返回资讯中心
外部精选
软件工程
#开发者实时流

Gainwell招聘AI工程师,强调LLM集成与文档处理技能

来源标题:The tech skills AI engineers need

Gainwell正招聘更多AI工程师,其期望的技能重点在于将LLM集成到各类产品中,而非模型训练。核心任务包括复杂LLM API交互和结构化输出提取,例如自动从PDF中提取信息。许多数据科学研究生课程尚未跟上这一需求。

Hacker News 最新apwheele2026/11/17 · 今天10 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

我们在Gainwell需要招聘更多AI工程师,所以我想整理一份简要笔记,说明我期望这些人具备哪些技能。很多数据科学研究生项目还没跟上——这份工作其实很少涉及模型拟合(无论基于树还是深度学习),更多是把LLM集成到各种产品中。

虽然人们常贬低AI工程师,说他们只是把API调用粘在一起,但LLM API是大家最终会打交道的最复杂的API之一。简单梳理一下,你应该了解的内容包括:

不同前沿模型提供商之间这些API有差异,但本质上非常相似。

使用AI最常见的任务之一是替代繁琐的文档处理——想象一下,收到一封邮件里的PDF,AI自动从PDF中提取信息并填入电子表格给你。

仍然有很多人在手动做这件事!(在医疗行业,我们还经常用传真。)这涉及理解结构化输出提取。

虽然为你想要的内容确定一个schema,然后让LLM直接跑起来,看起来很简单,但我仍然需要软件工程师帮忙把管道搭好。这方面常见的问题会是:

这确实涉及一项许多数据科学家会有经验的技能——评估不同工具的准确性、假阳性与假阴性等。

作为AI工程师的一部分,是帮助他人最大化利用agentic工作流。我知道我的开发者们知道如何设置Claude Code来完成各种任务。我们需要帮助其他新手(通常不是程序员)搭建agentic系统,帮他们处理各种任务。

有时这只是“你需要这样设置你的文档,然后让Codex审查X并做Y”。有时是“你在Astra上花太多了,这个应该用Luna”。有时是“我们应该构建更稳健的软件和用户界面,帮助人们完成这个特定任务”。

想象一位护士需要对一份500页的医疗记录做复杂审计,以确认医疗账单是否正确。我们需要弄清楚如何用AI帮助护士更好、更快地完成工作。

这可能涉及预审管道(回答标准问题供护士审核)。可能涉及对文档做命名实体识别和OCR,以便更容易搜索特定材料。我们应该构建聊天界面吗?在发送给AI工具之前,我们需要脱敏PII吗?

我工作中另一个常见应用是用agentic AI工具进行自动化数据分析。想象你有一个日志的自动告警,如果延迟出现峰值。你可以让AI自动去做后续分析,试图理解问题的根因。

这需要理解API如何工作,在沙箱环境中设置MCP服务器或工具,并为后续分析设置永久记忆痕迹。(此外还需要了解离群点检测方法。)

为这些构建好的基准测试特别棘手。你怎么知道系统在正常工作?大多数情况下,这些应用需要明显比人类更准确,否则人们大多会直接无视它们。

最后,虽然我知道agentic工具基本上可以写出100%的代码,但我仍然需要你了解Python基础。我需要你知道什么时候该用函数,什么时候该做一个通用类。我需要你知道什么时候适合并行运行某个任务。我需要你知道字符串和datetime对象之间的区别。

你应该把agentic AI当作工具,而不是拐杖,来帮助你完成工作。不了解基础会让你相对于当前AI编码agent的标准变得过时。不过,如果你很懂Python,agent编码工具本质上可以成为力量倍增器,帮你更快地把想法跑起来。

我写LLMs for Mortals正是为了填补当前教育中的这个空白。你可以购买EPUB或印刷版(使用优惠码LLMDEVS可减免EPUB 25美元)。

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →