GenAI应用工程师：AI时代的新型工程师
各位朋友，大家好！
随着生成式AI（GenAI）技术的飞速发展，一种新型的工程师——GenAI应用工程师应运而生。他们能够以前所未有的速度构建功能强大的应用程序，这在很大程度上得益于生成式AI的强大能力。目前，各大企业对这类人才的需求十分迫切，但对于他们的具体技能要求尚未完全明确。今天，我将详细介绍GenAI应用工程师的关键技能，并分享我在面试中如何识别这类人才。
GenAI应用工程师的核心技能
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的应用程序：他们能够充分利用各种AI工具和框架，高效地开发出满足特定需求的应用程序。
- 借助AI辅助工具实现快速工程化：他们能够利用AI大幅缩短软件系统的开发时间，从而显著提高工作效率。
此外，良好的产品和设计sense也是一项重要的加分项。
AI构建模块：如同乐高积木
如果你只有一种乐高积木，那么你只能搭建一些非常简单的结构。但是，如果你拥有各种各样的积木，你就可以将它们组合起来，快速构建出复杂的、功能齐全的结构。软件框架、SDK以及其他工具也是如此。仅仅知道如何调用大型语言模型（LLM）API只是一个良好的开端。如果你掌握了各种AI构建模块，例如提示工程（prompting techniques）、Agentic框架、评估（evals）、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（embeddings/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、MCP、推理模型等等，你就可以创建出更加丰富和强大的应用。
AI构建模块的数量正在迅速增长。随着开源社区和企业不断推出新的构建模块，及时掌握这些信息能够帮助你不断扩展自己的能力。即使是1-2年前的构建模块（例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。
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人员的生产力，并且这些工具的进步速度非常快。GitHub Copilot于2021年首次发布（并在2022年广泛应用），它开创了现代代码自动完成的先河。不久之后，诸如Cursor和Windsurf等新型AI赋能的集成开发环境（IDE）提供了更加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，这些构建在其之上的AI辅助编码工具也得到了显著提升。
目前，我们拥有了高度Agentic的编码助手，例如OpenAI的Codex和Anthropic的Claude Code（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）。在熟练的工程师手中（他们不仅能够编写代码，而且能够深入理解AI和软件架构的基础知识，并将系统朝着精心选择的产品目标引导），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以及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AI辅助编码工具的最新进展将会带来丰厚的回报，因为每一代工具都比上一代更加出色。
附加优势：产品技能
在一些公司，工程师只需要按照产品经理详细制定的、精确到像素级别的设计图来编写代码即可。但是，如果产品经理需要指定每一个细节，这将会降低团队的效率。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，那么团队的效率将会大大提高。例如，在仅获得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”）的情况下，他们可以自己做出许多决策，并构建至少一个可以迭代的原型。
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，有时还会考察他们的产品/设计sense。我发现，有一个问题能够很好地预测他们的技能水平，那就是：“你如何及时掌握AI领域的最新进展？”由于AI技术发展迅速，那些拥有良好学习策略的人——例如阅读行业资讯、参加短期课程、定期进行实践项目以及拥有一个可以交流的社区——确实比那些学习策略不太有效的人（例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深入的信息）更能保持领先地位。
希望以上信息对你有所帮助！
Andrew
