SelanjutnyaPanduan berikutnya
Insinyur Cepat sebagai Karir
Masyarakat
PANDUAN Teknis
Cara Menjadi Insinyur AI
Untuk menjadi insinyur AI, pelajari Python (dan idealnya TypeScript), pelajari cara memanggil API model bahasa besar, lalu buat aplikasi yang semakin sulit dengan pembuatan augmented pengambilan, pemanggilan alat, dan evaluasi sistematis, dan publikasikan sebagai proyek portofolio.
Di halaman ini4 menit membaca
Ikhtisar
Rekayasa AI adalah tentang membangun produk berdasarkan model dasar yang sudah ada, bukan melatih model dari awal. Hal ini menjadikannya salah satu jalur yang paling mudah diakses menuju pekerjaan AI bagi pengembang perangkat lunak.
Menyelam Lebih Dalam
Istilah "insinyur AI" dipopulerkan dalam esai tahun 2023 oleh Shawn Wang (dikenal sebagai swyx), "The Rise of the AI Engineer." Ini menggambarkan pengembang yang membangun aplikasi di atas model dasar. Perannya berbeda dari teknisi pembelajaran mesin, yang melatih dan menerapkan model, dan dari ilmuwan data, yang berfokus pada analisis dan statistik. Peta jalan praktis memiliki tujuh tahap. 1. Dasar-dasar pemrograman. Pelajari Python, git, HTTP dan JSON, variabel lingkungan dan SQL dasar. TypeScript membantu membangun antarmuka web. 2. Dasar-dasar LLM. Pelajari token, jendela konteks, suhu, harga, dan alasan model melakukan perubahan. Panggil API dari penyedia seperti OpenAI, Anthropic, dan Google, dan jalankan model open-weight secara lokal dengan alat seperti Ollama. Pelajari streaming dan keluaran terstruktur. 3. Anjuran. Tulis instruksi yang jelas, gunakan contoh, dan terapkan format output dengan skema. 4. Generasi augmented pengambilan (RAG). Pelajari pengelompokan, penyematan, dan penelusuran vektor, penelusuran hibrid yang menambahkan pencocokan kata kunci, pemeringkatan ulang, dan kutipan. 5. Alat dan agen. Pelajari pemanggilan fungsi, loop multi-langkah, dan Model Context Protocol, standar terbuka Anthropic yang diperkenalkan pada akhir tahun 2024 untuk menghubungkan model ke alat dan data. Tambahkan pagar pembatas dan pembatas. 6. Evaluasi dan observasi. Buat set pengujian, gunakan penilai otomatis, lacak setiap permintaan, dan tangkap regresi sebelum diterapkan. 7. Produksi. Bangun API (misalnya dengan FastAPI), lalu tangani caching, batasan laju, pengendalian biaya, dan keamanan, terutama injeksi cepat. Penyempurnaan, PyTorch, dan teori pembelajaran mesin berguna di kemudian hari, tetapi tidak diperlukan untuk memulai. Ada dua kesalahpahaman yang umum terjadi. Anda tidak memerlukan gelar PhD atau matematika tingkat lanjut untuk memulai. Anda memang memerlukan rekayasa perangkat lunak yang solid, karena sebagian besar kegagalan adalah bug biasa, masalah data, atau pengujian yang hilang. Kerangka kerja seperti LangChain bersifat opsional. Mempelajari API mentah terlebih dahulu akan mempermudah proses debug kerangka kerja apa pun nantinya.
Dampak Strategis
Biaya dan anggaran
Keputusan arsitektur mendorong kinerja dan biaya pengoperasian selama bertahun-tahun.
Keputusan yang lebih jelas
Pendidikan teknis membantu tim memilih tumpukan yang tepat, bukan hanya yang terbaru.
Kontrol kualitas
Pilihan teknik yang lebih baik mengurangi insiden keandalan dalam produksi.
Masa Depan Cara Menjadi Insinyur AI
Rekayasa AI masih berubah dengan cepat. Kemampuan model, harga, dan alat sering berubah, sehingga hal mendasar bertahan lebih lama dibandingkan kerangka kerja tertentu: desain perangkat lunak yang bersih, penanganan data yang hati-hati, disiplin evaluasi, dan kesadaran keamanan. Agen yang mengambil banyak langkah dan mengontrol perangkat lunak mendapatkan lebih banyak perhatian, sehingga meningkatkan pentingnya pengujian, pemantauan, dan desain izin. Beberapa tugas yang memerlukan saluran khusus saat ini mungkin diserap ke dalam platform model. Insinyur yang dapat menentukan kualitas, mengukurnya, dan menghasilkan sistem yang andal kemungkinan besar akan tetap berharga, apa pun alat yang digunakan. Perlakukan peta jalan apa pun sebagai titik awal untuk direvisi setiap beberapa bulan.
