在人工智能（AI）领域，一种新型的工程师正在崭露头角，他们借助生成式AI的力量，以惊人的速度构建出前所未有的强大应用。这些工程师不仅技术精湛，更具备将AI潜力转化为实际解决方案的能力。本文旨在揭示这些GenAI应用工程师的关键技能，并探讨在招聘面试中如何有效识别他们。
GenAI应用工程师的核心技能
要成为一名出色的GenAI应用工程师，需要满足以下两个主要标准：
- AI构建模块的运用能力：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。
- AI辅助的快速工程能力：他们能够借助AI的辅助，以远超以往的速度构建软件系统，实现快速工程化。
此外，优秀的产品和设计直觉也是一项重要的加分项。
AI构建模块：积木式创新
想象一下，如果你只有一种乐高积木，那么你只能搭建一些简单的结构。但是，如果你拥有各种各样的积木，你就可以将它们快速组合起来，形成复杂而实用的结构。软件框架、SDK和其他工具也是如此。仅仅掌握如何调用大型语言模型（LLM）API是一个良好的开端，但如果你拥有更广泛的构建模块类型，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、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，那么你就可以创建更丰富的构建模块组合。
AI构建模块的数量正在快速增长。随着开源贡献者和企业提供越来越多的构建模块，及时掌握这些资源有助于你不断扩展自己的构建能力。即使新的构建模块不断涌现，1到2年前的许多构建模块（例如评估技术或使用向量数据库的框架）在今天仍然具有重要意义。了解和掌握这些构建模块，并善于将它们组合应用，是GenAI应用工程师的核心竞争力之一。
AI辅助编码：效率倍增器
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于2021年首次发布（并在2022年广泛可用），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集成开发环境（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（我非常喜欢使用它，并且对其自主编写代码、测试和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具有无与伦比的速度和效率。
我发现AI辅助编码技术比AI构建模块过时得更快，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，尽管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，因此达尔文竞争的力量在工具中更强大。鉴于Anthropic、Google、OpenAI和其他参与者对该领域的巨额投资，我预计这种狂热的发展步伐将继续下去，但是跟上AI辅助编码工具的最新发展将会得到回报，因为每一代都比上一代更好。
产品技能：锦上添花
在一些公司中，工程师需要根据产品经理提供的像素级精确的图纸，编写代码来实现产品。但是，如果产品经理必须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。我发现，如果GenAI工程师也具有一定的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。例如，在仅获得关于构建内容的总体指导（“一个允许用户查看其个人资料并更改其密码的用户界面”）的情况下，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，那就是“你如何跟上AI的最新发展？”由于AI的快速发展，那些具有良好策略来跟上AI发展的人——例如阅读The Batch和参加短期课程，定期进行构建项目的实践，以及拥有一个可以交谈的社区——确实比那些策略效果较差的人（例如，如果社交媒体是他们获取有关AI信息的主要来源，这通常无法提供跟上的深度）更好地保持领先地位。
GenAI应用工程师的未来展望
随着人工智能技术的不断发展，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、高效和个性化的应用，为人们的生活和工作带来革命性的变革。因此，对于那些渴望在AI领域有所作为的工程师来说，不断学习和掌握新的AI技术，提升自己的AI构建和AI辅助编码能力，并培养良好的产品思维，将是他们成功的关键。
如何培养GenAI应用工程师
为了培养更多的GenAI应用工程师，我们需要从以下几个方面入手：
- 加强AI基础教育：在高等教育阶段，加强人工智能、机器学习、深度学习等基础课程的教学，为学生打下扎实的理论基础。
- 注重实践能力培养：鼓励学生参与实际的AI项目，通过实践来掌握AI技术的应用方法和技巧。
- 鼓励跨学科学习：鼓励学生学习与AI相关的其他学科，如计算机科学、数学、统计学、设计学等，培养跨学科的综合能力。
- 提供持续学习的机会：为工程师提供持续学习的平台和资源，帮助他们及时了解和掌握AI领域的最新发展。
- 建立AI社区：建立一个活跃的AI社区，让工程师们可以互相交流、学习和合作。
结语
GenAI应用工程师是人工智能时代的新型人才，他们具备将AI技术转化为实际应用的能力，将在各行各业发挥越来越重要的作用。通过加强AI基础教育、注重实践能力培养、鼓励跨学科学习、提供持续学习的机会和建立AI社区，我们可以培养出更多优秀的GenAI应用工程师，为人工智能的发展做出更大的贡献。
