Andrew Ng: AI Engineering Skills Map — Software engineering fundamentals
- ID: b853450d
- 原文链接: https://x.com/AndrewYNg/status/2093388974194872781
- 作者: Andrew Ng (@AndrewYNg)
- 日期: 2026-08-28
- 分类: coding
- 来源类型: x_post
- 标签: ai-engineering, software-engineering, agentic-coding, tradeoffs
- 质量评分: 4/5
- 抓取时间: 2026-08-29T23:47:00+08:00
中文导读
Andrew Ng 发 X 长文（4200+ 赞、6243 书签）把 AI 时代的软件工程基础拆成五块：全栈应用构建、数据管理、系统架构设计、安全与可靠性、上线运维与扩展。核心论点：vibe coding 在 latency、availability、consistency、reliability、maintainability、simplicity、cost 上反复翻车，不是 Agent 不行，而是开发者不知道这些 tradeoff 存在、无法 steer Agent 做对选择。数据管理被他点名为"AI 系统不知道自己不知道什么"的部分——架构选错只能靠有领域上下文的人纠偏，是 AI engineering skill 里最难外包的。架构是 moving target：原型、生产、规模化三个阶段答案都不同。结尾判断：Agent 没有消灭 engineering judgment，而是把取舍判断的责任推回开发者——真正理解软件如何工作的人会远远跑赢只会 vibe coding 的人
原文摘录（节选）
摘录来源：Obsidian 归档笔记
---
source: x.com/i/article/2093384274372419585
author: Andrew Ng (@AndrewYNg)
date: 2026-08-28
fetched_at: 2026-08-29
tags: [ai-engineering, agentic-coding, software-engineering]
---
# AI Engineering Skills Map: Software engineering fundamentals
> 原文链接：https://x.com/AndrewYNg/status/2093388974194872781
> 文章链接：https://x.com/i/article/2093384274372419585
Andrew Ng 在 2026-08-28 发了一篇 X 长文，把 AI 时代软件工程基础压成五块：full-stack 应用构建、数据管理、系统架构设计、安全与可靠性、上线运维。
他强调的核心论点是："vibe coding 写出来的应用常常在 latency、availability、consistency、reliability、maintainability、simplicity、cost 这些维度踩雷，不是因为 Agent 不行，是因为开发者根本不知道这些 tradeoff 存在，所以没法 steer Agent 做对选择。"
## 五个核心领域
### 1. Building full-stack applications
Agentic coding 让前端、后端、移动端这些分工开始融合，开发者必须能跨整个 stack 理解组件和概念：UI components、caching、page rendering、API 设计与选型、authentication、state/session 管理、异步处理、数据持久化、testing、security、accessibility。
### 2. Managing data
数据是软件的地基，相对难改（即使 Agent 能帮做 migration）。开发者要理解 access patterns 据此选存储类型（关系型、文档、KV、图），要懂 transactions、concurrency、数据一致性、新鲜度、隐私、合规、生命周期管理。架构选错了，AI 系统就"不知道自己不知道什么"，这时候必须有 domain context 的人来纠偏。
### 3. Designing system architectures
架构设计要先回答清楚几个问题：多少用户？latency 多重要？成本多少？据此选应用平台、frontend/backend 边界、系统拆分粒度、状态位置、技术栈（语言/runtime/框架/数据技术）。架构是 moving target：原型阶段和生产阶段的答案不一样，规模化之后又会变。
### 4. Making systems secure and reliable
可靠性靠测试策略（unit + integration 比例、覆盖度）、failure 设计（rate limit、graceful degradation、blast radius 收敛）。"Shift left" 把安全左移到开发早期；每个开发者都要兼顾部分安全工程师职责。AI 工具可以扫漏洞、扫依赖注入、扫云配置，但用好仍然要懂安全。
### 5. Scaling and operating in production
把代码推到生产需要懂 SDLC、CI/CD、IaS、可观测、告警、incident response。规模化的能力：理解真实负载、scale server、load balance、分片/索引/复制、数据架构改造跟上规模。最后是工程基础：版本控制、code review、依赖维护、技术债管理。
## 结尾判断
Coding agents 改变了写软件的方式（包括不含 AI 的软件）。一些知识（比如记语法）正在过时，但**真正理解软件如何工作的开发者，会远远跑赢那些 vibe coding 而不懂原理的人**。
这一论断的核心是：Agent 没有消灭 engineering judgment，反而把判断的责任推回到开发者身上——你得先知道 tradeoff 长什么样，才能让 Agent 帮你做对选择。
---
# 归档记录
- fetched_via: opencli web read --url https://x.com/i/article/2093384274372419585
- raw_x_post: https://x.com/AndrewYNg/status/2093388974194872781
- bookmarks_parent: /tmp/x-bookmarks-intake/bookmarks.json
本文由 daily-intake-evening 流水线于 2026-08-29 归档；摘录为原文节选，全文见原文链接。