#模型时代# 吴恩达：一批全新的职业“生成式 AI 应用工程师”正在出现，而且给出了8种能力拼图。

出处：www.deeplearning.ai/the-batch/issue-305/

有了一批全新的“生成式 AI 应用工程师”（GenAI Application Engineers），他们凭借生成式 AI，能够以前所未有的速度构建出更强大的应用。这类人才深受企业追捧，但岗位职责尚在不断成型。我先来介绍他们的核心技能，以及我在面试中用来甄别他们的一些问题。

一、两大必备条件

快速搭建强大应用的能力

能熟练运用各种 AI “积木”模块，迅速组合出高效的系统。

借助 AI 助力进行快速工程迭代

能利用 AI 辅助工具，以远超传统方式的效率完成软件开发。

若再具备良好的产品/设计直觉，则更具竞争力。

二、AI 构建模块（AI building blocks）
想象一下，如果你只有一整箱同样的乐高积木，或许能拼出一些简单结构；但一旦拥有各种形状、各种功能的积木，就能快速搭建复杂且功能丰富的模型。软件世界也是如此：除了最基本的调用大模型 API，实力派工程师还会掌握诸如：

Prompt 技巧、代理式框架（agentic frameworks）、评估技术（evals）、安全护栏（guardrails）

检索增强生成（RAG）、语音技术栈、异步编程、数据抽取

向量嵌入与向量数据库、模型微调、图数据库与大模型结合

代理式浏览器/计算机操作、MCP、推理模型 等等

随着开源社区和各大厂商不断推出新模块，紧跟动态就能持续拓展你的“搭建能力”。而那些一两年前出现的模块（如评估框架、向量数据库用法）至今仍大有用武之地。

三、AI 辅助编码（AI-assisted coding）
AI 辅助编码工具让开发者的生产力成倍提升，迭代速度惊人。

2021 年推出、2022 年普及的 GitHub Copilot 开创了现代代码补全；

紧接着，Cursor、Windsurf 等新一代 AI IDE 又在代码 QA 与生成上更进一步；

如今，OpenAI 的 Codex、Anthropic 的 Claude Code（我自己非常喜欢，也被其自主编写、测试、调试多轮迭代的能力所折服）已迈入“高度自治”时代。

在资深工程师手中——不仅仅“靠 AI 写代码”，而是深谙 AI 与软件架构原理、能够有目标地驾驭系统——这些工具带来了前所未有的速度与效率。但 AI 辅助编码的工具更新换代极快，一两年前的最佳实践很快就会过时，因此保持对最新工具的了解至关重要。

四、附加优势：产品思维
很多公司仍要求工程师根据产品经理画出的“像素级”原型逐字落地；如果产品经理连最细微之处都要指手画脚，团队进度就会大打折扣。由于 AI 产品经理供不应求，我发现那些既懂技术又具备一定用户同理心、能够在“给出大致方向（比如：‘做一个能展示用户资料并修改密码的界面’）”的情况下自主做出设计决策并快速产出原型的 GenAI 工程师，往往能让团队飞速前进。

五、面试要点

掌握哪些 AI 构建模块？ 让候选人举例说明他们最常用的几种模块，以及如何组合使用。

如何运用 AI 辅助编码？ 了解他们对 Copilot、Codex、Claude Code 等工具的实际使用经验。

产品/设计直觉如何？ 通过开放式问题考察其对用户体验和原型设计的敏感度。

保持学习的策略？ 我常问：“你如何跟上 AI 领域的最新进展？”真正优秀的人才会回答：

订阅《The Batch》、参加短期课程

定期动手做项目练习

加入行业社区交流

这些方法能帮助工程师在迅速演进的 AI 赛道中持续领先。