ARTICLE · 987686
AI 越会写代码,越要懂软件工程:五项基础能力详解
AI 工程技能图谱 · 第三篇｜原著：Andrew Ng（吴恩达）｜2026 年 8 月 28 日
智能体编程出现之后，软件工程的基础知识发生了哪些变化？
即使所有代码都由编程智能体编写，理解软件基础依然重要。只有这样，你才能引导智能体作出符合需求的取舍，甚至首先意识到：有哪些取舍需要作出。
此外，构建 AI 应用时，AI 核心能力通常需要通过一个更完整的软件应用来呈现，而你也需要参与这个应用的构建与塑造。
一个不懂软件基础的新手，凭感觉进行“氛围编程”（vibe coding），也能做出简单应用。但这往往会让编程智能体在延迟、可用性、一致性、可靠性、可维护性、简洁性或成本等方面，作出不理想的取舍。
在这些情况下，开发者甚至不知道这些取舍的存在，自然也就无法结合应用的具体背景，引导智能体作出正确决策。
这篇文章将介绍我们对 AI 工程技能的研究所揭示的、软件工程中最值得掌握的知识。它们包括五项能力：
构建全栈应用 管理数据 设计系统架构 保障系统安全与可靠性 生产环境中的扩展与运维
理解软件如何工作，才能判断系统应该如何构建。
01 构建全栈应用
智能体编程，让许多过去专注于某个领域的开发者，例如前端开发者或移动端开发者，有机会承担覆盖面更广的全栈角色。对于开发过程中那些你不太熟悉的部分，编程智能体可以提供帮助。
但理解整个技术栈究竟如何运行，依然十分重要。
熟练的开发者，应当理解前端和后端系统中的关键组件与概念，包括界面组件、缓存、页面渲染、API 的选择与设计、身份认证、状态与会话管理、异步处理、数据持久化、测试、安全，以及无障碍设计。
02 管理数据
数据值得格外重视，因为它是软件赖以构建的基础，而且相对难以改变，即使智能体能够协助完成迁移，也依然如此。
掌握数据管理，意味着你能够分析数据的访问方式，据此决定应该存储什么、保存多久。你能够确定合适的数据模型，选择关系表、文档、键值或图等适当的存储类型，以及相应的基础设施。
这些选择，又会影响系统的速度、可扩展性、可用性、可靠性和成本。
你需要理解事务与并发，知道如何确保数据干净、一致、及时更新；在需要时，能够妥善处理隐私、治理和合规要求；也知道如何管理数据的整个生命周期。
随着应用演进，你还需要让数据架构随之演进。决定如何管理数据，需要人提供大量与具体场景有关的背景信息。
AI 系统会从你的数据源中获取自己的输入上下文。如果数据架构选择不当，AI 甚至不知道自己遗漏了什么。
这就是为什么需要一个既掌握相关背景、又具备 AI 工程能力的人来介入，把事情做对——这个人就是你。
如何为智能体构建数据基础设施，而不只是为传统软件或人类构建，也是一个快速发展的领域。你应当随着领域的演进，持续调整自己的最佳实践。
03 设计系统架构
当你理解了软件全栈和数据体系中的主要组成部分，就更有能力判断应该如何把它们组合起来。
好的系统设计，首先需要理解软件要完成什么任务：要服务多少用户？延迟有多重要？成本有多重要？有了这些背景，你才能选择应用平台，划分前后端边界，拆分系统，决定应用状态存放在哪里，以及选择单体还是微服务这样的架构粒度。
你还需要选择技术栈，包括编程语言、运行时、组件框架、前后端框架和数据技术。有时，应该先通过实验评估不同方案，再作出决定。
此外，合适的架构并不是固定不变的，而是会随项目阶段变化。
为快速制作原型而选择的简单架构，未必适合第一个生产版本；随着应用规模扩大，这套架构又可能需要调整。
作出这些决策，需要你既深入理解软件组件，也熟悉应用背景。只有这样，才能设计并持续演进架构，作出更合理的取舍。
04 保障系统安全与可靠性
要构建可靠的系统，你需要知道如何制定测试策略，验证系统是否正确运行：单元测试与集成测试怎样搭配，使用哪些框架，需要达到怎样的覆盖程度。
你还需要围绕可能发生的故障来设计系统：如何处理 API 触发限流等失败，如何实现优雅降级，以及如何尽量缩小故障的影响范围。
与此同时，安全工作也不应等软件写完后才开始考虑。“安全左移”（shift left）正在把安全工作提前到开发生命周期的更早阶段，也就是传统项目时间线的左侧。
正如开发者的能力范围正在向全栈扩展，许多开发者如今也开始承担一部分安全工程师的职责。
你可以使用 AI 工具扫描代码漏洞，检查依赖项是否遭到供应链恶意代码注入，并审查云配置可能暴露的攻击面。但要把这些工作做好，仍然需要掌握一定的安全知识。
05 生产环境中的扩展与运维
要服务真实用户，你必须知道如何把软件部署到生产环境。
理解并执行软件开发生命周期（SDLC）会很有帮助。除了构建和测试，它还包括配置部署环境、选择发布策略、实施持续集成与持续交付（CI/CD）等部署自动化流程，以及理解基础设施即服务（IaaS）。
在生产环境中运行系统，还需要配置可观测性工具、设置告警，并处理运行事故。
要让应用能够随规模扩大而发展，你应该理解真实负载，知道如何扩容服务器、进行负载均衡，以及通过分片、索引、复制等方式调整数据基础设施，或通过架构变更，让系统适应规模增长。
此外，理解版本控制、代码评审、依赖维护和技术债管理等开发最佳实践，能够帮助你长期、持续地演进系统。
代码的写法变了，理解软件仍然重要
编程智能体已经改变了我们构建软件的方式，甚至包括那些完全不含 AI 组件的软件。
某些编程知识，例如死记硬背代码语法，正在过时。但深入理解软件如何工作的开发者，依然远胜于那些不懂原理、只凭感觉进行氛围编程的人。
除了 AI 知识，软件基础还能够帮助你判断：软件能做什么，又不能做什么。这些认知，构成了你使用编程智能体、塑造产品与开发方向时的重要背景。
我会在后续文章中继续讨论这些话题。