众力资讯网

人工智能科学家吴恩达，发文章聊了一个话题：AI时代的工程师，到底该具备什么样的能力？他观察到一个变化。过去在科技公司里，产品经理定方向，设计师画原型，开发者负责写代码把东西做出来，分工很清楚。现在AI工具太强了，一个开发者能干的事变多了，这些角色之间的墙正在被拆掉。开发者开始做​人工智能科学家吴恩达，发文章聊了一个话题：AI时代的工程师，到底该具备什么样的能力？他观察到一个变化。过去在科技公司里，产品经理定方向，设计师画原型，开发者负责写代码把东西做出来，分工很清楚。现在AI工具太强了，一个开发者能干的事变多了，这些角色之间的墙正在被拆掉。开发者开始做产品决策，产品经理也在学着写代码。他说，好的AI工程师应该主动去影响产品该怎么做，而不只是接到需求就埋头干活。这件事需要四种能力。先说第一个，叫驱动构建循环。软件开发就是一个不停转的轮子：写一版代码，拿去试，看反馈，再决定下一步做什么。AI工程师得能推动这个轮子快速转起来。有时候你会先做一个简单原型验证想法行不行，有时候做个最小可用版本拿给用户看，有时候直接上企业级的方案。关键是频繁发布，小步快跑，该找用户聊就找用户聊，该跑实验就跑实验。然后说第二个，做产品决策。你不用变成产品经理，但总会碰到文档里没写清楚的地方，这时候你得自己判断。你得有产品感觉，知道用户真正需要什么。做出来的东西要好用，最好还好看。你还得懂点商业，比如市场有多大、成本划不划算这些问题。平时多跟用户聊，做做问卷，跑跑A/B测试，把对用户的理解一点点磨出来。第三个是沟通和带队。AI工程师的工作范围比以前的开发者大很多，你可能要跟市场部、财务、法务这些团队打交道。你得能把技术的事用大家都听得懂的话说清楚，把各方拉齐往前走。而且现在很多非技术的人都在琢磨AI到底能干嘛，你懂技术，就能帮他们看清楚哪些事能做、哪些事还做不了。最后一个，是高主动性。现在很多人，包括一些公司高层，对AI能做什么还没有清晰的认识。这就给懂技术的人留出了空间。你可以自己发现问题，自己提方案，自己动手做，不用等上面一层一层安排下来。遇到模糊的情况敢往前走，碰到挫折扛得住，衡量自己的标准是你创造了多少价值。吴恩达在最后还提到，你得一直学。追踪新技术，试新工具，调整自己的工作方式。AI工程比传统开发有意思得多，因为你能做的决定更多，参与的范围更广。

