当写代码不再是核心竞争力:Agent 时代,工程师价值的一次重估
当写代码不再是核心竞争力:Agent 时代,工程师价值的一次重估
基于 DeepLearning.AI 创始人吴恩达(Andrew Ng)与 Neo4j 联合创始人兼 CEO Emil Eifrém 的最新对谈整理与延伸思考。
“Vibe Coding 不能替代软件工程基础”——这是这场访谈的标题级判断。但如果只记住这一句,就错过了更有意思的部分:吴恩达其实给出了一整条关于”人的价值往哪里去”的推理链。这条链的起点,是一个关于时间点的判断。
一、拐点:Coding Agent 有了”任务闭环”能力
吴恩达把 2025 年底到 2026 年初的 AI 编程定义为一个拐点:Coding Agent 开始具备完成任务闭环的能力。
注意这个表述的分量。此前的 Coding Agent 无论多强,本质上都是”生成代码”——人写提示词,它吐代码,人测试、人验收、人修 bug。而现在,Agent 能自主完成更多的测试和质量检查,人对 QA 环节的介入在持续减少。
用一句话概括这个变化:Agent 从”打字员”变成了”初级工程师”。 打字员的价值在于产出文本,初级工程师的价值在于交付一个经过验证的结果。当”写完”与”做完”之间的缝隙被 Agent 填上,软件开发中人的角色必然发生位移。
二、一个反直觉的事实:AI 越火,AI 工程师需求不降反升
访谈里最值得琢磨的,是吴恩达对就业市场的观察:AI 越来越火,AI 工程师的需求却不减反增。
他的解释建立在一个技术事实之上:AI 在结果可验证的任务上进步最快。编程和数学之所以是强化学习的天堂,是因为它们有明确答案,可以据此设计奖励函数。而企业里真正值钱的问题,大多是开放性任务——没有唯一正确答案,奖励函数难以设计,模型进步就慢。
于是出现了一个结构性缺口:模型把可验证的活儿越干越好,而开放性问题的处理能力进步有限;开发者群体里,能处理复杂判断、解决开放性问题的人本来就稀缺。这类工作的价值不是被摊薄了,而是被集中了——集中在那些”知道该做什么、知道什么是对的”的人身上。
这就是”需求不降反升”的底层逻辑:不是行业需要更多会写代码的人,而是需要更多能在 Agent 之上做判断的人。用吴恩达的话说,这类工作的关键在于”做出更多正确的判断,同时尽可能减少错误”。
三、技能图谱:从”把代码写对”到”决定构建什么”
访谈中介绍了吴恩达团队的 AI 工程师技能图谱(AI Engineer Skills Map)——基于约 2 万份职位描述、大量结构化访谈和团队调研整理而成,把 AI 工程师的核心技能归为四类:
- 构建和部署 AI 应用:开发能够处理不确定性输出的 AI 应用;
- 软件工程基础:掌握构建可靠软件所需的基本工程能力;
- 使用 Coding Agent:熟练运用 Agent 辅助和执行软件开发任务;
- 产品塑造(Shaping the Build):不只是按照需求文档写代码,还要参与决定应该构建什么,并主导整个开发过程。
前三类都在意料之中,真正值得停下来的是第四类。”产品塑造”指向的是:当规格明确的编码任务可以被 Agent 很好地完成之后,真正困难、也真正值钱的,是围绕代码的那些工作——决定构建什么、判断方案是否合理、主导整个过程。
换句话说,过去工程师的核心技能是”把代码写对”,现在正在变成”把问题想对”。前者可以被 Agent 大量承接,后者位于 Agent 的输入端——你喂给它什么,决定了它能交付什么。
四、Vibe Coding, without understanding
针对”是不是没必要再学哈希函数和算法复杂度了”这个经典问题,吴恩达的回答不是立场式的,而是机制式的。
他观察到的现象是:只依赖 Vibe Coding、不了解如何引导 Agent 做技术权衡的人,往往得不到理想结果。成本、延迟、可靠性、安全性——这些维度之间的取舍,Agent 需要根据具体场景做选择;如果开发者自己不了解这些权衡,甚至不知道某些问题的存在,就给不出正确的上下文。Agent 只能按自己的默认偏好做决定,而这个决定未必适合你的业务。
他们团队内部有个说法,也是整场访谈最锋利的一句话:
Vibe Coding 后面往往还要加上一句:without understanding。
这里隐藏着一个容易被忽视的认知转变:基础知识的作用,正在从”用来执行”变成”用来提问和验收”。 按吴恩达的说法——如果你不知道安全性、并发和计算复杂度这些问题的存在,就不会想到需要提醒 Agent 去考虑它们。
知识不再是手艺,而是雷达。它决定你能不能看见问题。
五、一个可操作的判断框架:抽象泄漏
那么,到底哪些基础还需要学、哪些可以放心交给 Agent?吴恩达给出了一个经典原则:当抽象出现泄漏(Leaky Abstraction)时,理解底层原理、自己做出技术权衡就变得尤为重要。
这个框架非常实用。他的类比是:今天不懂汇编语言也可以成为优秀的计算机科学家,因为编译器把底层处理得足够好——抽象不泄漏,你就可以不管它。同理:
- 简单应用:存储方案、认证机制、技术架构,都可以放手让 Agent 自选;
- 复杂系统:对性能、可靠性和安全性有较高要求的工程,抽象必然泄漏,你必须懂底层,才能在 Agent 做出错误选择时看得出来、纠得回来。
这个回答比”基础重不重要”的站队式争论有价值得多——它不回答”要不要学”,而是回答”什么情况下必须会”。抽象层级的上移是持续发生的历史进程,每一轮都有人宣布底层知识作废,而每一轮的准确答案都是:对多数场景作废,对泄漏的地方永远必要。
六、被重新定价的知识结构
访谈里还有一个容易被略过、但很诚实的细节:吴恩达自己说,他已经逐渐忘记了不少 JavaScript、TypeScript 和 Pandas 的用法,”因为这些工作可以交给 Agent 完成”。
这正是知识结构重估的缩影:语法和实现细节在贬值,权衡与判断在升值。 你的知识资产里,”怎么写”的那部分正在折旧;”为什么这么写、什么场景该这么写、写错了会怎样”的那部分正在增值。
所以,Agent 时代工程师的价值公式大概是:
人的价值 = 定义问题的能力 × 判断方案的能力 × 引导 Agent 的能力(执行交给 Agent)
吴恩达在这场访谈里反复传递的其实是同一件事:Coding Agent 的进步没有让工程师贬值,而是做了一次残酷却公平的重新定价——把”会写代码”的溢价收走了,把”会判断”的稀缺性加价了。
对个人来说,该补的课很清楚:软件工程基础不是等着过时的背景知识,而是你未来与 Agent 协作时的”提问能力”和”验收能力”。对行业来说,这个判断甚至更乐观:如果价值向判断力迁移,那么懂业务、懂权衡的人,现在恰恰是最被需要的时刻。
