏（Guardrails）、检索增强生成（RAG）、语音技术栈（Voice Stack）、异步编程（Async Programming）、数据提取（Data Extraction）、嵌入/向量数据库（Embeddings/VectorDBs）、模型微调（Model Fine Tuning）、图数据库与LLM结合使用（GraphDB usage with LLMs）、自主代理浏览器/计算机使用（Agentic Browser/Computer Use）、多步推理链（MCP）、推理模型（Reasoning Models）等。拥有这些丰富的“积木”，才能创造出更丰富、更强大的应用。
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构建模块，及时掌握这些新工具，有助于拓展你的构建能力。即使是1到2年前的构建模块（例如评估技术或向量数据库的使用框架），在今天仍然具有重要意义。
AI辅助编码：提升开发效率的利器
AI辅助编码工具显著提高了开发人员的生产力，并且这些工具也在快速发展。GitHub Copilot于2021年首次发布（2022年广泛应用），开创了现代代码自动完成的先河。此后不久，诸如Cursor和Windsurf等新型AI赋能的集成开发环境（IDE）提供了更出色的代码质量保证（QA）和代码生成功能。随着LLM的不断改进，构建于其上的AI辅助编码工具也得到了提升。
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。笔者在使用Claude Code时，对其编写代码、测试和自主调试的能力印象深刻。在熟练的工程师手中（他们不仅是随意编写代码，而是深入理解AI和软件架构的基础知识，并且能够引导系统朝着精心选择的产品目标前进），这些工具能够以无与伦比的速度和效率构建软件。
与AI构建模块相比，AI辅助编码技术的更新迭代速度更快。1到2年前的技术与当今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种不同的构建模块，但他们不太可能同时使用数十种不同的编码辅助工具。因此，工具之间的竞争也更加激烈。Anthropic、Google、OpenAI等公司在该领域投入了大量资金，预计这种快速发展的态势将持续下去。及时了解AI辅助编码工具的最新发展将带来回报，因为每一代工具都比上一代更好。
产品技能：额外的加分项
在某些公司，工程师只需按照产品经理提供的像素级精确、细节详尽的设计图编写代码即可。但如果产品经理需要事无巨细地指定每个细节，就会降低团队的开发速度。人工智能产品经理的短缺加剧了这一问题。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，团队的开发速度将会更快。例如，只需提供关于构建内容的高级指导（“一个允许用户查看个人资料和更改密码的用户界面”），他们就可以自行做出许多决策，并构建至少一个可以迭代的原型。
面试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构建模块的掌握程度以及使用AI辅助编码的能力，有时还会考察他们的产品/设计直觉。此外，还有一个问题能够很好地预测他们的技能水平：“你如何跟上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——例如阅读行业资讯、参加短期课程、定期进行项目实践以及加入技术社区——比那些学习策略效率较低的人更能保持领先地位。如果社交媒体是他们获取AI信息的主要来源，通常无法提供跟上发展所需的深度。
GenAI应用工程师的崛起与挑战
随着人工智能技术的飞速发展，GenAI应用工程师的需求日益增长。他们不仅需要精通传统的软件开发技能，还要深入了解AI的底层逻辑和算法，能够灵活运用各种AI工具和框架。然而，GenAI应用工程师也面临着诸多挑战：
- 技术更新迅速：AI领域的技术日新月异，GenAI应用工程师需要不断学习和适应新的技术。
- 知识体系庞杂：AI涉及的知识领域非常广泛，GenAI应用工程师需要具备扎实的数学、统计学和计算机科学基础。
- 伦理和社会责任：AI技术的应用涉及到伦理和社会问题，GenAI应用工程师需要具备高度的责任感和道德意识。
GenAI应用工程师的未来发展趋势
随着AI技术的不断发展，GenAI应用工程师的未来发展前景广阔。以下是一些可能的发展趋势：
- 更加注重领域知识：未来的GenAI应用工程师将更加注重特定领域的知识，例如医疗、金融、教育等，以便更好地将AI技术应用于实际场景。
- 更加强调人机协作：未来的GenAI应用工程师将更加强调与AI的协作，共同完成复杂的任务。
- 更加关注用户体验：未来的GenAI应用工程师将更加关注用户体验，设计出更加人性化、易于使用的AI应用。
总之，GenAI应用工程师是AI时代的关键人才，他们将引领AI技术的创新和应用，为社会带来巨大的变革。对于有志于从事AI领域的人来说，成为一名GenAI应用工程师是一个充满机遇和挑战的选择。
如何培养GenAI应用工程师
为了应对GenAI应用工程师的人才缺口，需要从以下几个方面入手：
- 加强AI教育：在高校和职业教育中加强AI相关课程的设置，培养学生的AI基础知识和技能。
- 提供实践机会：为学生和从业人员提供更多的实践机会，例如实习、项目合作等，让他们在实践中掌握AI技术。
- 鼓励技术交流：鼓励技术人员之间的交流和分享，共同学习和进步。
结语
GenAI应用工程师是推动人工智能技术发展的关键力量。掌握AI构建模块、精通AI辅助编码、具备产品思维，并不断学习和适应新技术，是成为一名优秀GenAI应用工程师的关键。希望本文能帮助读者更好地了解GenAI应用工程师，并在招聘和职业发展中做出明智的选择。