Implementasi Dunia Nyata
Proyek awal: skrip yang mengirimkan artikel yang ditempelkan ke API LLM dan mendapatkan kembali JSON dengan judul, ringkasan, dan tiga poin penting, diperiksa berdasarkan skema sebelum disimpan.
Proyek pengambilan: chatbot yang menjawab pertanyaan tentang peraturan umum kota. Ini membagi PDF menjadi beberapa bagian, menyimpan embeddings di Postgres dengan pgvector, dan mengutip bagian di balik setiap jawaban.
Asisten pemanggil alat yang membaca permintaan, memanggil API cuaca dan API kalender, dan mengusulkan jadwal, dengan pengujian yang mencakup apa yang terjadi ketika waktu API habis.
Manfaat evaluasi: 100 pertanyaan berlabel untuk chatbot peraturan yang menilai apakah bagian yang tepat telah diambil dan apakah jawabannya tetap sesuai, dijalankan secara otomatis pada setiap perubahan kode.
Risiko & Pagar Pembatas
Mengoptimalkan satu tolok ukur dapat menyembunyikan kelemahan sistem yang lebih luas.
Biaya infrastruktur dan pemeliharaan sering kali diremehkan.
Kesenjangan keamanan dan kemampuan observasi dapat tumbuh seiring dengan semakin kompleksnya sistem.
Peta Jalan Implementasi
Tentukan target latensi, kualitas, dan biaya sebelum penerapan.
Tolok ukur dalam kondisi beban dan data yang realistis.
Pemantauan instrumen untuk kesalahan, penyimpangan, dan dampak pengguna.
Siapkan jalur rollback dan respons insiden sebelum melakukan penskalaan.
Terus Menjelajah
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the How to Become an AI Engineer quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Pertanyaan yang sering diajukan
Apa Cara Menjadi Insinyur AI?
Untuk menjadi insinyur AI, pelajari Python (dan idealnya TypeScript), pelajari cara memanggil API model bahasa besar, lalu buat aplikasi yang semakin sulit dengan pembuatan augmented pengambilan, pemanggilan alat, dan evaluasi sistematis, dan publikasikan sebagai proyek portofolio. Rekayasa AI adalah tentang membangun produk berdasarkan model dasar yang sudah ada, bukan melatih model dari awal. Hal ini menjadikannya salah satu jalur yang paling mudah diakses menuju pekerjaan AI bagi pengembang perangkat lunak.
Menurut panduan ini, apa perbedaan fokus insinyur AI dengan fokus insinyur pembelajaran mesin?
Rekayasa AI berpusat pada pembuatan produk dengan model yang sudah ada melalui API, pengambilan, alat, dan evaluasi. Model pelatihan biasanya merupakan domain teknisi ML.
Mengapa panduan ini merekomendasikan mempelajari API LLM mentah sebelum kerangka kerja seperti LangChain?
Memahami apa yang terjadi di bawah abstraksi memungkinkan Anda mendiagnosis masalah ketika kerangka kerja berperilaku tidak terduga.
Apa itu Protokol Konteks Model?
Panduan ini menjelaskan MCP sebagai standar terbuka yang diperkenalkan oleh Anthropic pada akhir tahun 2024 untuk menghubungkan model ke alat eksternal dan sumber data.
Dalam pipeline RAG, apa yang terjadi selama proses penyerapan?
Penyerapan mempersiapkan basis pengetahuan dengan membagi dokumen menjadi beberapa bagian, mengubahnya menjadi penyematan, dan menyimpannya dengan metadata untuk diambil nanti.
Mengapa sistem menjalankan pencarian kata kunci BM25 bersamaan dengan pencarian vektor?
Pencarian hibrid menggabungkan kesamaan semantik dari penyematan dengan pencocokan istilah yang tepat, yang membantu dengan nama, kode, dan istilah tertentu.
Teruslah belajar
Panduan terkait
Panduan lainnya dipilih untuk topik ini