原文：Andrew Ng（吴恩达），2026 年 8 月 28 日发布于 X 标题：AI Engineering Skills Map: Software engineering fundamentals 链接：x.com/AndrewYNg/status/2093388974194872781 以下为全文翻译，配图为原文技能地图。
智能体编码（agentic coding）兴起之后，软件工程基本功发生了什么变化？即使代码全部交给编码智能体来写，理解这些基本功依然很重要——因为你要靠它来引导智能体做出你想要的取舍，甚至要先知道有哪些取舍可供选择。此外，构建 AI 应用时，AI 内核往往要依托一个更大的软件应用才能落地，而这个应用本身也需要你来参与构建和塑造。
一个不懂软件基本功的新手靠「氛围编程」（vibe coding）也能做出简单应用，但编码智能体常常因此做出糟糕的取舍——在延迟、可用性、一致性、可靠性、可维护性、简洁性或成本上顾此失彼。问题在于：开发者根本不知道这些取舍的存在，自然也就无从引导智能体为自己的应用场景做出正确决策。
本文基于我们对「AI 工程技能」的研究，总结出软件工程中最需要掌握的五项能力：
- 构建全栈应用
- 数据管理
- 设计系统架构
- 让系统安全可靠
- 生产环境的扩容与运维
在这张技能地图中，「软件工程基本功」与「构建和部署 AI 应用」「使用编码智能体」「塑造构建过程」并列，同属 AI 工程的四大支柱。以下逐一展开。
一、构建全栈应用 链接到标题
智能体编码让许多原本职责更专一的开发者（比如前端工程师、移动端工程师）得以承担更宽的全栈角色。编码智能体可以帮你搞定开发流程中你不太熟悉的环节。
但是，理解整个技术栈究竟如何运转，依然很重要。熟练的开发者理解前后端系统的关键组件与概念，包括 UI 组件、缓存、页面渲染、API 的选型与设计、身份认证、状态与会话管理、异步处理、数据持久化、测试、安全和无障碍访问。
二、数据管理 链接到标题
数据值得特别关注：它是软件赖以构建的地基，而地基一旦打下就相对难以更改——就算智能体能帮忙做数据迁移，也一样。
懂数据管理的人，能先想清楚访问模式，再据此决定存什么、存多久；能识别出合适的数据模型，选出恰当的存储类型（关系表、文档、键值还是图）与基础设施，而这些选择又直接影响速度、可扩展性、可用性、可靠性和成本。你还得理解事务与并发，知道如何让数据保持干净、一致、新鲜；必要时能落实隐私、治理与合规，并且懂得管理数据的完整生命周期。
随着应用演进，你还要能让数据架构跟着一起演进。如何管理数据，需要人来提供大量上下文：AI 系统的输入上下文来自你的数据源，如果数据架构选得糟糕，AI 连「自己不知道什么」都无从知晓。这正是为什么需要一位既掌握相关背景、又精通 AI 工程的人——也就是你——出手纠正。此外，如何为智能体（而不仅仅为传统软件或人类）构建数据基础设施，本身也是个快速演进的领域，最佳实践需要随行业发展持续调整。
三、设计系统架构 链接到标题
当你理解了软件与数据全栈的主要组件，才能更好地决定如何把它们拼到一起。
好的系统设计，先要理解软件要达成什么目标——有多少用户？延迟多重要？成本多重要？——然后才能就以下问题做出选择：应用平台、前后端边界、系统拆分方式、应用状态的存放位置、架构粒度（单体还是微服务）。你还要选定技术栈（编程语言、运行时、组件/前端/后端框架、数据技术），有时需要先跑实验评估各个选项，再拍板。
更进一步说，「正确的架构」是个移动靶，取决于项目所处阶段。为快速原型选的简单架构，未必适合第一个生产系统；而随着应用规模扩大，后者可能又要变。做这类决策，需要对软件组件和应用场景都有深入的技术理解，才能设计——并持续演进——架构，做出更好的取舍。
四、让系统安全可靠 链接到标题
要构建可靠的系统，你得懂得制定测试策略来验证系统正确性：单元测试和集成测试怎么配比、用什么框架、覆盖率达到多少。
你还得懂得围绕「可能出故障」来设计——如何处理故障（比如 API 触发限流）、如何内建优雅降级、如何把故障的影响范围（爆炸半径）压到最小。
此外，与其先写完软件再回头补安全，「左移」（shift left）运动正在把安全工作提前到生命周期的更早阶段（在传统项目时间线上即「向左」移动）。正如所有开发者都在走向全栈化，如今许多开发者也兼职做起了安全工程师。你可以用 AI 工具扫描代码漏洞、检查依赖是否被植入供应链攻击、审查云配置的攻击面——但要把这些工具用好，仍然需要一定的安全知识。
五、生产环境的扩容与运维 链接到标题
要服务真实用户，你必须知道如何把软件部署到生产环境。掌握软件开发生命周期（SDLC）会让你受益匪浅：除了构建与测试，它还包括配置部署环境、制定发布策略、落地部署自动化（CI/CD），以及理解基础设施即服务（IaaS）。
在生产环境中运行，需要搭建可观测性工具、设置告警、处置线上事故。最后，要让应用扛住规模，你得了解真实负载，懂得扩容服务器、做负载均衡、调整数据基础设施（分片、索引、副本），或者干脆调整架构，让系统具备随规模伸缩的能力。此外，理解版本控制、代码评审、依赖维护、技术债管理等编码最佳实践，能帮助你的系统长期持续演进。
结语：语法会过时，内功不会 链接到标题
编码智能体已经改变了我们构建软件的方式——包括那些不含任何 AI 组件的软件。一部分编码知识（比如背语法）正在过时，但真正深刻理解软件运作原理的开发者，远远胜过不懂原理、只会氛围编程的人。
（在 AI 之外）理解软件基本功，还能帮你看清软件能做什么、不能做什么。这些认知，构成了你使用编码智能体、塑造构建过程的重要上下文。我会在后续文章中继续讨论这些话题。
译者注：这篇和我之前写过的《提示词工程 vs 上下文工程 vs 驾驭工程》正好互补——那篇讲「怎么给智能体搭环境」，这篇讲「你自己得先懂什么」。两篇的结论指向同一处：智能体放大的是你已有的判断力，地基不牢，放大出来的只有混乱。