吴恩达之人工智能工程技能图谱:软件工程基础知识

整体：AI工程技能

8月18日，我转译了吴恩达（Andrew Ng）的一篇文章《AI时代人人都应该具备的工程技能》，吴恩达提到的工程技能包括了4个，分别为：

1. 构建与部署 AI 应用 (Building and deploying AI applications)；
2. 软件工程基础 (Software engineering fundamentals)；
3. 使用编程 Agent (Using coding agents)；
4. 塑形构建 (Shaping the build)；

技能图谱1：构建与部署AI应用

8月22日，吴恩达（Andrew Ng）再次在社媒发文详细阐述的第一项核心技能——“构建与部署 AI 应用应用”（Building and Deploying AI Applications），重点包括了6项，分别为：

1. 大模型基础（LLM Foundations）
2. 数据接地与检索（Grounding Models with Data）
3. Agent 系统构建（Building Agentic Systems）
4. 评估驱动开发（Evaluation-Driven Development）
5. 生产环境运维（Operating in Production）
6. 机器学习基础（Machine Learning Foundations）

技能图谱2：软件工程基础技能

8月29日，吴恩达（Andrew Ng）在文章《AI Engineering Skills Map: Software engineering fundamentals》中指出，尽管智能体编码（Agentic coding）改变了代码编写方式，但掌握软件工程基本功对于引导 AI 做出正确决策、构建高质量应用依然至关重要。

他将 AI 工程师的核心软件工程技能划分为以下 5 个主要领域：

构建全栈应用（Building full-stack applications）

智能体虽然能协助不熟悉的开发环节，但开发者仍需理解全栈工作原理。
必备技能：掌握前后端关键组件，包括 UI 组件、缓存、页面渲染、API 设计、身份验证、状态与会话管理、异步处理、数据持久化、测试、安全性及无障碍访问（Accessibility）。

数据管理（Managing data）

数据是软件的基础且难以更改（即使有 AI 协助迁移），且 AI 系统依赖数据提供上下文。如果数据架构选择不当，AI 无法自发觉察。
必备技能：根据访问模式决定存储策略；选择适当的数据模型（关系型、文档型、键值对、图数据库）与基础设施；掌握事务、并发控制、数据清洗与一致性；管理数据生命周期；保障隐私、合规与治理。

设计系统架构（Designing system architectures）

良好的系统设计需要结合业务需求（如用户量、时延、成本），在项目不同阶段做权衡并持续演进。
必备技能：合理划分前后端边界、系统拆分、应用状态放置；评估单体与微服务架构；选择并试验合适的技术栈（语言、运行时、框架、数据技术）。

保障系统安全与可靠性（Making systems secure and reliable）

拥抱“安全左移”（Shift left），让开发者在开发早期就参与安全与可靠性保障。
必备技能：制定测试策略（单元测试、集成测试与覆盖率）；设计容错机制（处理 API 限流、优雅降级、控制故障影响范围）；利用 AI 工具扫描代码漏洞、检查供应链依赖与云配置安全。

规模化与生产环境运维（Scaling and operating in production）

将应用交付给真实用户并保持高效稳定运行。
必备技能：熟练掌握软件开发生命周期（SDLC），包括部署环境配置、发布策略、CI/CD 自动化和 IaaS；建立可观测性（Observability）工具、警报与事件管理；通过服务器扩容、负载均衡及数据层优化（分片、索引、副本）来实现系统扩展；遵循版本控制、代码审查、依赖维护等最佳实践以管理技术债务。

原文地址：https://x.com/AndrewYNg/status/2093388974194872781