从希音SHEIN校园挑战赛看AI时代的工程师能力

借助AI生成代码之后,怎样判断它是否解决了真正的问题?这个问题把注意力引向了开发过程中的需求理解与结果验证。在希音SHEIN面向高校学生开展的未来探索节中,AI Coding挑战赛与技术沙龙提供了两种观察入口,让学生通过动手实践和业务交流,认识工程师的工作。

据悉,AI Coding挑战赛吸引近300名学生走进线下赛场。参赛者需要在限定时间内,借助AI完成贴近真实业务开发场景的任务,在实际任务中运用平时学习的工具。

比赛关注代码实现与解题质量,也将AI协作能力纳入评估。学生需要思考:任务要求解决什么,工具生成的结果是否符合要求。代码能够运行只是观察结果的一个方面,如何理解需求、组织解决步骤,再对生成内容作出判断,同样关系到任务能否完成。

一位参赛的计算机专业学生说:“平时写作业也会用AI,但这次的题目不一样。需求没拆清楚,AI生成得再快,也只是在错误的方向上跑得更快。”这段反馈指出了工具使用中的一个问题:如果对目标的理解出现偏差,后续生成的内容也可能随之偏离。使用者需要检查自己的提问。

希音SHEIN AI Coding挑战赛现场

对于学生,这类实践还提供了复盘的线索:输入的信息有没有说明目标,得到答案后是否检查了需求,发现偏差后如何调整。这些问题能把使用工具的过程变成具体的学习任务,供学生梳理仍需理解和练习的部分。

比赛之外,南京大学的Tech Talk技术沙龙将讨论延伸到更复杂的业务环境。希音SHEIN技术专家结合全球化业务场景,分享大模型部署、推理效率等话题,并讨论技术如何支撑业务运转、改善用户体验,以及AI时代工程师的成长与变化。交流提供了了解技术工作的窗口。

这些话题把技术学习与应用场景联系起来。同样是讨论模型,放到业务环境中,就需要进一步理解它如何被部署、运行过程有哪些效率问题,以及最终要服务怎样的用户需求。这种交流有助于把一个技术名词放回具体问题之中,理解相关知识为什么会在工作中被用到。

挑战赛与技术沙龙各有侧重:前者让学生亲自处理任务,观察自己使用AI时遇到的问题;后者通过业务经验分享,呈现技术应用所处的环境。两种形式衔接,帮助学生把实践中的疑问与业务讨论联系起来,为后续学习提供参照。技术岗位的认识由此可以从课程和工具,逐步延伸到工作过程。

对学生而言,职业准备可以从这样的具体观察开始:自己是否理解了任务,能否解释解决思路,又如何判断结果。希音SHEIN将技术实践和业务交流带到高校,为学生提供了接触这些问题的机会。在实战与讨论中,未来工程师的工作内容有了更清晰的轮廓,学生可以据此探索学习方向。

南京大学Tech Talk技术沙龙现场