在人工智能（AI）浪潮席卷全球的当下，一种全新的工程师正在崭露头角：生成式AI应用工程师。他们不仅能够运用最新的AI技术，更以惊人的速度构建出前所未有的强大应用。本文旨在深入剖析这一新兴职业的关键技能，并提供在面试中识别他们的有效方法，助力企业快速找到GenAI领域的创新力量。
GenAI应用工程师的核心技能
优秀的GenAI应用工程师需具备以下两个核心能力：
- 运用AI构建模块快速构建应用
试想一下，如果乐高积木的种类非常有限，那么能够搭建的模型也必然受到限制。但如果拥有各种各样的积木，就能创造出复杂而精妙的结构。软件开发亦是如此。仅仅掌握调用大型语言模型（LLM）API的技能只是一个开始。真正的GenAI工程师需要精通各种AI构建模块，包括但不限于：
- Prompting技巧：掌握Prompt工程的艺术，能够巧妙地引导LLM生成期望的输出。
- Agentic框架：利用自主代理框架，构建能够自主完成任务的智能体。
- Evals（评估）：运用评估技术，量化模型性能，并指导模型优化。
- Guardrails（安全护栏）：构建安全护栏，防止模型生成有害或不当内容。
- RAG（检索增强生成）：结合检索技术，让模型能够利用外部知识，生成更准确、更丰富的答案。
- 语音栈：整合语音识别和语音合成技术，构建语音交互应用。
- 异步编程：利用异步编程技术，提高应用的并发性和响应速度。
- 数据提取：掌握数据提取技术，从各种数据源中提取有用的信息。
- 嵌入/向量数据库：利用嵌入技术和向量数据库，实现高效的语义搜索和知识管理。
- 模型微调：通过微调技术，定制化模型，使其更适应特定任务。
- 图数据库与LLM的结合：利用图数据库存储和查询知识，结合LLM进行推理和知识发现。
- Agentic浏览器/计算机使用：赋予智能体使用浏览器和计算机的能力，实现更复杂的自动化任务。
- MCP（多步推理链）：构建多步推理链，让模型能够进行复杂的逻辑推理。
- 推理模型：掌握各种推理模型，如因果推理、演绎推理等。
随着开源社区和商业机构不断推出新的AI构建模块，GenAI工程师需要不断学习和掌握最新的技术，拓展自己的能力边界。即使是1-2年前的技术，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。
- 利用AI辅助进行快速工程开发
AI辅助编码工具极大地提高了开发者的生产力，并且这些工具正在快速发展。Github Copilot率先实现了现代代码自动完成功能。随后，Cursor和Windsurf等新一代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，构建于其上的AI辅助编码工具也得到了显著提升。
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。这些工具能够自主地编写代码、测试和调试，并在多次迭代中不断优化。对于那些深刻理解AI和软件架构基本原理，并能够引导系统朝着精心选择的产品目标前进的工程师来说，这些工具能够以无与伦比的速度和效率构建软件。
AI辅助编码技术的发展速度远超AI构建模块。1-2年前的技术可能已经过时。这是因为，虽然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，工具之间的竞争也更加激烈。随着Anthropic、Google、OpenAI和其他公司在该领域的大量投资，预计开发速度将持续加快。因此，及时掌握AI辅助编码工具的最新进展将带来丰厚的回报，因为每一代工具都比上一代更好。
额外加分项：产品技能
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即可。但如果产品经理需要指定每一个细节，这无疑会降低团队的效率。AI产品经理的短缺加剧了这个问题。因此，如果GenAI工程师具备一定的用户同理心和基本的产品设计技能，他们就能在产品经理提供高层次指导（例如“一个允许用户查看个人资料和更改密码的用户界面”）的情况下，自主做出许多决策，并构建至少一个可迭代的原型。
面试GenAI应用工程师的关键问题
在面试GenAI应用工程师时，通常会考察他们对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能力。还有一个问题能够很好地预测他们的技能水平：“您如何及时了解AI领域的最新进展？”由于AI技术发展迅速，那些拥有有效学习策略的人——例如阅读行业资讯、参加短期课程、进行实践项目，以及参与社区讨论——往往能够比那些依赖社交媒体获取信息的人更好地保持领先地位。
总而言之，GenAI应用工程师是推动AI应用创新和发展的重要力量。企业需要重视对这类人才的选拔和培养，才能在激烈的市场竞争中保持领先地位。
如何成为一名优秀的GenAI应用工程师
成为一名优秀的GenAI应用工程师需要持续的学习和实践。以下是一些建议：
构建坚实的基础知识：
- 掌握编程基础：精通Python、Java等常用编程语言，熟悉数据结构和算法。
- 理解机器学习和深度学习：深入学习机器学习和深度学习的理论知识，掌握常用的模型和算法。
- 熟悉自然语言处理（NLP）：了解NLP的基本概念、技术和应用，掌握常用的NLP工具和库。
精通AI构建模块：
- Prompt工程：学习Prompt工程的各种技巧，掌握Prompt的编写、优化和评估方法。
- Agentic框架：熟悉各种Agentic框架，如Langchain、AutoGPT等，并能够使用它们构建自主代理应用。
- Evals：学习各种评估技术，如BLEU、ROUGE、METEOR等，并能够使用它们评估模型性能。
- Guardrails：了解各种安全护栏技术，如内容过滤、对抗训练等，并能够使用它们保护模型安全。
- RAG：学习RAG的原理和实现方法，并能够使用它构建知识增强型应用。
- 向量数据库：熟悉各种向量数据库，如Pinecone、Weaviate等，并能够使用它们存储和检索向量数据。
掌握AI辅助编码工具：
- Github Copilot：熟练使用Github Copilot，提高编码效率。
- Cursor：尝试使用Cursor等AI赋能的IDE，体验更强大的代码质量保证和代码生成功能。
- Claude Code：体验Claude Code等自主编码助手，学习如何利用它们进行快速原型开发和代码优化。
积极参与开源社区：
- 贡献代码：参与开源项目的开发，贡献自己的代码，提高编码能力。
- 分享经验：在社区中分享自己的学习心得和实践经验，与其他开发者交流互动。
- 学习新知识：关注开源社区的最新动态，学习新的技术和工具。
持续学习和实践：
- 阅读行业资讯：关注AI领域的最新进展，阅读行业资讯、博客和论文。
- 参加短期课程：参加相关的培训课程，系统学习AI知识。
- 进行实践项目：通过实践项目，巩固所学知识，提高解决问题的能力。
- 参与社区讨论：积极参与社区讨论，与其他开发者交流学习，共同进步。
GenAI应用工程师的未来展望
随着AI技术的不断发展，GenAI应用工程师的需求将持续增长。他们将在各行各业发挥重要作用，推动AI应用的创新和发展。未来，GenAI应用工程师将面临更多的挑战和机遇，需要不断学习和提升自己的技能，才能适应快速变化的技术环境。
总之，GenAI应用工程师是一个充满活力和发展前景的新兴职业。只要不断学习和实践，就能成为一名优秀的GenAI应用工程师，并在AI时代取得成功。
