Engineer（工程师）在 AI 语境下已不只指传统软件工程师，而是围绕大模型构建应用的 AI Engineer——一个介于模型研究与产品开发之间的新角色。随着 Agent（智能体）成为主流技术方向，这一群体的讨论重心正从「会不会用 AI」转向「如何安全、高效地把 Agent 推向生产环境」。
AI Engineer 近期进展
当前焦点与观察点
AI Engineer 社区近期的讨论呈现两条主线。其一是权限与安全：Anthropic、KeycardAI 等都在强调智能体「不该自己批准自己的操作」，提议与执行分离、分层审批正在成为共识性的设计原则。其二是工程效率与团队文化：Gergely Orosz 引发热议的观点认为，把 AI token 用量纳入工程师 KPI、拒绝学 AI 是「不职业」的表现，折射出行业对工程师技能转型的紧迫预期。
基础设施层面，PyTorch 宣布原生支持 AWS Trainium 芯片且无需修改代码，降低了训练侧的硬件迁移成本。此外，Plaid 前 CTO 关闭年入近百万美元的 AI 税务产品、转做新项目 Town 的案例，也提醒从业者：AI 产品的机会窗口与退出节奏都在加速。后续值得关注的是 Agent 权限标准能否走向统一规范，以及 AI 工程师角色在组织中的定位如何进一步清晰。