随着企业越来越依赖人工智能来自动化任务、加快项目进度、提升代码质量并提高开发效率，AI 在软件开发中的作用日益增强。AI 工具可以帮助开发者完成诸如检测漏洞、软件测试和生成代码等任务。随着人工智能在软件开发中扮演越来越重要的角色，许多开发者都在思考，哪些技能和素质能够帮助他们获得理想的工作机会。以下是目前 开发领域最被看重的9项 AI 开发技能：

1. 评估人工智能对企业影响的能力

2. 数据基础设施、管理和分析经验  

3. 将 AI 工具集成到现有系统中的能力

4. 确保人工智能安全性和可靠性的经验

5. 云上 AI 部署经验

6. 高级提示工程与大语言模型（LLM）集成能力

7. 战略思维

8. 出色的时间管理能力

9. 对不确定性的适应能力

技能1：评估人工智能对企业影响的能力

人工智能公司希望开发者不仅理解人工智能、机器学习和深度学习的概念，还要懂得如何将其应用于实现商业目标。

AI 驱动的信用风险分析平台 EnFi 的CTO Scott Weller 表示：“仅仅知道 transformer 模型的工作原理是不够的；更重要的是知道在何时、为何使用 AI 来推动业务成果。开发者需要了解启发式方法、传统软件和机器学习之间的权衡，以及如何以实用、可衡量和负责任的方式将 AI 嵌入工作流程。”

SleekFlow 是一家提供全渠道客户互动平台的公司，其产品严重依赖 AI。“我们不会仅仅为了新奇而使用 AI，”SleekFlow 的 CTO Lei Gao 表示。“我们的愿景是实现清晰的业务回报。开发者或工程师必须理解像大语言模型（LLM）或推荐系统这样的模型如何转化为实际价值。”

例如，开发者需要理解 AI 驱动的软件如何帮助提高转化率或客户支持自动化。“这不仅仅是创建好的模型，而是要在业务流程中有效地利用它们。”Gao 说道。

随着 AI 承担越来越多的底层编码工作，“开发者必须更加关注他们为什么构建某样东西，而不仅仅是如何构建。”软件供应链管理工具提供商 Sonatype 的首席产品开发官 Mitchell Johnson 表示。

“理解客户领域、产品市场契合度和业务影响变得至关重要，”Johnson 表示。“AI 原生公司看重那些更接近产品经理角色的开发者——他们能够发现用户问题、做出权衡，并决定要构建什么。”

技能2：数据基础设施、管理与分析经验

AI 和机器学习的有效运行依赖于大量数据，因此开发者需要掌握数据基础设施、管理和分析技能。

“在以 AI 为中心的系统中，数据就是产品。”Weller 说。“开发者必须熟悉获取、清洗、标注和分析数据，因为数据质量差会导致模型性能差。”他还指出，开发者需要熟悉现代数据栈、SQL 和云原生数据工具。

Gao 表示，AI 模型的强大程度取决于其背后的数据管道。“我们寻找能够操作分布式数据平台，并从数据摄取到实时分析进行协调的工程师。”他说。

Gao 还提到，了解数据网格（data mesh）、流处理和事件驱动架构等新概念正变得越来越重要。“在 SleekFlow，我们构建了一个分布式消息基础设施，用于在服务之间处理高数据率，并能够针对新型、上下文衍生的输入运行 AI 模型。”

IT 服务提供商 Equinix 的技术负责人兼 IEEE 高级会员 Vaibhav Tupe 补充说：“AI 应用的好坏取决于其数据质量，但传统的数据工程方法难以满足 AI 的工作负载需求。”

“开发者需要具备构建数据管道、创建专为机器学习优化的数据特征、以及管理符合 AI 需求的数据质量等专门技能。”Tupe 表示。“这包括设置实时特征存储、自动化数据验证，以及有效管理训练数据与推理数据之间的差异。”

技能3： 将 AI 工具集成到现有系统中的能力

如果 AI 工具无法与现有系统良好协作，客户可能无法看到实际好处。

“作为一家帮助工业企业采用 AI 的公司，我们非常重视具备强大 AI/ML 集成和实施技能的开发者。”工业软件提供商 IFS 的 CTO Kevin Miller 表示。

“我们知道 AI 驱动的预测性维护对我们的每一位客户都至关重要，那么我们如何将其转化为一个运行良好的产品？”Miller 说。“我们需要能够将各种技术整合在一起的开发者，比如实现能与 SCADA（监控与数据采集）系统配合使用的预测性维护算法，并构建将实时传感器数据输入机器学习模型的稳健数据管道。”

