吴恩达老师分享：《GenAI应用工程师：新一代开发者的关键技能与面试技巧》

得益于生成式AI（GenAI）的迅猛发展，软件开发领域诞生了一类全新的岗位——GenAI应用工程师。他们能以前所未有的速度构建强大的软件应用，正日益受到企业的高度青睐。然而，这一岗位的具体职责仍在不断清晰化。下面我将阐述这种角色所需的关键技能，以及我在面试中用来识别优秀人才的方法。

** GenAI应用工程师的关键技能

要成为优秀的GenAI应用工程师，候选人通常需要具备两大核心能力：

1. 善于灵活运用AI“积木”快速搭建应用；
2. 熟练使用AI辅助编码工具实现快速开发。

此外，如果候选人还拥有优秀的产品思维和设计直觉，那将是极大的加分项。

*** 1. 灵活运用AI“积木”

假设你只有一种乐高积木，你也许只能建造简单的模型；但如果你拥有丰富多样的乐高积木类型，就能快速搭建复杂且功能强大的结构。AI工具箱里的各种组件（如框架、SDK等）就类似于这些乐高积木：

- 如果你只知道调用大语言模型（LLM）API，这是很好的起点。
- 如果你熟悉更多的AI构建组件——如：

- 提示工程（prompting techniques）
- 智能体框架（agentic frameworks）
- 模型评估方法（evals）
- 安全防护措施（guardrails）
- 检索增强生成（RAG）
- 语音技术栈（voice stack）
- 异步编程（async programming）
- 数据提取
- 向量数据库（embeddings/vectorDBs）
- 模型微调（fine-tuning）
- 图数据库与LLM结合使用（graphDBs）
- 智能浏览器/计算机操作
- MCP（模型控制协议）
- 推理模型（reasoning models）

你就能更快、更灵活地构建出丰富且复杂的应用。

尽管新的AI工具持续涌现，但许多诞生于一两年前的“积木”（例如模型评估技术、向量数据库框架）至今依然非常实用，值得持续关注。

*** 2. AI辅助编程能力

AI辅助编程工具极大地提高了工程师的生产力，近年发展迅猛：

- 2021年，GitHub Copilot首次推出，掀起了代码自动补全工具的浪潮。
- 随后，Cursor和Windsurf等新型AI增强IDE迅速涌现，显著改善了代码的质量保证（QA）和生成能力。
- 当前，高智能自主的AI编码助手——如OpenAI的Codex和Anthropic的Claude Code——已能自主完成代码编写、测试及多轮迭代的调试。

不过，要充分发挥这些工具的潜力，开发者不仅仅是“感觉式”写代码（vibe coding），而是必须对AI和软件架构的基本原理有深刻理解，能够有策略地引导开发过程，以实现明确的产品目标。

与AI构建组件不同，AI辅助编程工具的更新换代非常迅速，一两年前的技术可能很快就显得落伍。这一现象的原因之一是：工程师通常只会同时使用少数几种辅助编程工具，市场竞争更加激烈。这一领域巨头（Anthropic、谷歌、OpenAI等）持续投入巨资推动创新，因此持续关注和掌握最新的AI辅助编程工具对于工程师来说极为重要。

*** 3. 产品思维和设计直觉（加分项）

在一些公司，开发者通常被动地根据设计稿一一实现产品细节。然而，AI领域产品经理的短缺使得开发团队如果事无巨细地依赖产品经理，效率会大大降低。

经验表明，如果GenAI应用工程师拥有基本的用户同理心和设计直觉，即使只获得“高层次的产品指引”（比如：“给用户做一个能查看个人信息、修改密码的界面”），也能迅速做出合理的判断，并迅速搭建出可迭代的原型，大幅提升团队整体的效率。

** 如何在面试中识别优秀的GenAI工程师？

在面试GenAI应用工程师时，我通常会从三个方面展开：

- 对AI构建组件的掌握程度
- AI辅助编程工具的熟练程度
- 候选人的产品/设计直觉能力（选问）

除此之外，我特别看重的一个问题是：

> “你如何保持对AI领域最新进展的关注？”

因为AI技术发展速度极快，能够系统性跟进行业最新趋势的工程师通常具备以下习惯：

- 订阅并定期阅读专业资讯（如The Batch）
- 持续参与高质量的短期培训课程（😃）
- 经常进行项目实战训练，保持实践能力
- 积极参与相关的技术社区，交流前沿知识与实践经验

这些习惯不仅体现了候选人持续学习和探索的态度，也能够确保他们始终站在技术前沿。

---

掌握好上述技能组合，并善于持续学习的GenAI应用工程师，将在企业快速发展的AI生态系统中发挥越来越关键的作用。

点击图片查看原图