吴恩达拆分AI工程师必备的6块能力

吴恩达这次把 AI Engineer 到底该学什么，拆得越来越细了。

最新这一篇专门讲「怎么构建和部署 AI 应用」，一共分成 6 块能力。 LLM 基础、数据 Grounding、Agentic Systems、Eval 驱动开发、生产环境运行，还有 ML 基础。

我看完最有感触的是 Eval 部分。 吴恩达直接说，他观察下来，真正擅长做 AI 系统的人，一个很明显的区别就是能不能持续跑好「Eval → Error Analysis → 下一轮改进」这个循环。 因为 AI 系统的输出本身就不稳定，很多时候没办法像传统软件一样，提前把整个开发路径规划清楚。

Agent 这块也已经讲得很完整了。 Tools、MCP、Memory、Context、Harness、Multi-Agent、Sandbox、安全和 Guardrails，基本都进了能力地图。

看这张图会发现，现在所谓 AI Engineering，已经远远超过「会写 Prompt、会调 API」这一层了。 现在难得是怎么把一个输出不稳定的模型，工程化成一个可以长期稳定工作的系统。

这张技能地图很适合收藏下来，看看自己还缺哪一块。