讲讲这个https://x.com/andrewyng/status/2093388974194872781，里面有什么可以分享给大家尤其是小登的

Andrew Ng 刚发了篇长文，属于他那个「AI 工程技能地图」系列，这期主题是：有了 agentic coding 之后，软件工程基本功还重不重要、哪些才算数。讲几个适合小登记住的点： 核心论点：就算你让 coding agent 把代码全包了，你仍然必须懂软件工程基础。两个原因——一是 agent 写代码时做的全是权衡取舍（延迟、可用性、一致性、可靠性、可维护性、成本），这些 tradeoff 不会自己冒出来，你得先知道它们存在，才能指挥 agent 往你要的方向走；二是 AI 应用最后是长在一个更大的软件系统里的，AI 核心之外的部分你得能搭或者能塑造。 他点名批了 vibe coding 新手：不懂基本功也能靠 agent 做出简单应用，但代价是 agent 会在上面那些维度做出很烂的取舍，而最麻烦的是——开发者根本不知道这些取舍存在，所以连纠正都无从下手。 然后列了五大基本功： 1、全栈开发：agentic coding 让以前只干前端或只干移动端的人能横跨全栈，但你要真懂 UI 组件、缓存、页面渲染、API 设计、鉴权、状态与会话管理、异步、持久化、测试、安全、可访问性这些东西怎么串起来。 2、数据管理：数据是软件的地基，最难改。要会从访问模式反推该存什么、存多久，会选存储类型（关系型/文档/键值/图），懂事务和并发。数据架构选错了，你的 AI 系统会跟着不知道它不知道什么。 3、系统架构：先搞清楚软件到底要解决什么（多少用户、延迟重要还是成本重要），再决定前后端边界、系统怎么拆、状态放哪、单体还是微服务。而且架构是移动靶——原型、第一个生产版本、规模化之后的架构，本来就该不一样。 4、安全与可靠：测试策略怎么配、怎么设计容错（限流、优雅降级、缩小爆炸半径），安全要 shift left 提前到开发生命周期早期。AI 现在能帮你扫漏洞、查依赖供应链注入、看云配置的攻击面，但做得好还是得自己懂安全。 5、生产环境的规模化与运维：部署、上线、运维那套。 给群里的总结，尤其是小登：AI 削低的是「会不会写代码」的门槛，没削掉「懂不懂系统」这一层。你的竞争力正在从「手写代码快」变成「能不能给 agent 指出正确的方向和权衡」。所以基本功不但不能扔，反而是 agent 时代最该趁早囤的货——现在学，成本最低，收益最大。