先抛一个问题：如果你用一个编码Agent写完了所有代码，你还需不需要懂软件工程？

很多人觉得不需要——代码都让AI写了，我只要"感觉对"就行。但答案恰恰相反：越依赖Agent，越要懂软件。

为什么？因为Agent是个极其听话、又极其没主见的执行者。它会把你要的东西做出来，但它不知道"你想要的是哪种好"。它会替你做取舍——但你可能根本不知道，有些取舍它已经替你做了，而且做错了。

一个致命场景：新手vibe coding

一个完全不懂软件的新手，用vibe coding也能做出简单应用。但这里藏着一个陷阱：他让编码Agent代做取舍，而取舍发生在——延迟、可用性、一致性、可靠性、可维护性、简单性、成本——这七个维度上。

新手不知道这些取舍甚至存在，于是没有引导Agent做"适合他应用场景"的决定。结果是：应用能跑，但底子里全是坏取舍。就像把房子盖起来，却没有承重墙——表面能住，一场风就塌。

Agent不会知道你不知道的事。它只会替你做那些你根本没意识到的决定。

为什么"懂软件"成了新的护城河

文章给出一个更根本的原因：AI应用的核心，往往是由一个更大的软件应用承载的。

你的AI是大脑，但大脑必须长在一个能跑、能存、能传、能扩展的身体里。这个身体——前端、后端、数据库、API、部署——就是那个软件应用。你不懂这个身体，就既没法帮它盖，也没法shape它。

这正是我们前面写过的那个判断的延续：vibe coding把"写代码"的门槛降到零，但agentic engineering把门槛重新立了起来——立在"懂软件"上。语法记忆在过时，深度理解在升值。

五块硬功夫，一块都不能少

第一，全栈。 Agent让从前只做前端或移动端的开发者，能顶起全栈的活。但"能顶"不等于"懂"。真正懂的人，理解UI组件、缓存、页面渲染、API设计、鉴权、状态与会话管理、异步处理、数据持久化、测试、安全、无障碍——这些概念拼起来，才是"全栈真的怎么运作"。

第二，数据。 数据是软件的地基，最该被重视，也最难改（Agent能帮你迁移，但地基选错了，迁移也救不回坏结构）。懂数据，才能想清楚访问模式，决定存什么、存多久、用哪种存储——关系表、文档、键值还是图。这些选择直接决定速度、扩展性、可用性、可靠性和成本。更重要的一句：你的AI系统的输入来自数据源，如果数据架构选得差，AI就不知道自己不知道什么。 这是需要懂上下文的人——也就是你——去纠正的地方。

第三，系统架构。 懂了全栈和数据，才有资格决定怎么拼。好的系统设计先问清楚"这个软件到底要干嘛"——多少用户？延迟多重要？成本多敏感？——然后才谈平台、前后端边界、系统拆分、状态放哪、单体还是微服务。而且架构是移动靶：原型、首个生产系统、规模扩展，三个阶段要的架构都不一样。

第四，安全可靠。 可靠要会写测试策略（单元/集成、框架、覆盖率）、要围绕故障做设计（API限流怎么办、优雅降级、最小化爆炸半径）。安全则要靠"左移"——把安全工作提前到开发早期。现在可以用AI扫代码漏洞、查供应链注入、检查云配置攻击面，但做得好，仍然需要你懂安全。

第五，规模化与生产运营。 要服务真实用户，你得懂部署、发布策略、CI/CD、IaaS。运营要可观测性、告警、事件管理。扩展要懂真实负载、服务器扩容、负载均衡、分片/索引/复制、甚至改架构。还有那些"软"的最佳实践——版本控制、代码审查、依赖维护、技术债——帮你的系统长期演进。

生意上的三堂课

第一，工具越强，判断力越值钱。Agent替你写的代码越多，你"知道该让Agent怎么写"的能力就越稀缺。会用工具的人很多，能steering工具的人很少。

第二，取舍是AI时代的元技能。延迟、可用性、成本、可维护性……每一样都是取舍。会做取舍的前提，是知道取舍存在。这比任何具体技术都重要。

第三，别把"能用AI做出来"当成"做对了"。能跑不是目标，能在你的场景下做对取舍，才是。

写在最后

vibe coding教会我们"人人都会写代码"是可能的。但agentic engineering提醒我们：写得出来和写得好，隔着整个软件工程。

AI会替你做很多事，但它不会替你知道——你的应用该为谁优化、该存什么数据、该选哪种架构。这些，只有懂软件的你才知道，也只有你能引导Agent去做。

当Agent越来越强，真正的分水岭不是"谁会用AI"，而是"谁在AI替他写代码时，仍然知道自己想要什么样的代码"。

今日互动 👀💬

你用编码Agent时，遇到过它替你做错取舍的情况吗？

觉得有用？点个「在看」，把这篇送给也在用AI写代码的朋友；欢迎在评论区聊聊你的看法。

延伸阅读（同系列「硬核商业观察」）

▸ 《250亿Token烧出来的直觉：vibe coding死了，agentic engineering来了》

▸ 《"循环"之后是"图"：AI工程的新护城河》

▸ 《Evals取代PRD：Anthropic产品负责人戳破AI真护城河》