吴恩达谈 AI 工程师职业发展：速读
一句话：代码变便宜，工程师仍需把真实问题、可维护实现和可检查的用户结果连起来。
| 现实问题 |
文章给出的切入点 |
验收方式 |
| “想做 Agent” |
先问用户反复消耗在哪一步 |
比较原流程与新方案的准确率、时间、纠错成本 |
| “生成代码很快” |
分开原型速度、实际价值和后续维护 |
记录用户反馈、失败样例、回归与交接 |
| “简历列了很多工具” |
展示一个有取舍和迭代的项目 |
别人能复现、质疑并继续维护 |
三个反直觉点
- 销售拜访简报若查询步骤固定，工作流可能比自主 Agent 更合适；只有需要根据环境改变下一步时才扩大自主范围。
- METR 的任务跨度、技术工作者自报速度和用户实际获得的价值是不同指标；不能把“速度 3 倍”写成某团队生产率 3 倍。
- AI 生成代码可缩短原型时间，也可能增加平台接口误用、结构混乱和未来修改成本。
最小实践
- 选一个真实用户问题，记录旧流程、目标结果和失败条件，再实现一个可运行版本，请用户试用并修改一次。
- 作品保留需求、设计取舍、测试、错误样例与用户反馈；团队接手时能回答“为何这样做、怎么验证、坏了谁处理”。
- 模型部署分别核对任务效果、设备资源、许可、数据边界与维护责任，不以“小模型”或“自托管”作为单独卖点。
来源边界
完整编译页 · 清洗正文 · 公众号原文
公众号作者栏为「AI觉醒观测者」，2026-09-18 13:16。文章综合转述吴恩达、Laurence Moroney 演讲及研究材料；数字和案例未逐项回到一手来源核验。与 [[02-ai-coding/winkrun-吴恩达-AI工程四项核心技能]] 的能力框架互补。