AI時代，什么樣的人才最“吃香”？吳恩達老師最近給出了一個明確的答案：生成式AI應用工程師

　　吳恩達老師認為一名出色的生成式AI應用工程師主要滿足兩個標準：

　　（一）他們能熟練運用各種新型AI構建模塊，快速開發功能強大的應用

　　（二）他們能熟練運用AI輔助，實現快速工程化，以遠超以往的速度構建軟件系統

　　此外，良好的產品和設計直覺也是一項重要的加分項

　　核心技能一：掌握AI構建模塊

　　吳老師用樂高積木打比方。如果手上只有一種積木，或許只能搭出一些簡單的結構。但如果擁有種類繁多的積木，就能快速組合它們，創造出復雜且功能完備的作品。軟件框架、SDK和其他工具也是如此。

　　僅僅知道如何調用大語言模型（LLM）的API是一個很好的開始，但這遠遠不夠。如果掌握了更廣泛的構建模塊——例如提示詞工程（Prompting）、Agent框架、評估（Evals）、安全護欄（Guardrails）、RAG（檢索增強生成）、語音技術棧、異步編程、數據提取、嵌入式/向量數據庫、模型微調、圖數據庫與LLM的結合、基于Agent的瀏覽器/計算機自動化、MCP（模型、控制器、提示）、推理模型等等——就能創造出遠比單一模塊更豐富、更強大的組合。

　　強大的AI構建模塊數量正以前所未有的速度增長。隨著開源貢獻者和企業提供越來越多的模塊，持續學習和了解這些新工具，將幫助工程師不斷拓展其能力的邊界。值得注意的是，即使新技術層出不窮，許多一兩年前的構建模塊（如評測技術或向量數據庫框架）在今天依然至關重要。

　　核心技能二：精通AI輔助編程

　　AI輔助編碼工具極大地提升了開發者的生產力，并且這些工具本身也在飛速進步。2021年發布、2022年普及的Github Copilot開創了現代代碼自動補全的先河。但很快，新一代的AI原生IDE（如Cursor和Windsurf）在代碼問答和代碼生成方面提供了更出色的體驗。隨著LLM性能的提升，構建于其上的AI輔助編碼工具也水漲船高。

　　如今，我們已經擁有了高度智能化的編碼助手，例如OpenAI的Codex和Anthropic的Claude Code，這些工具在自主編寫、測試和多輪調試代碼方面的能力令人印象深刻。在優秀的工程師手中——他們不僅是“憑感覺編程”，而是深刻理解AI和軟件架構基礎，并能引導系統朝著經過深思熟慮的產品目標前進——這些工具使得軟件開發的速度和效率達到了前所未有的高度。

　　一個值得注意的觀察是，AI輔助編碼技術的迭代速度遠快于AI構建模塊。一兩年前的技術可能已經遠遠落后于今天的最佳實踐。這部分原因或許在于，雖然AI開發者可能會使用數十甚至上百種不同的構建模塊，但他們不太可能同時使用幾十種不同的編碼輔助工具。因此，工具之間的“達爾文式”競爭更為激烈。鑒于Anthropic、谷歌、OpenAI等巨頭在這一領域的巨大投入，可以預見這種狂熱的發展勢頭將持續下去。緊跟AI輔助編碼工具的最新進展將帶來豐厚的回報，因為每一代新工具都比上一代強大得多。

　　加分項：產品思維

　　在一些公司，工程師的職責是嚴格按照產品經理提供的“像素級精確”的設計圖來實現功能。但如果產品經理必須規定每一個微小的細節，整個團隊的開發速度就會被拖慢。AI產品經理的短缺更加劇了這個問題。

　　實踐證明，如果生成式AI工程師同時具備一些用戶同理心和基本的產品設計能力，團隊的效率會大幅提升。這樣，他們只需得到一個高層級的方向（例如，“開發一個能讓用戶查看個人資料并修改密碼的界面”），就能自主做出許多決策，并快速構建出可供迭代的原型。

　　如何識別優秀人才？

　　在面試生成式AI應用工程師時，招聘方通常會考察他們對AI構建模塊的掌握程度、使用AI輔助編碼的能力，有時還會評估他們的產品/設計直覺。

　　此外，有一個問題被證明對于預測候選人的能力水平非常有幫助：

　　“如何跟上AI領域的最新發展？”

　　由于AI技術日新月異，一個擁有良好學習策略的人才能真正保持領先。這些策略包括：

　　閱讀行業通訊（如 The Batch）和參加短期課程

　　通過動手實踐項目進行定期練習

　　擁有一個可以交流討論的社群

　　能夠做到這些的人，才能在這場飛速發展的技術浪潮中脫穎而出

　　參考：

　　https://x.com/AndrewYNg/status/1933185193059516442