# 吴恩达列出 AI 工程四项核心技能，第四项值得注意

- 原文链接：https://mp.weixin.qq.com/s/1D2MBnRTfktC8_d8agbNuA
- 来源：微信公众号「winkrun」；发布时间：2026-08-16 09:37 CST
- 获取时间：2026-08-17

## 正文

公众号转述吴恩达和 DeepLearning.AI 团队发布了一份 AI 工程技能图谱：据称分析超过一万份职位描述、访谈数十位 AI 专家、招聘经理和猎头，并结合问卷和网络数据，将技能归纳为四类。这里讨论的是“AI 工程技能”，不是限定的“AI 工程师”职位；类比是所有开发者都应懂云，但不是每个人的职位都叫云工程师。

### 1. 构建和部署 AI 应用

AI 应用与传统软件的重要差异是输出不可预测。会用 LLM、RAG、Agent 工作流只是起点；核心是使用统计方法度量、引导和治理系统，其中评估与错误分析闭环最关键。

### 2. 软件工程基本功

工程是在成本、扩展性、可靠性、速度、安全和隐私之间做取舍。理解底层原理才能看见这些权衡。缺乏基本功的人使用 vibe coding，可能不知道要给编程智能体何种上下文，也难发现智能体正在制造架构问题。基本功的价值从“亲手写代码”转为“用精确工程语言驾驭智能体”。

### 3. 使用编程智能体

具体能力包括：对智能体能力和局限有准确心智模型；知道何时干预、何时放手；管理上下文，并在规划和执行间取舍；提供验证器或评估机制让智能体闭环；写清规格并知道何时无需写；编排多个智能体；避开生产数据库等高风险操作。工具变化很快，持续尝试与迭代工作流也是要求。

### 4. 塑造构建方向

当智能体越来越擅长“按规格交付”，工程师的价值重心上移到决定规格写什么。工程师不应只等待完美设计稿再实现，而应理解客户目标与商业上下文，参与定义做什么，并掌握节奏：什么时候快速用 MVP 验证用户，什么时候慢下来精心构建。

原文进一步认为，Coding Agent 会削弱“产品决定、设计出图、工程实现”的线性分工。清晰规格到可工作软件的确定性执行减少后，识别问题、理解客户、选择权衡和定义规格的判断工作将更多落到工程师身上。代码生成变快不等于架构、成本、可靠性、安全与扩展性决策自动正确。

## 证据边界

本文是公众号转述，未提供 DeepLearning.AI 原始技能图谱链接或方法细节。本条目未独立核验“一万份职位描述”“数十位专家访谈”等规模，也不将“工程师职责必然上移”视为普适事实；它更适合作为 AI Coding 能力结构与工作分工变化的讨论框架。

标签： #主题/AI-Coding #主题/软件工程 #主题/编程智能体 #节点/AI工程技能 #节点/评估闭环 #节点/构建方向 #场景/公众号长文