通往未来：GenAI应用工程师的崛起之路
亲爱的朋友们，
随着生成式人工智能（GenAI）技术的飞速发展，一种全新的工程师正在崭露头角——GenAI应用工程师。他们以惊人的速度构建出前所未有的强大应用，而这背后，生成式AI功不可没。各个企业对这类人才的需求日益高涨，但对于他们的具体技能要求和岗位描述仍在不断演变。
那么，如何定义一位出色的GenAI应用工程师？在面试中又该如何识别他们？
卓越的GenAI应用工程师需满足两大核心标准：
- 熟练运用AI构建模块：能够利用新兴的AI组件快速搭建强大的应用程序。
- 精通AI辅助编码：能够借助AI工具显著提升工程效率，在更短的时间内构建复杂的软件系统。
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：从乐高积木到无限可能
想象一下，如果你的手头只有单一类型的乐高积木，你或许能搭建一些简单的结构。但如果拥有各种各样的积木，你就能迅速组合它们，创造出复杂而实用的模型。软件框架、SDK以及其他工具也是如此。掌握调用大型语言模型（LLM）API是入门的基础，但如果能熟练运用各种构建模块，如提示工程、代理框架、评估、安全护栏、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、图数据库与LLM的结合、代理浏览器/计算机使用、MCP、推理模型等等，你就能创造出更加丰富多彩的应用。
随着开源社区和企业不断推出新的AI构建模块，及时掌握这些工具，将有助于你不断拓展自身的能力边界。即使是1到2年前的构建模块，如评估技术或向量数据库框架，在今天依然具有重要的价值。
AI辅助编码：效率革命
AI辅助编码工具正在显著提升开发者的生产力，并且这些工具的进步日新月异。GitHub Copilot于2021年首次发布（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）提供了更强大的代码质量保证和代码生成功能。随着LLM的不断完善，这些构建于其上的AI辅助编码工具也得到了同步提升。
现在，我们拥有了像OpenAI的Codex和Anthropic的Claude Code这样高度自主的编码助手。我个人非常喜欢使用Claude Code，它在代码编写、测试和调试方面的自主能力给我留下了深刻的印象。在精通AI和软件架构基础，并能引导系统朝着精心选择的产品目标前进的工程师手中，这些工具能够以无与伦比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到2年前的技术可能已经不再是今天的最佳实践。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，工具之间的竞争也更加激烈。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的态势将持续下去。及时掌握最新的AI辅助编码工具将带来丰厚的回报，因为每一代工具都比上一代更加出色。
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像素级精确设计图，编写代码来实现产品功能。但如果产品经理需要事无巨细地指定每一个细节，就会降低团队的整体效率。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，团队的开发速度会更快。例如，只需提供关于构建内容的高级指导（“一个允许用户查看个人资料并更改密码的用户界面”），他们就可以自行做出许多决策，并构建至少一个可供迭代的原型。
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，还有一个问题可以很好地预测他们的技能水平：“你如何跟上AI领域的最新发展？”由于AI技术的快速发展，那些拥有良好学习策略的人——比如阅读_The Batch_，参加短期课程😃，定期进行项目实践，并积极参与社区交流——确实比那些学习策略效率较低的人（比如主要通过社交媒体获取AI信息，而社交媒体通常无法提供足够的深度）更能保持领先地位。
不断学习，持续精进！
Andrew
