最近论坛上有个帖子，看得我忍不住笑出了声。
一位做搜索的程序员，居然在纠结自己算不算「AI engineer」！
这位朋友在帖子里说，他做了两三年的搜索领域工作，LLM出现后，他们组也开始搞所谓的「AI search」，也就是基于vector embedding的搜索。
但他主要还是做工程优化，把算法落地，比如「如何scale indexing」，并不接触模型或算法本身。
于是，他开始陷入了深深的职业迷茫：
「我这背景算AI engineer或者AI infra engineer吗？」
「我是坚定继续往AI领域发展的，我这种情况应该如何规划自己的职业方向？」
兄弟，你这问题问得，我差点以为你是在问：「我用微波炉热饭，算不算厨师啊？」
算！
必须算！
怎么能不算！
虽然这老兄的问题问得小心翼翼，但还是引发了一场激烈的讨论。
「吾子渠母」：
在原教旨AI phd 眼里肯定不算，在写JD 招人的HR 眼里肯定算，你觉得算不算？你自己说了算
这，比薛定谔的猫还难以捉摸啊……
见老哥有点犹豫，一位热心网友趁热打铁，及时进行了一波经验输出：
「我去年回国内老家，以前买小电器的电子城现在也叫AI中心了，我觉得你就算是个卖电视遥控器的也可以说自己是AI家居」
言外之意，兄弟，你太保守了！
当然也有网友模有样，认真分析了搜索引擎的技术层次：
如果没有feature engineer和rerank的话，楼主做的这一层叫recall layer，包括embedding index recall。做search还有两个比较重要的，一个是recall之前的query understanding，一个是recall之后的rerank，有些search engine还有第三层fusion。每一层都有大量的工程化和落地的活，包括线下配套的data pipeline training model eval以及上线要考虑到model inference index scale和infra latency等等
不得不说，这浮躁的年头，能认真讨论技术的人不多了……
虽然有一些反对的声音：
「不算，要做training才算」
但更多的则是「友好温暖」的鼓励，很让我感到温馨和大开眼界：
「我觉得算，现在AI 工程方面能力比本身的理论重要」
「你这个不算，还什么叫算呀？」
「必须算MLE，面试流程有时候搜索架构比特定模型重要」
这位名为「delta42」的网友更是实在：
你算什么eng不重要，关键是跳槽能找到哪种eng的工作
还有网友：
「你去签h1b的时候就算做前端，面试官也会觉得你是做AI 的，这个亏不能白吃」
这才是真相！
管你叫什么，有没有用才是关键！
不要管脸皮，它有什么用？
能当饭吃吗？
不过整体看下来，所有评论中最为精华的，当属这位ID为「TULOJ」的网友：
看来楼里的某些回帖老中真是太老实太自卑了，怎么跟烙印竞争。
记住以下标准，工作中调用过PyTorch或者TF就可以自称ML或AI Engineer，调用过ChatGPT API或其他开源模型就可以自称AI Engineer specialized in LLM，其他稍复杂点的比如Finetune过开源模型可以自称AI Research Scientist。
像楼主这种水平的自称啥都没问题，叫AI Engineer我觉得都算谦虚的了，怎么也得叫个AI Guru、AI Tech Lead、AI Team Lead、Principle AI Solution Architect之类的
确实，还是太保守了。
我们得像一位不愿透露姓名的匿名网友说的——多上LinkedIn 学习三哥三姐们的表演，不要闭门造车看低自己！
笑趴！
学到了！
我可是每天用豆包的人啊！
不说了，这就去改简历……
（BTW，你觉得算不算呢？
（文：AGI Hunt）