吴恩达：AI 工程技能地图——如何使用编码智能体

当编码智能体越来越能独立执行任务，工程师需要掌握的能力也随之变化。吴恩达（Andrew Ng）结合对数十位 AI 工程师的访谈和团队实践，讨论怎样引导智能体完成软件开发，以及什么时候仍需要人的判断。

正文

一项关键的 AI 工程技能是使用编码智能体。你引导它们编写代码、执行非编码任务——例如分析数据或管理系统运维——的能力，能让你完成更多工作。

编码智能体演进很快，这意味着这项技能也在快速变化，速度比其他顶层 AI 工程技能更快。专有智能体（如 Claude Code、Codex 和 Cursor）与开放智能体（如 OpenCode 和 Pi）都在通过运行框架和模型的改进大步前进。因此，要跟上编码智能体的使用方法，就需要持续地实验、构建和学习。

在访谈数十位顶尖 AI 工程师，并回顾我们团队使用编码智能体的方式后，我们发现，用它们构建软件时存在一套一致的高层工作流程。关键步骤是：

• 规划。 包括：（i）头脑风暴，其中可能涉及研究、实验和理解现有代码库（如果有的话）；（ii）编写记录需求、技术设计和架构的规格说明，随后生成执行计划。你也可以审查这份计划，追问关键假设，检查安全问题、过度设计和其他缺漏。
• 执行。 在智能体自主性与人工监督之间取得适当平衡，开展构建、测试和验证。这包括：（i）让智能体以经过权衡的自主程度构建软件；（ii）通过自动化检查和／或人工检查验证输出。
• 部署与监控。 在这一阶段，你会：（i）部署软件，可能通过 CI/CD 流水线或额外的人工关卡把关；（ii）使用智能体观察日志、发现问题，并提出和执行改进。

这套高层流程与编码智能体出现之前通常使用的软件开发流程相似。如今，我们对代码本身的关注少了很多，更多精力放在决定构建什么、设计架构、撰写规格说明和验证输出上。

每一步持续多久，会因项目而显著不同，也可以省略某些步骤。例如，一个从零开始的原型项目，其规格可能只是在一段快速写出的提示词中粗略描述；而一个已有大量用户的存量项目，其规格则可能需要投入更多精力来编写和核实。此外，这个流程高度迭代，熟练的开发者知道，什么时候应该根据后续步骤的反馈回到前面的步骤。例如，验证失败时，他们知道怎样引导智能体重新构建并修复错误；监控发现问题时，他们知道怎样让智能体更新系统并重新部署。

要在这套流程中有效使用编码智能体，关键技能包括：

• 引导工作流程
• 赋予智能体自主性
• 审查工作
• 定制智能体及其环境
• 编码智能体基础原理

引导工作流程。 你知道怎样推进上述流程的每一步。这涉及决定每一步投入多少人工、多少智能体工作，以及什么时候返回前面的步骤进行迭代。它要求你深入理解速度、成本、技术风险和人工投入之间的取舍，从而决定：事先研究和规划到什么程度，什么时候由人继续负责关键工作，如何选择架构，在规格说明等规划材料中写入多少细节，以及如何把工作拆成可以验证的步骤。

赋予智能体自主性。 把编码智能体用于流程中的各个步骤时，你需要选择自主程度：是盯着它、来回互动，还是把更大的一块工作委派给它？什么时候应该设定明确目标，让它循环执行直到成功？此外，你必须认真管理智能体的上下文。随着构建进入不同阶段，你要判断何时确保关键心得、用户反馈和假设——包括构建中途发生变化的假设——被记录下来，供智能体在后续使用。你还要决定什么时候把任务拆开，安排多个智能体并行工作，由人或上层智能体协调它们，以及如何在并发的智能体会话之间分配人的注意力。你也知道怎样安全运行智能体：恰当设置权限和操作关卡，让开发快速推进，同时限制泄密、数据丢失或其他损害的风险。