今天早上在X上看到人工智能科学家吴恩达写的最新的一篇文章《人工智能工程技能图谱：使用CodingAgent》，是关于AI工程技能的文章，聊的是怎么用好编程Agent。吴恩达采访了几十位顶尖AI工程师，总结出了一套大家公认的工作流程，读完挺有收获的，分享给大家。先说一个大背景。现在编程Age​今天早上在X上看到人工智能科学家吴恩达写的最新的一篇文章《人工智能工程技能图谱：使用CodingAgent》，是关于AI工程技能的文章，聊的是怎么用好编程Agent。吴恩达采访了几十位顶尖AI工程师，总结出了一套大家公认的工作流程，读完挺有收获的，分享给大家。先说一个大背景。现在编程Agent进化得特别快，ClaudeCode、Codex、Cursor这些商业产品，还有OpenCode、Pi这些开源工具，隔几周就有大更新。所以想用好它们，你得一直跟着试、跟着学，停下来就落后了。那顶尖工程师们是怎么用编程Agent的？吴恩达总结了三个大步骤。先说第一个：规划。就是在动手之前，你得先想清楚要做什么。这包括做调研、搞清楚现有代码库长什么样，然后写一份需求文档，把技术设计和架构想明白，再拆出一个执行计划。你还可以回头审视一下这个计划，看看有没有安全隐患，有没有把简单事情搞复杂了。然后说第二个：执行。让Agent去写代码、跑测试、验证结果。这里面有个关键问题，就是你要拿捏好Agent的自主权。有时候你盯着它一步步来，有时候你可以把一大块任务丢给它自己跑。你还得管理好它的上下文，比如项目进行到一半改了需求，你得确保Agent知道这个变化。如果任务够大，你甚至可以同时开好几个Agent并行干活，但这时候你得想清楚怎么分配自己的注意力。再说第三个：部署和监控。代码写完了，你可以通过CI/CD流水线把它部署上去，然后让Agent帮你盯着日志，发现问题了自动提方案甚至直接修。你会发现，这个流程跟以前写软件其实差不多。但现在工程师花在手写代码上的时间少了很多，更多精力放在了想清楚做什么、设计架构、写好需求文档、验证产出这些事情上。吴恩达还提到了几个关键能力。第一个是审查能力。Agent的产出是不确定的，你不知道它会写出什么好代码，也不知道它会埋什么bug。所以你得设计好测试和验证流程，有些可以全自动，有些还是得人来看。你还可以用AI做代码审查和安全审计，但在关键地方，人的判断还是少不了。第二个是定制能力。你可以给Agent装插件、接MCP服务器、设置hook来自动触发代码审查或部署流程。你还可以维护一份项目说明文档，比如CLAUDE.md，让Agent每次开工都能快速了解项目背景。跑完一轮之后做个复盘，把经验沉淀下来，下次它就能做得更好。第三个是理解Agent的底层原理。你得知道它怎么搜索代码、怎么管理上下文窗口、工具调用怎么影响它的表现。搞懂这些，你才能在它跑偏的时候及时发现，给它纠正方向。最后吴恩达说：社交媒体上经常把编程Agent说得很简单，好像让它自己跑几个小时烧几百万token就行了。但实际上，真正高效的用法是一个高度迭代的过程，你得不断介入、不断判断。能在关键时刻做出高质量决策的人，才能拿到最好的结果。科技先锋官HowIAI

今天读到一篇人工智能科学家吴恩达写的最新的文章，主题讲的是VibeCoding时代的软件工程基本功。吴恩达说，就算代码全交给AIAgent，这些基本功也不能丢，你得懂原理，才能指挥它做对取舍。新手只让AI随便写，能做简单应用，却容易在延迟、稳定性、成本上栽跟头，因为不知道还有得选。吴恩达​今天读到一篇人工智能科学家吴恩达写的最新的文章，主题讲的是VibeCoding时代的软件工程基本功。吴恩达说，就算代码全交给AIAgent，这些基本功也不能丢，你得懂原理，才能指挥它做对取舍。新手只让AI随便写，能做简单应用，却容易在延迟、稳定性、成本上栽跟头，因为不知道还有得选。吴恩达把基本功拆成五块。第一块是全栈开发。以前很多人只做前端或手机端，现在靠AI能覆盖更多环节，但界面、接口、登录、状态、存储、测试、安全这些还得懂。第二块是管理数据。数据是软件的根，定下来就难改。要会看访问方式，决定存什么、存多久，选对数据模型和存储类型，是关系表、文档、键值还是图，直接关乎速度、扩展性和成本。还要懂事务、并发，让数据干净一致，管好隐私合规。关键是AI的信息都来自你的数据，架构搭不好，AI连自己缺什么都不知道。第三块是设计系统架构。懂全栈又懂数据，才拼得对。得知道软件给多少人用、多看重延迟和成本，再定平台、前后端怎么分、系统怎么拆、状态放哪、单体还是微服务、选什么技术栈。架构还会随项目阶段变，原型、生产、再扩张，都要跟着调。第四块是让系统安全可靠。要会用测试验证对不对，配好单元和集成测试，定好覆盖率。要提前想失败怎么办，比如接口被限流，怎么优雅降级、缩小影响。安全也要提前做，很多开发者顺手兼职安全工程师，靠AI工具扫代码漏洞、查依赖风险、看云配置，但自己懂安全依然关键。第五块是上线和规模化运营。要会部署，走完整开发流程，配好环境、定发布策略、用上CI/CD。生产上要装监控、设告警、处理事故。要懂真实负载，会扩服务器、做负载均衡，用分片、索引、复制调整数据架构。版本管理、代码评审、维护依赖、管理技术债，这些习惯也不能丢。最后吴恩达说，AI改变了我们写软件的方式，背语法会慢慢过时，但真正吃透原理的开发者，永远比只会让AI瞎写的强。懂原理还能看清软件能做什么、做不了什么，才知道怎么用AI把东西做出来。科技先锋官HowIAI