在人工智能（AI）领域，一种新型的工程师正在崭露头角，他们就是生成式AI应用工程师。得益于生成式AI技术的快速发展，他们能够以更快的速度构建更强大的应用程序。那么，在招聘面试中，如何识别出这些炙手可热的人才呢？
生成式AI应用工程师的关键技能
优秀的生成式AI应用工程师需要具备以下两个主要条件：
- 能够利用新的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熟悉各种AI技术，还要能够将它们有效地组合在一起，创造出具有实际价值的应用程序。
- 能够利用AI辅助进行快速工程开发，从而以比以往更少的时间构建软件系统：这要求他们掌握AI辅助编码工具，并能够利用这些工具提高开发效率。
此外，良好的产品和设计直觉也是一个重要的加分项。
AI构建模块
如果只有单一类型的乐高积木，你可能只能构建一些基本的结构。但如果拥有多种类型的积木，就可以快速地将它们组合在一起，形成复杂、功能齐全的结构。软件框架、SDK和其他工具也是如此。仅仅知道如何调用大型语言模型（LLM）API是一个好的开始，但如果掌握了各种构建模块——如提示技术、代理框架、评估、防护栏、RAG、语音堆栈、异步编程、数据提取、嵌入/向量数据库、模型微调、带有LLM的图数据库使用、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构建模块的数量持续快速增长。随着开源贡献者和企业提供越来越多的构建模块，及时了解可用的资源有助于不断扩展可以构建的内容。即使新的构建模块不断涌现，1到2年前的许多构建模块（如评估技术或使用向量数据库的框架）在今天仍然非常重要。
AI辅助编码
AI辅助编码工具能够显著提高开发人员的生产力，并且这些工具正在快速发展。Github Copilot于2021年首次发布（并在2022年广泛使用），开创了现代代码自动完成的先河。此后不久，诸如Cursor和Windsurf之类的新型AI赋能的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，我们拥有了高度代理的编码助手，例如OpenAI的Codex和Anthropic的Claude Code（我非常喜欢使用，并且对其编写代码、测试和自主调试多个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”，而且深刻理解AI和软件架构的基础知识，并且能够引导系统朝着经过深思熟虑的产品目标前进——这些工具使得以无与伦比的速度和效率构建软件成为可能。
我发现AI辅助编码技术比AI构建模块过时得更快，1或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，虽然AI构建者可能会使用数十个（数百个？）不同的构建模块，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更为激烈。鉴于Anthropic、Google、OpenAI和其他参与者在该领域的大量投资，我预计这种疯狂的发展速度将继续下去，但跟上AI辅助编码工具的最新发展将会有所回报，因为每一代都比上一代更好。
产品技能：一项额外优势
在一些公司，工程师需要根据产品经理提供的像素级完美图纸和详细规格编写代码来实现产品。但如果产品经理需要指定甚至最小的细节，这会降低团队的速度。人工智能产品经理的短缺加剧了这个问题。如果生成式AI工程师也具有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。例如，在仅获得关于构建内容的粗略指导（“一个允许用户查看个人资料并更改密码的用户界面”）的情况下，他们可以自己做出许多决策，并构建至少一个原型以进行迭代。
面试问题
在面试生成式AI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，有时还会询问他们的产品/设计直觉。我发现还有一个问题可以很好地预测他们的技能：“您如何跟上AI的最新发展？”由于AI发展迅速，因此，那些具有良好跟踪策略的人——例如阅读The Batch并参加短期课程，定期进行构建项目的实践，以及拥有一个可以交流的社区——确实比那些策略不太有效的人（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所需的深度）更好地保持领先地位。
结论
总而言之，新一代的GenAI应用工程师是那些能够熟练运用AI工具和技术，快速构建强大应用的人才。他们不仅精通各种AI构建模块，还善于利用AI辅助编码工具提高开发效率。此外，良好的产品和设计直觉也是他们的一大优势。在招聘面试中，通过关注候选人对AI构建模块的掌握程度、AI辅助编码能力以及产品设计能力，可以有效地识别出这些炙手可热的GenAI应用工程师。
要成为一名优秀的GenAI应用工程师，需要不断学习和实践，紧跟AI领域的最新发展。只有这样，才能在这个快速变化的领域中保持竞争力，并为构建更美好的未来贡献力量。
