本页目录
软件工程领域正在发生变化。随着 AI API 和开放模型普及，一个新的角色应运而生： AI 工程师。这类开发者专注于构建利用 AI 能力的应用。
本文以一篇奠基性文章为基础： 《AI 工程师的崛起》 ，作者来自 Latent Space。所有职位名称都有缺陷，但有些仍然很有用。文章非常有说服力地解释了为什么 AI 工程师正好满足市场中不断增长的需求，我建议完整阅读。
什么是 AI 工程师？
AI 工程师是构建 AI 驱动应用的软件开发者。这个角色听起来可能让人望而生畏，但并没有想象中可怕：
- 你不需要掌握线性代数或高等数学
- 你不需要知道如何从零构建基础模型
- 你不需要读过《Attention Is All You Need》
真正需要的是：
- 扎实的软件工程基础
- 构建可靠、可扩展应用的能力
- 对现代 AI 工具和框架的了解
- 对用户体验和实际应用的重视
AI 工程师连接了传统软件工程与人工智能。他们日常会编排 AI API、实现 RAG 系统，并构建稳健的评测体系，确保应用能够可靠运行。
而且，他们会用当下最热门的新编程语言编写大量“代码”： 英语.
想继续深入： 加入“面向真正工程师的 AI 编码”候补名单
AI 工程与 ML 工程
AI 工程并不等于 ML 工程。两者是不同角色，关注重点和任职要求也不相同。
理解两者差异的一种有效方式，是观察 API 边界：
- AI 工程师 通过 API 使用 AI 模型来构建应用。
- ML 工程师 构建 AI API 本身。
下面快速比较一下这两个角色：
| ML 工程师 | AI 工程师 | |
|---|---|---|
| 主要关注点 | 模型训练与优化 | 使用这些模型构建应用 |
| 专业能力 | 深入掌握数学、统计学和模型架构 | 扎实的软件工程基础 |
| 编程语言 | 主要使用 Python | Python 与 TypeScript |
| 教育背景 | 通常需要高等教育背景 | 软件工程背景 |
| 市场情况 | 高度专业化，需求旺盛 | 增长迅速，更容易入门 |
ML 工程是一条高度专业化的职业路径，通常要求高等教育背景，薪酬也更高。ML 工程师人数很少，市场需求旺盛。
AI 工程更容易学习，需求也在增长，是软件开发中增长最快的领域之一。随着 AI 工具和 API 日益普及，软件工程师可以相对轻松地转向 AI 工程。
这不就是提示工程吗？
但 AI 工程师不就是包装得更体面的提示工程师吗？这个角色究竟有多少技术深度？
这是一个常见误解。AI 工程师面对的复杂挑战远不止编写提示词：
- 构建能够应对 AI 固有不确定性的生产级系统
- 设计评测框架，用于衡量并改进系统表现
- 建立反馈循环，让系统从用户交互中学习
- 管理包含多个模型与 API 的复杂 AI 架构
- 确保系统安全并符合隐私法规
- 优化整个应用技术栈的成本与性能
真正的挑战不在于编写提示词，而在于遵循软件工程最佳实践，构建能够有效利用 AI 能力、同时可靠且可扩展的应用。
AI 工程师与 AI 辅助开发者
再澄清一个常见混淆：
- 一名 AI 工程师 构建使用 AI 的应用，例如 ChatGPT 封装应用或 RAG 系统。
- 一名 AI 辅助开发者 使用 Cursor、GitHub Copilot 等 AI 工具更快地编写代码。
虽然两个角色都会使用 AI，但目的不同：AI 工程师创建 AI 驱动应用，AI 辅助开发者则使用 AI 改进自己的开发工作流。
想成为 AI 辅助开发者？这是我的工具箱。
这些是我实际配合 Claude Code 交付工作时使用的斜杠命令、Hook 和结构，而不只是用来写代码。
Web 开发者能成为 AI 工程师吗？
当然可以！Web 开发者非常适合转型为 AI 工程师。优秀的 Web 开发者高度关注实际交付和用户需求，而这些品质在 AI 工程中同样关键。
你在构建应用时积累的直觉，可以直接迁移到有效 AI 系统的构建中。用户体验在 AI 工程和 Web 开发中同样重要。
掌握一些 Python 会有帮助，但 TypeScript 生态发展迅速，也非常适合 AI 工程。
接下来是什么？
在这份路线图中，我们会逐步介绍成为 AI 工程师所需的技能和工具。
我们会先了解可以构建什么，再深入学习完成这些项目所需的技能与工具。
开始吧！