审查工作。 编码智能体的输出是不确定的。我们无法提前知道，它会想出什么好主意，又会写出什么错误。审查和验证输出，是确保获得所需结果、并在结果不符时重新引导智能体的关键步骤。你会设计与任务相匹配的测试和验证，按需开展行为验证和功能验证。你也可能测试用户流程，或许让智能体提供截图，作为成功或失败的证据。对于定性或行为评估，可以使用评估集，也可以借助 LLM 充当评审。

你还需要决定，这些测试有多少应该自动化。有些工作流程会将所有测试和验证完全自动化，让智能体能够检查自己的工作，并知道自己何时成功完成了任务。你必须评估这些测试，确保它们符合你的目标；不符合时，就要调整它们。此外，你会使用智能体代码审查，并开展 AI 辅助的安全与架构审计。当 AI 审查不足以胜任时，你会审慎地加入对代码行为的人工审查（少数时候也直接审查代码），同时探索如何进一步自动化这些审查。最后，你会验证部署，并让智能体参与实际的监控和事故管理。

定制智能体及其环境。 你能同时更新智能体及其工作环境，这会让智能体高效获取所需上下文、访问工具，并正确、高效地构建。你知道怎样集成智能体技能、插件和 MCP 服务器。偶尔，当它们不再必要时，你会精简它们，例如新模型使旧技能失去必要性时。你可以使用钩子自动完成开发流程中可重复的部分，例如触发自动代码审查或 CI/CD 流水线。你也可以维护智能体的工作环境：更新 AGENTS.md 或 CLAUDE.md 等常驻上下文，记录代码库信息、关键架构假设、代码风格和数据访问模式。你知道怎样跨多个会话、跨并行智能体保存状态，怎样随时间积累智能体的经验，例如在运行后复盘，记录哪些做法有效、哪些无效。你也知道怎样建立一致的约定和结构，让智能体容易理解和查找代码库内容，以及如何偶尔清理智能体产生的技术债务。在团队中工作时，你还会考虑如何协调不同开发者的智能体所使用的上下文。

编码智能体基础原理。 最后，为了在全过程中作出良好决策，你需要充分理解编码智能体如何工作：怎样搜索和检索代码库，怎样管理上下文窗口，不同操作（如添加工具调用、MCP 服务器等）怎样影响上下文，智能体与子智能体怎样交互，以及如何在 LLM 外包上一层运行框架，构成一个智能体。这会让智能体不再那么像黑箱，帮助你识别失败模式，例如对简单方案过度设计、因为缺乏明确的验证流程而失去严谨性、尚未达成目标就停止，或执行可能破坏文件及生产数据的操作。这也能帮助你推断智能体的状态，通过提供合适的处理指示或上下文来引导它。在监看一次运行时，这种理解还能让你更容易发现智能体何时偏离轨道，需要你介入。

我发现，社交媒体经常把编码智能体的使用描述得过于简单。例如，让智能体自主运行数小时、消耗数百万乃至数千万 token，有时确实有用。但目前，超长周期任务的实际效用——尤其是相对于其成本而言——被夸大了。相比之下，大多数有效的编码智能体使用，是一个复杂且高度迭代的过程；能够凭借熟练的判断介入，会带来好得多的结果。

你使用编码智能体的技能，会让你成为高效的构建者。这也使你具备主导整体构建的条件。我会在未来的文章中进一步讨论这一点。

思想框架

吴恩达先说明编码智能体技能为何需要持续更新，再从规划、执行、部署与监控还原软件开发流程，强调各步骤投入可变且必须反复迭代。在这一流程上，他依次展开引导、授权、审查、定制和基础原理五项能力：它们共同决定人如何分配工作、提供上下文、识别风险并验证结果。结尾回到对长时间自主运行的评价，指出有效使用依赖高质量判断与及时介入，并由此引向主导整体构建的下一层能力。