AI时代，什么样的人才最“吃香”？吴恩达老师最近给出了一个明确的答案：生成式AI应用工程师
吴恩达老师认为一名出色的生成式AI应用工程师主要满足两个标准：
（一）他们能熟练运用各种新型AI构建模块，快速开发功能强大的应用
（二）他们能熟练运用AI辅助，实现快速工程化，以远超以往的速度构建软件系统
此外，良好的产品和设计直觉也是一项重要的加分项
核心技能一：掌握AI构建模块
吴老师用乐高积木打比方。如果手上只有一种积木，或许只能搭出一些简单的结构。但如果拥有种类繁多的积木，就能快速组合它们，创造出复杂且功能完备的作品。软件框架、SDK和其他工具也是如此。
仅仅知道如何调用大语言模型（LLM）的API是一个很好的开始，但这远远不够。如果掌握了更广泛的构建模块——例如提示词工程（Prompting）、Agent框架、评估（Evals）、安全护栏（Guardrails）、RAG（检索增强生成）、语音技术栈、异步编程、数据提取、嵌入式/向量数据库、模型微调、图数据库与LLM的结合、基于Agent的浏览器/计算机自动化、MCP（模型、控制器、提示）、推理模型等等——就能创造出远比单一模块更丰富、更强大的组合。
强大的AI构建模块数量正以前所未有的速度增长。随着开源贡献者和企业提供越来越多的模块，持续学习和了解这些新工具，将帮助工程师不断拓展其能力的边界。值得注意的是，即使新技术层出不穷，许多一两年前的构建模块（如评测技术或向量数据库框架）在今天依然至关重要。
核心技能二：精通AI辅助编程
AI辅助编码工具极大地提升了开发者的生产力，并且这些工具本身也在飞速进步。2021年发布、2022年普及的 Github Copilot 开创了现代代码自动补全的先河。但很快，新一代的AI原生IDE（如 Cursor 和 Windsurf）在代码问答和代码生成方面提供了更出色的体验。随着LLM性能的提升，构建于其上的AI辅助编码工具也水涨船高。
如今，我们已经拥有了高度智能化的编码助手，例如 OpenAI的Codex 和 Anthropic的Claude Code，这些工具在自主编写、测试和多轮调试代码方面的能力令人印象深刻。在优秀的工程师手中——他们不仅是“凭感觉编程”，而是深刻理解AI和软件架构基础，并能引导系统朝着经过深思熟虑的产品目标前进——这些工具使得软件开发的速度和效率达到了前所未有的高度。
一个值得注意的观察是，AI辅助编码技术的迭代速度远快于AI构建模块。一两年前的技术可能已经远远落后于今天的最佳实践。这部分原因或许在于，虽然AI开发者可能会使用数十甚至上百种不同的构建模块，但他们不太可能同时使用几十种不同的编码辅助工具。因此，工具之间的“达尔文式”竞争更为激烈。鉴于Anthropic、谷歌、OpenAI等巨头在这一领域的巨大投入，可以预见这种狂热的发展势头将持续下去。紧跟AI辅助编码工具的最新进展将带来丰厚的回报，因为每一代新工具都比上一代强大得多。
加分项：产品思维
在一些公司，工程师的职责是严格按照产品经理提供的“像素级精确”的设计图来实现功能。但如果产品经理必须规定每一个微小的细节，整个团队的开发速度就会被拖慢。AI产品经理的短缺更加剧了这个问题。
实践证明，如果生成式AI工程师同时具备一些用户同理心和基本的产品设计能力，团队的效率会大幅提升。这样，他们只需得到一个高层级的方向（例如，“开发一个能让用户查看个人资料并修改密码的界面”），就能自主做出许多决策，并快速构建出可供迭代的原型。
如何识别优秀人才？
在面试生成式AI应用工程师时，招聘方通常会考察他们对AI构建模块的掌握程度、使用AI辅助编码的能力，有时还会评估他们的产品/设计直觉。
此外，有一个问题被证明对于预测候选人的能力水平非常有帮助：
“如何跟上AI领域的最新发展？”
由于AI技术日新月异，一个拥有良好学习策略的人才能真正保持领先。这些策略包括：
阅读行业通讯（如 The Batch）和参加短期课程
通过动手实践项目进行定期练习
拥有一个可以交流讨论的社群
能够做到这些的人，才能在这场飞速发展的技术浪潮中脱颖而出
参考：
https://x.com/AndrewYNg/status/1933185193059516442
⭐
（文：AI寒武纪）