Andrew Ng没有给程序员开一张“必须掌握的AI工具清单”。他的判断更直接AI会拿走一部分任务也会把剩下的工作重新定价。手工完成重复代码的价值会继续下降。理解系统、补齐上下文、判断方向、设置边界和验收结果会占据更多时间。编辑 | 姜篇Andrew Ng“If someone still writes code like it’s 2022, before ChatGPT, they’re in trouble.”吴恩达如果一个人还像2022年、ChatGPT出现前那样写代码他会遇到麻烦。这句话来自Andrew Ng最近的一场访谈。备注Andrew Ng吴恩达是Google Brain创始负责人、Coursera联合创始人也是斯坦福大学兼职教授。过去几年他一直反对用“AI马上消灭所有工作”。但谈到程序员他的语气并不轻松。AI已经很会写代码了软件工程也是当前受影响最深的职业之一。奇怪的是Andrew Ng认识的优秀工程师并没有闲下来反而比以前更忙。Agent写的代码越来越多好工程师却越来越忙。原因并不神秘把代码敲出来只是开发流程的一段公司还需要有人发现问题、做出判断、盯住结果直到改动真正上线。以下为访谈内容我们进行了翻译与整理。Andrew Ng谈ChatGPT出现前后的编程方式变化AI先代替30%到40%的任务主持人问Andrew Ng如果AI让一个人的产出翻倍公司为什么还要保留原来的人数Andrew没有从“岗位”开始回答。他先把一份工作拆成许多具体任务。Andrew Ng“Maybe AI could do 30, 40% of many jobs. And what that means is that the 60% the human does has become even more valuable.”吴恩达AI也许能完成许多岗位中30%到40%的任务。这样一来人类负责的另外60%反而变得更有价值。Andrew Ng解释AI自动化的是任务而不是整个岗位被自动化的通常是边界清楚、容易检查的部分。剩下的60%到70%工作没有随之消失。需求不清时要找谁确认改动会碰到哪些旧逻辑测试通过后能不能上线出了问题怎样回滚这些工作反而更显眼了。Andrew Ng把这部分称为人与AI之间的“经济互补”。AI让一部分任务更便宜人负责的另一部分随之更有价值。所以Agent越来越强开发者也没有轻松多少。代码生成提速后评审、联调、上线和事故处理并不会自动完成。过去两周才能写完的功能现在两天就进入测试后面的工作更早压到团队面前。还按2022年的方式写代码已经危险了Andrew Ng在访谈里明确说AI暂时无法替代软件工程师。他认识的优秀工程师都比以前更忙。接着他把话锋转向另一类人如果开发者仍沿用ChatGPT出现前的工作方式继续手工完成AI已经能够稳定接手的那部分任务处境会越来越难。安装Claude Code、Codex或Cursor只是起点一天写多少条Prompt也没有多大意义。差距会出现在工作流里。拿修复线上Bug来说。旧做法是自己搜索代码、翻日志、猜原因、改文件再一轮轮跑测试。现在可以先让Agent读取错误日志和相关模块整理调用链提出几个可疑点再由开发者决定从哪里下手。人并没有退出。他只是从每一步都亲手执行转向控制任务范围和验收结果。前端和后端的边界正在变薄谈到岗位变化时Andrew Ng拿软件开发举了一个很具体的例子。Andrew Ng“Front-end and back-end developers have now become full-stack developers because of AI help. You can take on broader scope.”吴恩达在AI的帮助下许多前端和后端开发者已经开始转向全栈并承担范围更广的工作。Andrew Ng谈AI如何扩大开发者的工作范围每个人都精通所有技术栈并不现实。公司看重的是遇到相邻领域的问题你能不能借助AI把事情继续往前推。一个后端工程师以前可能会把页面交互交给前端同事。现在他可以先让AI搭出页面、接好接口再请前端做最后校准。前端工程师也能借助Agent读懂服务接口、补一处查询或者排查部署配置。专业分工还在但等待另一个岗位才能继续的时刻少了。与其立刻再学一门框架不如先把一个相邻领域补到“可以判断”的程度。后端开发者至少要能看懂前端状态流转前端开发者要能读接口和日志算法工程师要理解服务部署与数据链路。