技能4： 确保人工智能安全性和可靠性的经验

在某些行业，例如工业制造，AI 系统必须优先考虑安全性和可靠性。这些领域的 AI 驱动公司正在寻找具备相关技能和经验的软件工程师。

Miller 表示：“AI 安全与可靠性工程关注的是工厂操作中零容忍的安全环境，其中 AI 的故障可能导致安全事故或生产中断。”

为确保客户信任，IFS 需要开发者能够构建全面的监控系统，检测 AI 预测何时变得不可靠，并在需要时实现自动回退到传统控制方法的机制。

“这包括开发冗余系统和广泛的测试框架，以验证 AI 在边缘情况和对抗条件下的行为。”Miller 说道。

技能5：云上 AI 部署经验

鉴于云服务在当今 IT 基础设施中的重要地位，开发者需要具备云 AI 部署和应用程序编程接口（API）集成的经验。

“如今，云就是一切，”微软首席软件工程经理 Naga Santhosh Reddy Vootukuri 表示。因此，开发者需要熟悉在AWS、GCP 和Azure 等云平台上使用 AI 工具。

“这些技能将帮助他们托管 AI 解决方案，并将其与现有的遗留系统集成，”Vootukuri 说。“通过使用 Model Context Protocol（MCP）——一种使 AI 应用能够安全、便捷地连接外部工具和数据源的开放标准。”

技能6： 高级提示工程与大语言模型（LLM）集成能力

提示工程是指构建或设计指令以从生成式 AI模型中获得最佳输出的过程，随着其在多个行业中的应用不断增长，这一技能正变得越来越重要。提示工程可用于内容生成、问题解决和语言翻译，并帮助 GenAI 模型响应各种查询。

“随着大语言模型的迅速发展，开发者现在需要深入理解提示设计、有效管理上下文窗口，并无缝集成 LLM API——这些技能远远超越了基本的 ChatGPT 使用。”Tupe 表示。

“开发者必须知道如何构建复杂的提示链、处理大规模部署、管理速率限制、优化成本，并无缝集成多个 LLM。”Tupe 表示。“那些只会编写基本提示的开发者，与那些能够设计经过全面测试、评估和监控的健壮企业级 LLM 系统的开发者之间存在巨大差异。”

技能7：战略思维

从事 AI 项目的开发者需要具备战略性思维，能够思考他们正在做什么以及为什么这么做。

“随着 AI 越来越多地处理开发中的低垂果实，开发者拥有战略性思维比以往任何时候都更加重要——能够审视问题、分析并决定解决方案的方向。”提供旅行优化平台的公司 Confirmed 的 CEO David Radin 表示。

“AI 往往能根据一个好提示生成代码，而具有战略性方向的提示可以帮助你引导 AI 走向你想要的解决方案。”Radin 说。“当 AI 给出的回应不够理想时，你的战略思维将帮助你分析答案，并决定是再次提示 AI 朝你所需方向调整，还是自行补充。”

技能8：出色的时间管理能力

时间管理是一项适用于几乎所有岗位的技能，在专注于 AI 的组织中，软件开发者也不例外。

“在以 AI 为主导的公司中，出色的时间管理能力仍然位居需求榜首。”Radin 表示。

“它不仅有助于组织和个人实现各自的目标，在 AI 时代也体现了人类在开发中心中的重要性。”他说。“这减少了裁员风险，也缓解了对错过截止日期或目标的担忧。”

技能9：对不确定性的适应能力

从事人工智能工作的开发者需要具备适应变化的能力，并保持开放的学习态度，因为技术环境始终在不断演变。

“工具和开发范式几乎每个月都在变化，”约翰逊（Johnson）表示。“如今，成长型思维不仅仅意味着学习新知识——更意味着将AI作为解决问题的起点。优秀的开发者会本能地先思考：‘如果用AI来解决这个问题，我会怎么做？’他们会从零开始重新构思自己的方法，以AI为核心来设计流程、工具和功能，而不是将AI作为事后添加的模块。”

开发者还需要适应不确定性并能快速迭代，威尔勒（Weller）表示：“人工智能开发本质上具有概率性，输出结果可能会有所不同，系统可能会发生偏移，还会出现反馈循环。”他说。“开发者需要具备足够的成熟度，不仅要调试出错的代码，更要调试错误的假设。最优秀的开发者能够接受这种不确定性，并构建出具备弹性、可测试并能持续演进的系统。”

威尔勒补充道：“快速迭代的能力是一项必备技能。这个领域发展得太快了，每一位开发者都需要有热情去不断验证自己的假设。”