生成式AI正在重新定义软件工程师这个职业！
刚刚，吴恩达发表了一篇深度文章，详细剖析了一个正在快速崛起的新职业——GenAI应用工程师。
这群人不仅能用AI积木块快速搭建强大应用，还能借助AI编程助手以前所未有的速度开发软件系统。
值得注意的是，这个职业的技能要求和传统软件工程师有极大的不同。
AI 时代的乐高玩具
吴恩达用了一个绝妙的比喻来解释AI 积木块的概念。
如果你只有一种乐高积木，你能搭建的结构很有限。但如果你拥有各种各样的积木，你就能快速组合出复杂而实用的结构。
软件框架、SDK和其他工具就像这些积木块。
如果你只会调用大语言模型（LLM）API，这是个好开始。但如果你掌握了更多积木块类型——提示词技术、智能体框架、评估工具、防护栏、RAG、语音栈、异步编程、数据提取、嵌入/向量数据库、模型微调、图数据库与LLM结合使用、智能体浏览器/计算机使用、MCP、推理模型等等——你就能创造出更丰富的组合。
强大的AI积木块数量还在快速增长。
虽然新积木块不断涌现，但许多一两年前的积木块（比如评估技术或向量数据库使用框架）今天仍然非常重要。
AI 编程的生产力飞跃
AI 辅助编程工具让开发者的生产力实现了质的飞跃，而且这些工具正在快速进化。
Github Copilot在2021年首次发布（2022年全面推出），开创了现代代码自动补全的先河。但很快，新一代AI驱动的IDE如Cursor和Windsurf提供了更好的代码问答和代码生成功能。随着LLM的改进，基于它们构建的AI辅助编程工具也在不断进步。
现在我们有了高度智能化的编程助手，比如OpenAI的Codex和Anthropic的Claude Code（吴恩达特别提到他非常喜欢使用Claude Code，对其能够自主编写代码、测试和调试多次迭代的能力印象深刻）。在熟练工程师手中——那些不只是「凭感觉写代码」而是深刻理解AI和软件架构基础、能够引导系统朝着精心选择的产品目标前进的人——这些工具使得以前所未有的速度和效率构建软件成为可能。
吴恩达发现，AI辅助编程技术的淘汰速度比AI积木块快得多，一两年前的技术已经远离今天的最佳实践。
部分原因可能是，虽然AI构建者可能会使用几十种（甚至上百种？）不同的积木块，但他们不太可能同时使用几十种不同的编程辅助工具，因此工具之间的达尔文竞争力量更强。鉴于Anthropic、Google、OpenAI和其他玩家在这个领域的大规模投资，这种疯狂的发展速度预计会持续下去。
额外加分项：产品技能
在某些公司，工程师被期望按照像素级完美的产品设计图编写代码实现。但如果产品经理必须指定每个细节，这会拖慢团队速度。
AI产品经理的短缺加剧了这个问题。
吴恩达观察到，如果GenAI工程师也具备一些用户同理心和基本的产品设计技能，团队会进展得更快。
这样，在只获得高层次指导的情况下（「一个让用户查看个人资料并更改密码的用户界面」），他们可以自主做出很多决策，至少可以构建一个原型来迭代。
面试GenAI应用工程师的关键问题
在面试GenAI应用工程师时，吴恩达通常会询问他们对AI积木块的掌握程度和使用AI辅助编程的能力，有时也会考察他们的产品/设计直觉。
他发现有一个问题特别能预测他们的技能水平：「你如何跟上AI的最新发展？」
因为AI发展如此迅速，那些有好的学习策略的人——比如阅读The Batch、参加短期课程😃、定期动手实践构建项目、有一个可以交流的社区——真的能保持领先优势。
相比之下，那些主要依赖社交媒体获取AI 信息的人（通常缺乏必要的深度）就会落后。
网友热议
Andrew Ng (@AndrewYNg)的这篇文章引发了网友们的热烈讨论。
Oboe (@oboelabs)提出了一个关键问题：
AI辅助编程工具正在民主化复杂软件开发的访问权限，这很令人着迷。但软件设计中人类判断力和创造力的重要性呢？
Faruk Guney (@farguney)认为术语使用很准确：
完全正确的术语：生成式AI工程师，而不是笼统地使用AI工程师。
Trinity (@Gh4nder)则表达了一种担忧：
AI将在3个月内取代这些人。
Shady (@ShadyAlii0)提出了一个深刻的观点：
但我觉得不断追逐工具对工程师和雇用他们的企业来说都不可持续，特别是对像我这样的年轻工程师和学生。因为正如你所说，许多仅仅一两年前的工具现在已经过时和低效，我认为新工具会以更高的频率出现，因为进步几乎每隔几周就会到来。
CGW (@cgw888)预测了一个更激进的未来：
这种「新型GenAI工程师」最终会被能访问所有工具和框架的AI取代。最后剩下的工作将是一种产品经理，一边与不明就里的利益相关者交谈，另一边与AI交谈，但自己既不了解所有细节，也没有销售或成为VP的软技能。
Pol Avec (@pol_avec)分享了他的见解：
非常同意。刚刚做了一个关于「AI是新UI」的演讲——解释了许多技能可以转化但需要适应。就像从网页到移动端的转变一样，当我们用AI更新当前技术时，还有很多领域需要覆盖。与现有专业知识结合时，AI知识是一大优势。
Gaurav Chande (@gauravmc)总结道：
💯「GenAI应用工程师」感觉就像是创业公司多年来追求的产品工程师的2025年固件升级版。具有行动偏好和强大产品直觉的通才野兽。那些既关心为什么又关心如何的开发者。他们的积木块已经扩展了：智能体框架、MCP、评估、向量数据库……让他们能够更快地交付。产品感不是加分项。它是将所有这些乐高积木变成用户真正想要的东西的关键。
（文：AGI Hunt）