生成式AI与智能体AI的兴起正在重塑软件开发流程，开发者所需技能也随之发生根本性转变。AI领域知名学者、DeepLearning.AI创始人吴恩达（Andrew Ng）近日提出，当代AI开发者应掌握四大核心技能，但多位业内专家指出，这一框架忽略了工程化落地中的关键能力。
吴恩达将AI开发者的核心任务归纳为四个方面：定义问题、选择模型、评估输出以及构建智能体工作流。他认为，随着大模型能力的提升，开发者的工作重心已从传统的代码编写转向更高层次的系统设计与质量把控。具体而言，开发者需要具备将业务问题转化为可量化AI任务的能力，能够根据成本、延迟和准确性等指标在众多模型中做出合理选择，并建立系统化的输出评估机制。此外，智能体工作流的构建被视为提升AI系统复杂任务处理能力的关键路径。
然而，多位AI工程专家对吴恩达的框架提出了补充意见。他们认为，该框架在提示工程、检索增强生成（RAG）、模型微调、部署运维以及AI安全防护等工程实践方面着墨不足。在实际企业级应用中，AI系统面临的挑战往往不是模型选型，而是如何将模型稳定地集成到现有业务系统中，并确保数据隐私和输出安全。有专家指出，吴恩达的视角更偏向算法研究，而忽略了生产环境中AI系统的可维护性和可观测性。
这一讨论的背景是AI开发范式正在经历剧烈变革。据行业观察，企业级AI应用正从概念验证阶段向规模化生产阶段过渡，对既懂算法又懂工程化的复合型人才需求激增。吴恩达此前曾多次强调AI技术民主化的理念，其课程体系也持续更新以适应技术演进。
业内分析认为，吴恩达提出的四大技能框架为AI开发者的能力建设提供了清晰的方向性指引，但企业在实际人才招聘和培养中，仍需结合具体业务场景，补足工程化能力的训练。随着AI开发工具链的不断成熟，开发者技能模型预计还将继续动态调整。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
