今天早上在 X 上看到人工智能科学家吴恩达写的最新的一篇文章《人工智能工程技能图谱：使用 Coding Agent》，是关于 AI 工程技能的文章，聊的是怎么用好编程 Agent。

吴恩达采访了几十位顶尖 AI 工程师，总结出了一套大家公认的工作流程，读完挺有收获的，分享给大家。

先说一个大背景。现在编程 Agent 进化得特别快，Claude Code、Codex、Cursor 这些商业产品，还有 OpenCode、Pi 这些开源工具，隔几周就有大更新。所以想用好它们，你得一直跟着试、跟着学，停下来就落后了。

那顶尖工程师们是怎么用编程 Agent 的？吴恩达总结了三个大步骤。

先说第一个：规划。就是在动手之前，你得先想清楚要做什么。这包括做调研、搞清楚现有代码库长什么样，然后写一份需求文档，把技术设计和架构想明白，再拆出一个执行计划。你还可以回头审视一下这个计划，看看有没有安全隐患，有没有把简单事情搞复杂了。

然后说第二个：执行。让 Agent 去写代码、跑测试、验证结果。这里面有个关键问题，就是你要拿捏好 Agent 的自主权。有时候你盯着它一步步来，有时候你可以把一大块任务丢给它自己跑。你还得管理好它的上下文，比如项目进行到一半改了需求，你得确保 Agent 知道这个变化。如果任务够大，你甚至可以同时开好几个 Agent 并行干活，但这时候你得想清楚怎么分配自己的注意力。

再说第三个：部署和监控。代码写完了，你可以通过 CI/CD 流水线把它部署上去，然后让 Agent 帮你盯着日志，发现问题了自动提方案甚至直接修。

你会发现，这个流程跟以前写软件其实差不多。但现在工程师花在手写代码上的时间少了很多，更多精力放在了想清楚做什么、设计架构、写好需求文档、验证产出这些事情上。

吴恩达还提到了几个关键能力。

第一个是审查能力。Agent 的产出是不确定的，你不知道它会写出什么好代码，也不知道它会埋什么 bug。所以你得设计好测试和验证流程，有些可以全自动，有些还是得人来看。你还可以用 AI 做代码审查和安全审计，但在关键地方，人的判断还是少不了。

第二个是定制能力。你可以给 Agent 装插件、接 MCP 服务器、设置 hook 来自动触发代码审查或部署流程。你还可以维护一份项目说明文档，比如 CLAUDE.md，让 Agent 每次开工都能快速了解项目背景。跑完一轮之后做个复盘，把经验沉淀下来，下次它就能做得更好。

第三个是理解 Agent 的底层原理。你得知道它怎么搜索代码、怎么管理上下文窗口、工具调用怎么影响它的表现。搞懂这些，你才能在它跑偏的时候及时发现，给它纠正方向。

最后吴恩达说：社交媒体上经常把编程 Agent 说得很简单，好像让它自己跑几个小时烧几百万 token 就行了。但实际上，真正高效的用法是一个高度迭代的过程，你得不断介入、不断判断。能在关键时刻做出高质量决策的人，才能拿到最好的结果。

#科技先锋官##How I AI#