史丹佛大學電腦科學系教授吳恩達 (Andrew Ng) 周四 (12 日) 在 X 平台發表了一篇深度文章，詳細剖析了一個正在快速崛起的新職業——GenAI 應用工程師。這群人不僅能用 AI 積木塊快速搭建強大應用，還能借助 AI 編程助手以前所未有的速度開發軟體系統。

值得注意的是，這個職業的技能要求和傳統軟體工程師有極大的不同。吳恩達用了一個絕妙比喻來解釋 AI 積木塊的概念。

如果你只有一種樂高積木，你能搭建的結構很有限。但如果你擁有各種各樣的積木，你就能快速組合出複雜而實用的結構。

軟體框架、SDK 和其他工具就像這些積木塊。如果你只會調用大語言模型（LLM）API，這是個好開始。但若你掌握了更多積木塊類型——提示詞技術、智慧體框架、評估工具、防護欄、RAG、語音棧、異步編程、數據提取、嵌入 / 向量數據庫、模型微調、圖數據庫與 LLM 結合使用、智慧體瀏覽器 / 電腦使用、MCP、推理模型等等——你就能創造出更豐富的組合。

強大的 AI 積木塊數量還在快速增長。雖然新積木塊不斷湧現，但許多一兩年前的積木塊（比如評估技術或向量數據庫使用框架）今日仍非常重要。

AI 編程生產力飛躍

AI 輔助編程工具讓開發者的生產力實現了質的飛躍，而且這些工具正在快速進化。

Github Copilot 在 2021 年首次發布（2022 年全面推出），開創了現代代碼自動補全的先河。但很快，新一代 AI 驅動的 IDE 如 Cursor 和 Windsurf 提供了更好的代碼問答和代碼生成功能。隨著 LLM 的改進，基於它們構建的 AI 輔助編程工具也在不斷進步。

現在我們有了高度智慧化的編程助手，比如 OpenAI 的 Codex 和 Anthropic 的 Claude Code（吳恩達特別提到他非常喜歡使用 Claude Code，對其能夠自主編寫代碼、測試和調試多次迭代的能力印象深刻）。在熟練工程師手中——那些不只是「憑感覺寫代碼」而是深刻理解 AI 和軟體架構基礎、能夠引導系統朝著精心選擇的產品目標前進的人——這些工具使得以前所未有的速度和效率構建軟件成為可能。

吳恩達發現，AI 輔助編程技術的淘汰速度比 AI 積木塊快得多，一兩年前的技術已經遠離今天的最佳實踐。

部分原因可能是，雖然 AI 構建者可能會使用幾十種不同的積木塊，但不太可能同時使用幾十種不同的編程輔助工具，因此工具之間的達爾文競爭力量更強。鑒於 Anthropic、Google、OpenAI 和其他玩家在這個領域的大規模投資，這種瘋狂的發展速度預計會持續下去。

產品技能額外加分

在某些公司，工程師被期望按照像素級完美的產品設計圖編寫代碼實現。但如果產品經理必須指定每個細節，這會拖慢團隊速度。

AI 產品經理的短缺加劇了這個問題。吳恩達觀察到，如果 GenAI 工程師也具備一些用戶同理心和基本的產品設計技能，團隊會進展得更快。

這樣，在只獲得高層次指導的情況下，他們可以自主做出很多決策，至少可以構建一個原型來迭代。

面試 GenAI 應用工程師關鍵問題

在面試 GenAI 應用工程師時，吳恩達通常會詢問他們對 AI 積木塊的掌握程度和使用 AI 輔助編程的能力，有時也會考察他們的產品 / 設計直覺。

他發現有一個問題特別能預測他們的技能水平：「你如何跟上 AI 的最新發展？」

因為 AI 發展如此迅速，那些有好的學習策略的人——比如閱讀 The Batch、參加短期課程、定期動手實踐構建項目、有一個可以交流的社區——真的能保持領先優勢。相比之下，那些主要依賴社交媒體獲取 AI 資訊的人就會落後。