当 Coding Agent 可以完成大部分代码，软件工程基本功还重要吗？Andrew Ng 给出的答案是：更重要了。
Agent 能把需求迅速变成代码，但它不会自动知道业务最在意什么。一个缺少软件基础的新手也能通过 VibeCoding 做出简单应用，却很容易让 Agent 在延迟、可用性、一致性、可靠性、可维护性、简洁性和成本之间做出错误取舍。更麻烦的是，开发者可能根本不知道这些取舍存在，也就无从纠正 Agent。
AI 应用也不只是一颗模型。真正交付给用户的产品，通常还包含前端、后端、数据、权限、部署和运维。即使 AI 是核心能力，它也必须通过一套完整的软件系统表达出来。因此，工程师的角色正在从“亲手写出每一行代码”，转向“理解系统并塑造 Agent 的决策”。
基于 AI Engineering Skills Map 的研究，文章把关键的软件工程能力归纳为五类。
#从专门岗位走向全栈视角
Agentic Coding 让原本专注前端、移动端或其他单一方向的开发者，有机会承担更广的全栈工作。Agent 可以补足不熟悉的环节，但开发者仍要理解整条链路怎样运转。
这包括 UI 组件、缓存与页面渲染，也包括 API 的选择和设计、身份认证、状态与会话管理、异步处理、数据持久化、测试、安全和无障碍。重点不是每个方向都亲手实现到专家水平，而是知道组件之间如何相互影响，出现问题时应该检查哪一层。
当 Agent 提议一种实现时，全栈视角能帮助开发者判断：逻辑应该放在前端还是后端，状态应该保存在客户端、服务端还是数据库，一次请求应同步等待还是异步处理。没有这些概念，Agent 给出的第一个可运行方案很容易被误当成正确方案。
#数据是最难返工的基础
数据需要被单独重视，因为它是软件的地基，而且通常比代码更难改变。即使 Agent 能协助迁移，错误的数据模型、缺失的历史记录和混乱的访问方式，仍会长期限制系统。
工程师要先理解访问模式，再决定保存什么、保存多久，以及选择关系表、文档、键值或图等哪种存储方式。这些选择会同时影响速度、扩展性、可用性、可靠性和成本。事务、并发、数据质量、一致性、新鲜度，以及隐私、治理和合规，也都属于同一个生命周期问题。
对 AI 系统来说，数据架构还有额外含义：模型和 Agent 的输入上下文本身就来自数据源。如果数据组织方式选择错误，AI 甚至不知道自己漏掉了什么。纠正这种盲区需要人提供业务背景，而不是继续增加 Prompt。
随着应用发展，数据架构也要跟着演进。面向 Agent 的数据基础设施仍在快速变化，不能把为传统软件或人工查询设计的最佳实践原样照搬，而要持续根据 Agent 的读取、检索和执行方式调整。
#架构不是一次性选型
理解软件全栈和数据之后，下一步是决定如何把各部分组合起来。好的系统设计从约束出发：有多少用户，延迟有多重要，成本上限在哪里，系统失败会造成什么后果。
这些条件决定应用运行在哪个平台、前后端边界如何划分、系统怎样拆分、状态放在哪里，以及应该使用单体还是微服务。语言、运行时、前端与后端框架、数据技术，也应该根据实际目标选择；必要时先用实验比较，再做决定。
正确架构还是一个移动目标。适合快速原型的简单方案，未必适合第一版生产系统；能够支撑早期用户的设计，规模扩大后也可能需要改变。架构能力不只是画出组件图，而是随着项目阶段变化，持续做出更合适的取舍。
#安全和可靠性必须提前设计
可靠系统需要明确的测试策略：单元测试和集成测试如何搭配，使用什么框架，覆盖到什么程度。还要提前考虑失败路径，例如外部 API 触发限流时如何处理，哪些能力可以降级，怎样把一次故障的影响范围压到最小。
安全也不能等软件写完再补。Shift Left 的思路，是把安全工作提前到开发生命周期更早的位置。随着开发者走向全栈，他们也在承担一部分安全工程职责。
AI 工具可以扫描代码漏洞、检查依赖中的供应链风险，并分析云配置暴露的攻击面。但工具只能发现候选问题；要判断风险是否真实、修复是否破坏系统，以及哪些边界必须防守，仍然需要安全知识。
#真正的软件要能上线、运行和扩展
为真实用户提供服务，意味着开发者必须理解生产环境。完整的软件开发生命周期不只有构建和测试，还包括配置部署环境、选择发布策略、使用 CI/CD 自动化，以及理解 IaaS 等基础设施能力。
上线之后，需要建立可观测性、设置告警并处理事故。规模增长时，则要根据真实负载扩容服务器、做负载均衡，并通过分片、索引、复制或架构调整扩展数据系统。
版本控制、代码审查、依赖维护和技术债管理同样重要。Agent 可以快速生成新代码，如果缺乏这些约束，代码增长速度越快，系统失控的速度也可能越快。
#被淘汰的是语法记忆，不是工程判断
Coding Agent 已经改变了所有软件的构建方式，不只影响带有 AI 功能的应用。记忆具体语法之类的知识正在变得不那么重要，但深刻理解软件如何运行的人，仍然会明显胜过只靠 VibeCoding 的开发者。
软件基本功还能帮助工程师判断一件事能否实现、应该怎样实现，以及代价是什么。未来的优势不再来自手工输入更多代码，而来自向 Agent 提供正确上下文、发现隐藏约束，并在多个可行方案之间做出符合应用目标的选择。