AI可以把陌生领域的第一版代码写出来。你仍要知道哪里可能错、该找谁复核、什么结果才算交付。AI把作业做完了你可能什么也没学会聊到学习时Andrew Ng说得比前面更重。Andrew Ng“LLMs, as they are most commonly used, are terrible for learning.”吴恩达按照目前最常见的使用方式大语言模型对学习非常不利。Andrew Ng谈把思考全部交给AI的代价他提到一种常见现象学生借助AI作业分数变高了隔一段时间再测试真正记住的内容反而更少。这是因为任务完成了思考过程却被外包了。这件事同样会发生在程序员身上。Agent帮你写完OAuth回调、消息重试或数据库迁移功能可以正常运行。几个月后线上出错如果你从没理解它为什么这样设计仍然只能重新问AI。在交付任务时把认知负担交给工具没有问题在学习新技术时不能只保留最后的diff。更稳妥的做法是先自己写下判断问题可能出在哪里准备验证什么哪些文件不能动。再让Agent动手。任务完成后不只看测试是否通过还要让它解释关键改动自己复述一次调用链和失败路径。AI可以替你完成练习也可以陪你练习。两种用法看起来只差一个Prompt半年以后差的是你能不能独立处理下一次事故。模型拿不到的上下文恰好是工程师的经验Andrew Ng认为AI短期内难以接管一家公司其中一个重要原因是人掌握着模型没有的背景。Andrew Ng“Humans have a massive context advantage compared to AI. We know so much from our years of experience.”吴恩达与AI相比人类拥有巨大的上下文优势。多年的工作经历让我们掌握了大量模型并不知道的信息。Andrew Ng解释人类判断力从何而来这里的上下文不是把更多文件塞进上下文窗口。它可能是客户开会时皱了一下眉也可能是你知道三年前那次迁移留下了脏数据它还包括老板说过哪项指标不能掉、某个服务为什么不敢轻易重构、某位同事离职后哪些模块没人敢碰。模型能读到代码和文档却未必知道团队为什么做出那些看似别扭的选择。开发者与Agent协作时一条漂亮的提示词远远不够。更有用的是把隐性信息写成清楚的约束。所谓“懂业务”落到工程里就是能补齐模型看不到的条件并在它给出一个看似正确的方案时发现那处不能碰的地方。代码便宜以后最难的是决定做什么访谈接近尾声时主持人问2026年还有哪些AI机会值得普通人去做Andrew Ng的回答很朴素学习AI快速做出来然后去和客户交谈。他观察到AI已经让开发成本大幅下降。一个小团队可以在周末做出过去需要排期数周的原型。随之出现的新问题是团队可以做十件事却未必知道哪一件值得做。Andrew Ng把它称为产品管理的新瓶颈。开发者不必因此改行当产品经理。写代码前多问几句就够了谁会用它他现在怎样解决这个功能省下了什么如果做错哪条指标会先变坏Agent可以很快生成后台、页面和接口但它无法代替团队接触真实用户。一旦方向错了AI只会让错误的产品更快完工。招聘启示里开始出现一个新词主动性Andrew Ng还提到他在职位描述里越来越频繁地看到一个要求。Andrew Ng公司希望候选人有“sense of agency”。“sense of agency.”主动把问题推向解决的能力。Andrew Ng谈企业开始看重的能力过去执行成本高很多想法只能排队。现在一个人可以借助AI快速验证企业自然更希望他能自己发现问题、组织资源并把结果交出来。主动也有边界。权限、排期和最终决策仍要说清楚。你要能推动问题不需要替整个组织兜底。写在最后Andrew Ng没有给程序员开一张“必须掌握的AI工具清单”。他的判断更直接AI会拿走一部分任务也会把剩下的工作重新定价。手工完成重复代码的价值会继续下降。理解系统、补齐上下文、判断方向、设置边界和验收结果会占据更多时间。对开发者来说眼下可以做三件小事从一个有测试的维护任务开始使用Agent保留自己的分析过程别让AI连学习也一起代办每周挑一个反复出现的问题尝试把它做成可复用的自动化流程。程序员不会因为模型会写代码就消失。真正危险的是工作内容已经变了自己还停在ChatGPT出现以前。资料展示下面是我整理的AI大模型学习资料和工具包预览适合收藏后按主题逐步学习。如果你想看完整资料目录可以在评论区留言「资料」也欢迎告诉我你更关注AI大模型里的哪类内容。