#架构设计

做个出色的 Emoji 搜索，真不需要杀鸡用牛刀

最近业内热议 Linear 将新型分类推理模型 Jev 引入 Emoji 选择器，体验提升显著。但开发者 Max Leiter 指出：别把所有分类与检索任务都当成需要大模型推理的“钉子”。

在针对 4,668 个 Emoji（包含 Unicode 与社区自定义表情）的实测基准测试中：

• 成本与延迟差距巨大：Jev 每次检索需将整个候选池灌入上下文（单次耗费近 6 万 tokens），成本比 Embedding 高出 1,000 到 10,000 倍，延迟约为 2 倍，且存在服务不稳定的风险；其检索效果虽有微弱提升，但并不具压倒性优势。
• 纯向量检索更高效：利用 text-embedding-3-large 搭配 pgvector，或直接在浏览器端运行约 35 MB 的小模型（bge-small-en-v1.5）配合二进制向量（Binary Embeddings），就能实现低成本甚至零成本、毫秒级响应的语义检索。
• 选型建议：
• 已知集合匹配（如 Emoji、文档检索）：优先使用 Embedding 向量检索。
• 已知标签分类：使用小型分类器或微调模型，成本更低、速度更快。
• 何时使用 Jev 等推理模型：仅在结果依赖复杂上下文理解、需要逻辑推理而无法单纯依靠向量空间距离解决时，才值得投入高昂成本。

原文链接：https://maxleiter.com/blog/embedding-emoji-search

#人工智能 #向量检索 #架构设计 #工程实践

Max Leiter's website

You don't need Jev for good emoji search | Max Leiter

or: semantic emoji search with embeddings

AI 时代怎么招工程师：Augment 的「AI-native」人才标准

当 AI agent 能写出大部分代码后，工程师的价值开始上移：不再以“写得快、写得多”为核心，而是以判断力、系统设计与协同能力决定产出质量。

Augment 重新梳理了面向 AI-native（与 AI 共同工作）团队的招聘标准，核心变化可以概括为一句话：人从“作者”变成“架构师与编辑”——定义意图、做取舍、设护栏、把好质量关。

工程师工作重心的迁移

• 传统工程：写代码、实现方案、解决问题、看个人产出
• AI-native 工程：明确意图与权衡、编排 agent、选择正确问题、看系统级结果

他们认为最重要的 6 个能力维度

1. 产品与结果品味（Product & Outcome Taste）：能否在代码变“更便宜”时，避免做出“最贵的错误”——把方向做错。
2. 系统与架构判断（System & Architectural Judgment）：代码能跑不难，难的是“能在生产环境长期稳定地跑”。
3. Agent 杠杆（Agent Leverage）：能否把 AI 变成真实吞吐量：拆解任务、引导偏航、验证结果（agent 很快，但也可能自信地出错）。
4. 沟通与协作（Communication & Collaboration）：实现更快后，“达成清晰”更关键；要能把意图讲清楚、促成共识。
5. 主人翁意识与领导力（Ownership & Leadership）：对结果负责而非只做任务；主动清除阻碍交付的障碍。
6. 学习速度与实验心态（Learning Velocity & Experimental Mindset）：工具三个月就变一轮，持续实验与快速迭代成为工作常态。

一个显著的信号是：“纯粹的编码能力”不再是最主要的区分项——依然重要，但不再决定上限。

从理念到招聘：看“可观察信号”

他们强调，框架必须能落到面试里，转成可评估的行为证据，例如：

• 能否快速澄清模糊问题、定义清晰目标？
• 能否提前识别架构风险，而不是上线后救火？
• 能否有效指挥并验证 AI 生成的工作？

未来重点招的 4 类画像

• AI-native 系统工程师：基础设施与架构判断强，保证“地基”稳。
• AI-native 产品工程师：产品品味与用户理解强，确保“做对事”。
• AI-native 应用 AI 工程师：懂模型与应用构建，提升 agent 能力与工作流。
• AI-native 早期工程师（Early Professional）：学习速度优先，快速适应工具与流程变化。

这套标准也不只用于招聘，还会反向影响绩效、成长与职业发展：如果真正重视判断力、杠杆与学习速度，就应该在各个环节都体现出来。

原文链接：https://www.augmentcode.com/blog/how-we-hire-ai-native-engineers-now

#AI招聘 #工程师能力 #AI代理 #架构设计 #学习型组织

Augmentcode