Coursera联合创始人、深度学习领域知名专家Andrew Ng表示，即便进入Agentic Coding时代，软件工程基本功依然是开发者不可替代的核心能力。

Andrew Ng近日在社交平台X（原推特Twitter）发文称，即使代码可以由智能编码代理生成，开发者仍必须理解软件运行的基本原理。只有具备这些基础，才能明确系统该如何实现、应优先满足哪些目标，以及需要放弃哪些取舍。

他指出，构建AI应用的关键并不只在模型本身。AI通常运行在更大的应用系统之中，开发者仍需负责搭建、完善并持续优化整套应用。

在他看来，即便缺乏扎实基础、只依赖“Vibe Coding”的新手，也可能快速做出简单应用，但智能编码代理在延迟、可用性、一致性、可靠性、可维护性、系统简洁度和成本等问题上，往往容易作出并不合适的选择。根本原因在于，开发者如果不理解这些取舍关系，就无法为代理提供正确方向。

基于“AI工程技能”研究，Andrew Ng将开发者在这一阶段仍需掌握的软件工程能力概括为五个方面。

第一，全栈开发能力。

Andrew Ng表示，受益于Agentic Coding，过去只专注前端或移动端等单一领域的开发者，如今也有机会承担全栈角色。但这并不意味着可以跳过对整套技术栈的理解。开发者仍需掌握UI组件、缓存、页面渲染、API设计、身份认证、状态与会话管理、异步处理、数据持久化、测试、安全以及无障碍等基础能力。

第二，数据管理能力。

Andrew Ng认为，数据是软件系统的基础。即便智能代理能够协助完成数据迁移，一旦数据结构确定，后续往往也很难轻易调整。

他进一步指出，理解数据访问模式，才能决定哪些数据需要存储、保存多久，以及应采用何种存储方式。关系型数据库、文档型数据库、键值数据库和图数据库等不同方案的选择，将直接影响系统速度、可扩展性、可用性、可靠性和成本。

在AI系统中，模型需要从数据源获取信息并据此作出判断。如果数据架构设计不当，系统甚至可能无法识别自己缺失了哪些关键信息。这类问题通常仍需要真正理解业务上下文的人亲自介入，才能完成修正。

第三，系统架构设计能力。

Andrew Ng表示，只有先明确软件目标，例如用户规模、延迟优先级和成本约束，才能进一步决定平台选型、前后端边界、系统拆分方式，以及应采用单体架构还是微服务架构。

他强调，合适的架构会随着项目阶段变化而调整。适用于原型开发的架构，未必适合首个生产系统；当服务规模持续扩大后，系统架构也需要随之演进。

第四，安全与稳定性保障能力。

Andrew Ng表示，要验证系统是否按预期运行，开发者需要制定清晰的测试策略，包括如何配置单元测试与集成测试的比例、使用哪些工具，以及如何把握相关覆盖范围等。同时，还需要针对API限流等异常场景做好设计，使服务在发生故障时能够逐步降级，并将影响控制在最小范围内。

他还提到，随着“Shift Left”理念推动安全能力前移，越来越多开发者也需要承担部分安全工程职责。

第五，生产环境下的扩展与运维能力。

Andrew Ng表示，这项能力的核心，是能够覆盖软件开发生命周期的完整流程，包括部署环境配置、发布策略，以及CI/CD自动化等环节。

进入生产环境后，团队还需要部署可观测性工具、配置告警并管理故障；同时根据流量增长扩展服务器、进行负载均衡，并通过分片、索引和复制等方式调整数据基础设施。

Andrew Ng最后表示，智能编码代理已经改变了软件开发方式，这种影响不仅局限于AI软件本身。单纯记忆编程语法的价值正在下降，但真正理解软件运行机制的开发者，将明显领先于只依赖“Vibe Coding”却缺乏底层理解的人。

他认为，对软件基本原理的理解，也决定了开发者能否判断软件能做什么、不能做什么。而这种判断力，正是在使用智能编码代理提升产出的过程中不可或缺的基础能力。