一个好的 AI Engineer到底创造了什么价值？

感谢分享，对我来说是很有用的信息

Hmmm 作为专门做这个领域的人，表示写的非常好！很赞同。终于有一篇写到点子上的帖子了！

这就是一个全新范式的岗位，比如光是context engineering里memory的问题，就有很多可以做的。

匿名用户 发表于 2026-08-15 19:39:02
不必纠结职位的名称

你这么说，充分说明你跟不上时代，就好比2016年的时候说“不必纠结SWE和DS的职位名称”。是的 某些ML eng/AI infra/MLE/AI eng等等title名字可能做的内容有overlap，但大部分的“AI Engineer”专门指的是post-LLM时代专门做context/harness engineering，做RAG，做Agents以及相关infra的职业。

请教一下lz，作为一个从普通swe转到ml相关的engineer，在自己公司内部找机会，有一些组做ray平台相关的，training orchestration之类的。
请教这个方向是还可以的吗？

好文支持。
刚从mle换到ai eng， 真的对楼主的观点感同身受。

楼主写的好
有个粗糙的感想，传统MLE可以自己做模型，当然模型复杂度从xgboost到deep learning，但是基本都可以自己手搓出来
AI engineer用LLM作为模型核心，自己很难搞，工作重心转移到如何harness
传统MLE因为是自己做模型，对模型的问题还是有比较深入的理解，如果以后LLM越来越便宜，取代了传统模型，不是自己train出来的总感觉理解上不够深入，只能靠多用去理解LLM的“特征”

楼主写的很好！观察很多start up，还是划分为前端/后端/算法的角色，evals仅靠几个公开benchmark推动，感觉就是差了这口气。

如果只是用别人的endpoint，那整一套做完了后就没东西做了，这种ai engineer工作也就没价值了

请问一下那现在的 MLE 是不是都要往 AI Eng 转了，以后就越来越少 MLE 的机会了？不过我现在还在想 LLM 可以取代推荐系统这样的模型吗？

匿名用户 发表于 2026-9-1 04:14
请问一下那现在的 MLE 是不是都要往 AI Eng 转了，以后就越来越少 MLE 的机会了？不过我现在还在想 LLM 可 ...

. 1point3acres.com 主要取决于transformer是否可以比传统ML model predict tabular data更好。有些应用场景tree based model都可能比neural nets / transformer表现更好。跟数据量，用什么feature都有关。

当然搜广推现在应该大部分都是neural nets了。