GenAI应用工程师：AI时代的新型工匠
在生成式人工智能（GenAI）的浪潮下，涌现出了一批新型软件工程师，他们正以惊人的速度构建着前所未有的强大应用。他们不仅是技术的弄潮儿，更是将AI潜力转化为现实的工匠。本文将深入剖析GenAI应用工程师的关键技能，并探讨如何在招聘面试中慧眼识珠，找到最适合企业需求的人才。
GenAI应用工程师的核心能力
卓越的GenAI应用工程师需满足以下两个核心标准：
- 熟练运用AI构建模块：他们能够灵活运用各种AI技术，像乐高积木一样快速搭建强大的应用。拥有丰富的工具箱，才能创造出令人惊叹的作品。
- 精通AI辅助编码：他们能够借助AI的力量，大幅提升开发效率，在更短的时间内构建复杂的软件系统。事半功倍，是他们制胜的法宝。
此外，出色的产品和设计直觉也是一项重要的加分项。
AI构建模块：打造应用的基石
想象一下，你拥有大量的乐高积木，但只有一种类型。你或许可以搭建一些简单的结构，但如果拥有各种各样的积木，就能迅速组合成复杂且功能强大的模型。软件框架、SDK以及其他工具也是如此。仅仅掌握调用大型语言模型（LLM）API的技能，只是一个良好的开端。更重要的是，要拥有Prompt技巧、Agentic框架、评估（Evals）、安全护栏（Guardrails）、检索增强生成（RAG）、语音栈、异步编程、数据提取、嵌入/向量数据库、模型微调、LLM图数据库应用、Agentic浏览器/计算机使用、最小冲突优先（MCP）和推理模型等一系列构建模块，才能创造出更丰富、更强大的应用。
随着开源社区和企业不断推出新的AI构建模块，及时掌握这些资源，有助于不断拓展你的创造能力。即使是1-2年前的技术（如评估技术或向量数据库框架），在今天依然具有重要价值。
AI辅助编码：提升效率的利器
AI辅助编码工具能够显著提升开发者的生产力，并且这些工具的进化速度非常快。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。紧随其后，Cursor和Windsurf等新型AI赋能的IDE，在代码质量保证（QA）和代码生成方面表现更出色。随着LLM的不断改进，这些构建于其之上的AI辅助编码工具也得到了提升。
如今，我们拥有了像OpenAI的Codex和Anthropic的Claude Code这样高度Agentic的编码助手。它们能够自主编写代码、进行测试和调试，并多次迭代。对于那些不仅会“随性编码”，而且对AI和软件架构基础有深刻理解，能够引导系统朝着精心选择的产品目标前进的熟练工程师来说，这些工具能够以前所未有的速度和效率构建软件。
我发现，AI辅助编码技术的迭代速度远快于AI构建模块。1-2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构建者可能会使用几十甚至数百个不同的构建模块，但他们不太可能同时使用几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巨额投资，我预计这种快速发展势头将持续下去。及时掌握最新的AI辅助编码工具，将会获得丰厚的回报，因为每一代工具都比上一代更好。
附加技能：产品意识的重要性
在某些公司，工程师只需按照产品经理提供的像素级完美的设计图，编写代码来实现即可。但如果产品经理需要详细地指定每一个细节，就会拖慢整个团队的进度。而AI产品经理的短缺加剧了这个问题。我发现，如果GenAI工程师也具备一定的用户同理心和基本的产品设计能力，团队的效率会更高。例如，只需提供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”），他们就可以自己做出许多决定，并构建至少一个可以迭代的原型。
如何面试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/设计直觉。我发现，有一个问题能够很好地预测他们的技能水平：“你是如何掌握AI领域最新进展的？”由于AI的快速发展，那些拥有良好学习策略的人（如阅读_The Batch_、参加短期课程😃、定期进行实践项目，并拥有交流社区），确实比那些学习策略不太有效的人（如主要通过社交媒体获取AI信息，这通常无法提供足够的深度）更能保持领先地位。
保持学习，不断进步！
Andrew
