AI 带给前后端工程师什么机会? 前后端工程师该如何调整?
2025年1月6日
过去两年，当谈到 AI 对传统前后端工程师的影响，在社群中最常听见一种典型的 AI 末日说，意即当某个新的 AI 模型或工具被推出，这类论点的人就会说「XXX 完蛋了」。
例如 GPT-4 推出时，有一个拍下 UI 图转成简易前端的展示，当时就有许多这类论点的人说「前端工程师完蛋了」。
然而，比起这种末日说，我们看到反而是机会，传统前后端工程师能在 AI 时代有更大的发挥。当然，这也会需要一些调整。因此，在这期双周报想来谈谈 AI 带给传统前后端工程师什么机会? 以及前后端工程师该如何调整?
在往下谈之前，想先说为什么我们认为 AI 末日说与我们的观察不符。回到前面提的例子，从事实的角度来看，GPT-4 出来这么久，甚至后面的 4o 与 o1 模型出来，前端工程师都没有完蛋，甚至各大公司，甚至 OpenAI 本身都持续在招募前端工程师。
退一步来说，即使现在有 v0 或 Bolt 等生成式 UI 工具，前端工程师的工作，还有很大一部分没办法由 AI 代劳。以先前社群在传的前端水很深的图来说，现代的前端工程师，会越来越往下走。
这意味着，在 AI 出现后，前后工程师的价值更加提高。因为前后端工程师可以透过 AI 工具，从那些繁琐的任务被释放出来。不过这也代表着，只会简单且繁琐的任务的人，不再会是市场所需要的。与此同时，工程师能往更有挑战性，同时能带来更大成就感的面向深入发展。
然而，什么是对传统前后端工程师来说，更有挑战，同时能带来更大成就的机会呢?
AI 带给传统前后端工程师的机会
我们的观点是往 AI 应用层走，有满满的机会等着探索与开发。吴恩达教授在 2024 年底给的《AI, Agents and Applications》演讲提到，虽然在社群中很多人都关注在底层的模型 (例如 OpenAI 的 GPT，或是 Anthropic 的 Claude)。他认为这没有什么不好的，但他认为要让技术层级的发展获得成功，我们需要在应用层级上获得成功。
从他的观点看，在应用层级上的成功，能创造更多的收益，才能进一步灌注让更底层的基础技术能持续发展。进一步说，他认为对多数的台湾公司而言，专注在开发 AI 应用将能获得最好的机会 (详见该演讲 2:05 秒的投影片)。
Sequoia 今年发表的《Generative AI’s Act o1》一文谈到就如同在云端世代，因为各种基础建设 (例如 AWS、Cloudflare、Snowflake 等等)，让开发软体应用变得很简单，因此催生了许多软体 SaaS 产品。而在 AI 的基础模型发展蓬勃之际，基于 AI 而生的应用，会是新的市场前景。
开发应用，或者基于底层的模型来进一步打造产品，这完全是过去前后端工程师在做的事情。这也是为什么，我们认为这些 AI 技术、基底模型的出现，对前后端工程师反而是机会，因为能把原本在做的事情，拓展到新的领域上。
前后端工程师该如何调整?
基于上一段的描述，在市场上，会需要有能够运用各类 AI 模型与工具，来创造软体产品、开发 AI 应用的工程师，而传统的前后端工程师，几乎是最容易跨足这个新领域的族群。
不过，开发 AI 应用所需要的技术与工具，有许多是在过往前后端工程师的技术栈不存在的，这是前后端工程师需要调整的地方。要能够进一步去学习使用不同的工具，来开发在 AI 时代的应用。
具体来说会有以下 (但不限于以下)
- 提示词工程 (prompt engineering)
- 微调 (fine-tuning)
- RAG (retrieval augmented regeneration)
- 向量资料库 (vector database)
- 评估 (eval)
- 代理 (agent)
- 多模态应用开发 (multi-modal)
- 本地优先的 AI 应用 (local-first AI)
感兴趣的读者，这些主题都会是 E+ 成长计划 (连结) 在 2025 年将会涵盖的主题文内容，推荐可以加入 E+ 一起在这些面向学习与精进。
除了这些技术与工具外，我们也推荐在 AI 快速演进下，前后端工程师要去加深对领域的掌握、学会透过 AI 工具协助提升自己的生产力。同时，在使用 AI 工具的同时，不要失去自己的思考。
关于这些要点，我们在 E+ 的主题文中都有更详细的说明。想了解更多的读者也欢迎加入阅读 (连结) 。