新型GenAI应用工程师：AI时代的高效构建者
亲爱的朋友们，
在生成式人工智能（GenAI）的浪潮下，一种新型的应用工程师正在崭露头角。他们借助GenAI的力量，能够以远超以往的速度构建出更为强大的应用程序。企业对这类人才的需求日益旺盛，但对于他们的具体技能要求和定位，行业内的共识仍在形成之中。本文旨在阐述GenAI应用工程师的关键技能，并分享我个人在面试中用于评估这些技能的方法。
卓越的GenAI应用工程师通常具备以下两个核心能力：
- 运用新型AI构建模块快速构建强大应用：他们能够熟练地运用各种AI工具和框架，像积木一样快速搭建出功能完善的应用程序。
- 利用AI辅助实现高效工程：他们能够借助AI的辅助，显著缩短软件系统的开发周期，实现工程效率的飞跃。
此外，优秀的产品和设计sense也是一项重要的加分项。
AI构建模块：从单一到多元
试想一下，如果你拥有的只是单一类型的乐高积木，那么你或许只能搭建一些简单的结构。但如果你拥有各种各样的积木，你就能将它们快速组合，构建出复杂且功能多样的模型。软件框架、SDK以及其他工具也是如此。如果你只掌握了调用大型语言模型（LLM）API的方法，那固然是一个良好的开端。但如果你拥有更广泛的“积木”类型——例如prompt技巧、Agentic框架、评估（evals）、安全护栏（guardrails）、检索增强生成（RAG）、语音技术栈、异步编程、数据提取、嵌入/向量数据库（vectorDBs）、模型微调、LLM与图数据库（graphDB）的结合应用、Agentic浏览器/计算机使用、模型控制预测（MCP）以及推理模型等等，你就能创造出更为丰富和复杂的应用。
强大的AI构建模块数量正在快速增长。随着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将有助于你不断拓展自身的能力边界。即使是1-2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的现实意义。
AI辅助编码：提升开发效率的利器
AI辅助编码工具能够极大地提高开发者的生产力，并且这些工具的性能也在迅速提升。2021年首次亮相的GitHub Copilot（并在2022年得到广泛应用）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显著提升。
现在，我们拥有了诸如OpenAI的Codex和Anthropic的Claude Code等高度Agentic的编码助手（我个人非常喜欢使用Claude Code，并且对其自主编写代码、测试和调试的能力印象深刻）。在熟练的工程师手中——他们不仅能够“随心所欲”地编写代码，还能深刻理解AI和软件架构的基本原理，并将系统导向经过深思熟虑的产品目标——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辅助编码技术的更新迭代速度远快于AI构建模块，1-2年前的技术与当今的最佳实践相比已经相去甚远。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，我预计这种快速发展势头将持续下去。因此，及时掌握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工具更加出色。
附加优势：优秀的产品技能
在一些公司，工程师只需按照产品经理详细指定的产品设计图，编写代码来实现即可。但如果产品经理需要事无巨细地指定每一个细节，这无疑会拖慢整个团队的进度。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技能，团队的开发效率会更高。例如，在仅获得关于构建内容的概要指导（例如“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供迭代。
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，有时还会考察他们的产品/设计sense。我发现，还有一个问题能够很好地预测他们的技能水平，那就是：“你如何跟上AI领域的最新发展？”由于AI技术发展日新月异，那些拥有良好学习策略的人——例如阅读_The Batch_、参加短期课程、定期进行项目实践以及拥有一个可以交流的社区——确实比那些学习策略效率较低的人（例如，如果社交媒体是他们获取AI信息的主要来源，这通常无法提供足够的深度来跟上发展）更能保持领先地位。
持续构建，不断进步！
Andrew
