New: A map of the most important skills in AI Engineering. https://t.co/VVkn1Dqp1N
TL;DR · AI 摘要
Andrew Ng发布AI工程技能地图，明确构建AI应用、软件工程基础等四项核心技能，基于10,000个职位分析和专家访谈得出。
核心要点
- 构建AI应用需掌握LLMs、RAG等技术及统计评估方法
- 软件工程基础决定系统架构选型与可靠性决策
- 编码代理使用能力将成为AI工程师必备技能
结构提纲
按章节快速跳转。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- AI工程技能地图
- 核心技能
- 构建部署AI应用
- LLMs/RAG/统计评估
- 软件工程基础
- 架构设计/数据存储/可靠性
- 编码代理使用
- 构建过程塑造
- 方法论
- 职位聚类分析/专家访谈
金句 / Highlights
值得收藏与分享的关键句。
基于10,000个职位分析和专家访谈，确定四项关键技能。
AI应用与传统软件的核心差异在于输出不可预测性。
掌握软件工程基础可提升系统架构设计和数据存储决策质量。
Andrew Ng on X: "New: A map of the most important skills in AI Engineering. https://t.co/VVkn1Dqp1N" / X
Andrew Ng
@AndrewYNg
New: A map of the most important skills in AI Engineering.
$
人工智能工程技能地图
我很高兴向大家介绍《人工智能工程技能地图》。如今，人工智能使我们构建软件的方式与2022年相比发生了巨大变化，所有具备利用这一转变能力的人才都拥有大量令人兴奋的项目和就业机会。然而，在人工智能领域充满噪音、炒作和信息混乱的环境下，哪些技能对你来说最有价值？我和团队一直在努力综合整理人工智能工程技能地图，以帮助（i）开发者明确学习优先级，以及（ii）雇主招聘具备技能的开发者。
基于对超过10,000个职位招聘的分析；对数十位人工智能专家、招聘经理和猎头进行结构化访谈；通过调查收集数据；并整合其他在线数据，以下是最重要的四项人工智能工程技能：
- 构建和部署人工智能应用
- 软件工程基础
- 使用代码代理
- 引导构建过程
可以非正式地将我们的方法理解为对大量职位和专家访谈数据集进行聚类分析，以识别当前及未来短期内最重要的技能。
关于术语的说明：我讨论的是人工智能工程技能，而不是“人工智能工程师”这一角色（指专门构建人工智能系统的人员），因为前者涵盖范围更广。如今所有开发者都应该了解如何使用云服务，但只有少数人拥有“云工程师”的头衔。同样，所有开发者——全栈工程师、数据工程师、DevOps工程师、机器学习工程师，以及人工智能工程师——都需要掌握人工智能工程技能。
构建和部署人工智能应用。人工智能应用与非人工智能应用的关键区别在于前者具有不可预测的输出。当你向大型语言模型发出提示时，你无法预知会得到什么结果。当你训练深度学习算法时，你无法预知它在新样本上会做出什么预测。相比之下，传统软件的行为更加可预测。
擅长构建和部署人工智能应用的人士理解人工智能的构建模块（如大型语言模型、上下文工程、RAG、智能代理工作流、机器学习和深度学习），更重要的是，他们知道如何使用统计技术来衡量、引导和管理人工智能系统，使其行为更加可预测。实现这一目标的核心技能是了解如何推动严谨的评估和错误分析循环。
软件工程基础。当你深刻理解软件的工作原理时，就能更有效地进行构建。软件工程需要在成本、可扩展性、可靠性、速度等因素之间做出权衡。安全性和隐私性则进一步增加了复杂性。
理解软件基础原理能让你识别出哪些权衡是存在的。这将帮助你在选择软件栈、设计系统架构、设计数据存储、测试等方面做出更明智的决策。与之相比，缺乏经验的开发者在不了解编码代理所做权衡的背景下随意编写代码，往往会导致较差的结果，因为他们不知道如何为编码代理提供合适的上下文。掌握软件工程基础原理能让你用软件工程的精确语言指导编码代理，从而做出更优的权衡。
使用编码代理。如今，有效使用智能编码已成为每位开发者的必备技能。当你掌握这项技能时，你就能建立一个清晰的代理工作原理模型。你了解它们的局限性以及如何绕过这些限制，并能快速引导代理——知道何时干预、何时放手，从而在不浪费过多时间和资源的情况下构建稳健的软件。
这需要你掌握如何管理编码代理的上下文、在规划与执行之间做出权衡，并通过提供验证器或评估工具帮助代理自主闭环。你还需要知道如何在明确需求（以及何时不需要明确需求）的情况下工作，协调多个协同工作的代理，并避免诸如代理误操作生产数据库等陷阱。由于智能编码发展迅速，熟练使用编码代理不仅需要了解前沿实践，还需要建立持续尝试新工具并随着最佳实践变化优化工作流程的常规方法。
定义构建目标。在拥有清晰需求的前提下，编码代理正在快速提升满足需求的能力。因此，我们工程师的工作重点正在转向决定需求中应包含哪些内容。工程师不应再期待收到像素级完美的设计图并仅被要求实现它。相反，有效的AI工程需要具备产品思维，理解商业背景和用户目标，从而参与构建目标的制定和推动。
AI还为你提供了比以往更大的自主权和主动性。你可以识别出有趣的问题和机会，并以负责任的方式执行以利用这些机会。把握这一机会需要知道如何推动项目进展。例如，知道何时快速构建MVP版本交付用户测试，以及何时需要放慢节奏投入更多时间以更谨慎地构建。
贯穿所有这些技能的核心是一种持续学习的思维模式。AI技术持续快速演进，我们必须不断学习、提升技能以适应新兴的最佳实践。
DeepLearning.AI的核心目标是帮助开发者掌握这些AI工程技能。我将在后续文章中对这四项技能进行更深入的探讨，并分享一份更详细的AI工程技能地图。当我展望AI工程的未来时，我非常期待我们所有人将能构建出的创新成果。希望你能在这一充满机遇的未来中扮演令人兴奋的角色。
/$
4:29 PM · Aug 14, 2026
5.8M
Views
436
3.7K
23K
49K