AI時代，什麼樣的人才最“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建構模組，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，以遠超以往的速度建構軟體系統此外，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建構模組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，創造出複雜且功能完備的作品。軟體框架、SDK和其他工具也是如此。僅僅知道如何呼叫大語言模型（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建構模組——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）、語音技術堆疊、非同步程式設計、資料提取、嵌入式/向量資料庫、模型微調、圖資料庫與LLM的結合、基於Agent的瀏覽器/電腦自動化、MCP（模型、控製器、提示）、推理模型等等——就能創造出遠比單一模組更豐富、更強大的組合。強大的AI建構模組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組，持續學習和瞭解這些新工具，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，許多一兩年前的建構模組（如評測技術或向量資料庫框架）在今天依然至關重要。核心技能二：精通AI輔助程式設計AI輔助編碼工具極大地提升了開發者的生產力，並且這些工具本身也在飛速進步。2021年發佈、2022年普及的 Github Copilot 開創了現代程式碼自動補全的先河。但很快，新一代的AI原生IDE（如 Cursor 和 Windsurf）在程式碼問答和程式碼生成方面提供了更出色的體驗。隨著LLM性能的提升，建構於其上的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、測試和多輪偵錯程式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“憑感覺程式設計”，而是深刻理解AI和軟體架構基礎，並能引導系統朝著經過深思熟慮的產品目標前進——這些工具使得軟體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於AI建構模組。一兩年前的技術可能已經遠遠落後於今天的最佳實踐。這部分原因或許在於，雖然AI開發者可能會使用數十甚至上百種不同的建構模組，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。鑑於Anthropic、Google、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使用者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，“開發一個能讓使用者查看個人資料並修改密碼的介面”），就能自主做出許多決策，並快速建構出可供迭代的原型。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建構模組的掌握程度、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於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？”由於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 (AI寒武紀)