原文

How have software engineering fundamentals changed with agentic coding?（Agentic编程出现后，软件工程基础发生了哪些变化？）

这是Andrew Ng于2026年8月28日在X（推特）上发布的文章《AI Engineering Skills Map: Software engineering fundamentals》的全文翻译。

引言

即使你使用coding agent来写全部代码，理解软件基础依然重要——因为它帮助你引导agent做出你想要的权衡，甚至帮助你意识到有哪些权衡存在。此外，当你在构建一个AI应用时，AI核心往往要通过一个更广泛的软件应用来承载，而你多半会想要帮助构建或塑造这个应用。

一个不了解软件基础、只凭感觉写代码（vibe coding）的新手，确实能做出简单的应用，但这常常导致coding agent在延迟、可用性、一致性、可靠性、可维护性、简单性和/或成本上做出糟糕的权衡。在这种情况下，开发者根本不知道这些权衡的存在，因此也就没有引导agent为他们的应用场景做出正确的决策。

这篇文章介绍的是，我们针对AI工程技能的研究表明，在软件工程中最需要知道的事情。它要求你擅长：

• • 构建全栈应用
• • 管理数据
• • 设计系统架构
• • 让系统安全可靠
• • 在生产中扩展和运营

构建全栈应用

Agentic编程让许多此前只扮演更专门角色的开发者（比如前端开发者或移动开发者）能够承担更广泛的全栈角色。coding agent可以帮你处理开发流程中你不太熟悉的部分。但理解全栈到底是如何运转的，依然很重要。

熟练的开发者理解前端和后端系统的关键组件与概念，包括：UI组件、缓存、页面渲染、API选型与设计、认证、状态与会话管理、异步处理、数据持久化、测试、安全与可访问性。

管理数据

数据需要格外关注，因为它是软件所构建于其上的地基，相对难以更改（即使有agent帮助迁移也一样）。当你懂得如何管理数据，你就能思考访问模式，并用它来决定要存储什么、存储多久。你能识别出正确的数据模型，选择合适的存储类型（比如关系表、文档、键值或图）和基础设施——这进而影响速度、可扩展性、可用性、可靠性和成本。你理解事务、并发，以及如何确保你的数据干净、一致、新鲜。需要时，你能确保适当的隐私、治理与合规。你知道如何管理数据生命周期。

随着应用演进，你也要知道如何让数据架构随之演进。决定如何管理数据，需要大量由人提供的上下文。你的AI系统会从你的数据源获得自己的输入上下文，所以如果数据架构选得不好，AI就会"不知道自己不知道什么"。这就是为什么需要一位掌握相关上下文、又擅长AI工程的人——也就是你——来把它做对。如何为agent构建数据基础设施（而不仅仅是面向传统软件或人类），也是一个快速演进的领域，你应该随着领域的发展持续调整自己的最佳实践。

设计系统架构

当你理解了软件与数据全栈的主要组件，你就更有能力决定如何把这些部件组合在一起。好的系统设计需要理解软件预期要做什么（多少用户？延迟有多重要？成本有多重要？等等），以便你就应用平台、前端与后端的边界、系统拆分、应用状态放置、架构粒度（单体对比微服务）做出选择。你还会选择技术栈（编程语言、运行时、组件/前端/后端框架、数据技术）——有时通过运行实验来评估选项，然后才确定选型。

此外，正确的架构是一个移动靶，取决于项目所处的阶段。你为快速原型选择的简单架构，可能并不适合构建第一个生产系统；而随着应用扩展，它可能还要再变。做出这些决策，需要对软件组件和应用场景都有深入的技术知识，这样你才能设计——并演进——架构，做出更好的权衡。

让系统安全可靠

要构建可靠系统，你应该知道如何制定测试策略来验证系统的正确性：单元测试与集成测试如何搭配、使用什么框架、覆盖率达到什么水平。你还知道如何围绕可能的失败做设计——如何处理失败（比如API遇到速率限制）、构建优雅降级、并最小化失败的爆炸半径。

此外，与其先写软件、事后再想办法加固它，"左移"（shift left）运动正在把安全工作提前到生命周期更早的阶段（传统项目时间线上的左侧）。正如所有开发者都在走向全栈开发者一样，许多开发者现在也同时是部分意义上的安全工程师。你现在可以使用AI工具扫描代码漏洞、检查依赖以防止供应链注入、检查云配置中的攻击面。但要做好这些，依然需要一定的安全知识。

在生产中扩展和运营

要服务真实用户，你必须知道如何把软件部署到生产环境。你会受益于掌握软件开发生命周期（SDLC）——除了构建和测试，它还包括配置部署环境、决定发布策略、应用部署自动化（CI/CD）、理解基础设施即服务（IaaS）。

在生产中运营，需要建立可观测性工具、设置告警、管理事故。最后，要扩展你的应用，你应该理解真实负载，知道如何扩展服务器、做负载均衡、调整你的数据基础设施（通过分片、索引、复制），或进行架构变更，让系统适应规模。最后，理解版本控制、代码评审、依赖维护、以及如何管理技术债等编码最佳实践，能帮助你随着时间推移持续演进你的系统。

结尾

coding agent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。部分编码知识——比如记住编码语法——正在变得过时。但深度理解软件如何运作的开发者，远远胜过那些不理解就凭感觉写代码的人。

理解软件基础（再加上AI知识），也会帮助你搞清楚软件能做什么、不能做什么。这使它们成为你使用coding agent、塑造构建方式的重要背景。我会在后续文章中继续讨论这些内容。