---
title: "吴恩达：2026 如何成为 AI 工程师（视频导读）"
author: deletexiumu
pubDatetime: 2026-07-20T17:20:00+08:00
featured: false
draft: false
tags:
  - AI 编程
  - 教程
  - 视频导读
description: "吴恩达三小时课程合集：agentic AI 与 evals、100% AI coding 与小团队通才，从 prompting 到 vibe coding 的 2026 AI 工程师学习路径。"
---

这是 Andrew Ng（吴恩达）2026 年的一部约 3 小时 18 分的合集视频，内容横跨他在 DeepLearning.AI 的多门新课与一场 AI Dev 大会演讲：从 agentic AI 课程综述、Agent Skills，到「AI coding 时代软件工程如何被重塑」的行业观察（并首次发布 Context Hub 与 CoDream 两个新产品），再到面向所有人的 AI Prompting 课程与零基础 vibe coding 入门。它同时回答了两个问题：AI 工程师这个岗位到底需要什么能力组合，以及普通人如何从 AI novice 走到 AI power user。无论你是想转型 AI 工程的开发者，还是想把 AI 用出真实生产力的职场人，这部视频都是一份密度很高的路线图。视频为中英双语字幕版，可放心食用。

## 观看视频

<video controls preload="metadata" style="width:100%" src="https://video.deepai.wiki/how-to-become-an-ai-engineer-in-2026-andrew-ng-en-zh.mp4"></video>

全片约 3 小时 18 分，建议按下方时间戳分段观看。

## 导读要点

### 00:00 Agentic AI 与 evals：课程综述

开篇介绍 agentic systems：不同于单次调用直接生成回复，它们能分步执行、调用工具、推理并迭代。吴恩达强调用原始 Python 而非框架来学习，掌握四种关键设计模式。他给出一个重要判断：团队能否高效执行的最大预测因素，是能否推动有纪律的错误分析流程（evaluations / evals）——让数据指引改进方向，而不是靠猜。另外介绍了与 Anthropic 合作的 Agent Skills 课：Skills 是用文件夹（说明、脚本、参考资料）为 agent 配备按需知识的开放标准，可与 MCP、subagents 组合使用。

### 04:27 AI Dev 演讲：100% AI coding 与新瓶颈

把软件比作乐高积木：building blocks 越多，组合方式呈指数级增长，而 AI coding agent 让拼装速度空前。他分享了一个激进观点：自己的编码几乎 100% 由 AI 完成——80% AI 的团队仍会被人工审查那 20% 拖慢，100% AI 才带来真正加速（NASA 飞船那 50 行代码除外）。二阶效应是瓶颈转移：产品管理成了新瓶颈，PM 与工程师配比从 1:8 滑向 1:1 甚至合并为一人；设计、法务合规、营销也相继成为瓶颈。结论：极小的 AI-native 通才团队跑得最快。

### 10:44 AI 工程师的能力画像

招聘时看三点：会用 coding agent（Claude Code、Gemini、Codex、OpenCode 等）；扎实掌握快速变化的 building blocks；具备通才技能（含基础项目管理）。「既知道怎么做，也知道该做什么」的人存在巨大未满足需求——连他自己的团队都招不够。他同时反驳了「工作末日论」：费城联储研究显示只有少数企业认为需要缩减员工。

### 16:29 Context Hub 与 CoDream 发布

Context Hub 解决 coding agent 的 knowledge cutoff 问题：喂入最新文档后，Claude Code 会改用较新的 Responses API 而非已废弃的 Chat Completions API。CoDream 则是现场首发的对话式学习环境：不是上课，而是与（AI 版的）吴恩达视频对话，在浏览器内置终端里练习现代 AI 编程，预览版当天上线。

### 23:38 从 AI novice 到 power user

AI Prompting for Everyone 课程主线：power user 会给 AI 充分 context（像对待聪明但不了解你的应届生）、用中立提问和 rubric 对抗 sycophancy（谄媚——AI 强烈赞同的次数约为反对的十倍）、写作先迭代大纲再成稿以避免 AI slop。

### 33:10 AI 的知识从哪来：pre-training、web search 与 deep research

理解 pre-trained knowledge 来自互联网文本、有 knowledge cutoff，就能预判 AI 何时可靠。三条信息查找路径：常识问题直接答；时事、地点类触发 web search（注意来源可靠性，可指定官方机构来源）；需要综合数十个来源的复杂问题用 deep research——一个被普遍低估的工具。

### 01:06:43 Thought partner：头脑风暴、context 管理与推理

头脑风暴的配方：给足 context、要 3-5 个选项、对选项给反馈、多轮迭代。context window 可达约 75 万词，但无关 context 会干扰回答——转换话题请新开对话。桌面应用（如 Claude Cowork）能 agentically 读取本地文件收集 context，注意权限最小化。推理任务直接说 think hard（think step by step 已过时），METR 研究显示模型能完成的任务时长在快速增长。

### 02:04:37 Multimodal 与数据分析

生成成本排序：文本 < 语音 < 图像 << 视频。图像生成用 diffusion model 一次性成图，学一点「图像语言」（电影感、水彩、赛博朋克）能显著提升 prompt 质量。AI 还能写代码替你做数据分析——上传销售表格即可出图表和洞察，但需核对数字。

### 02:50:46 Vibe coding 入门：从生日贺卡到乒乓球游戏

零基础也能用一条 prompt 构建网页应用。他给出五个 prompt building blocks：目标、输入、输出、布局、特殊功能。越具体越可预期（点三明治的类比）；遇到 bug 就直接把现象告诉 AI 让它修。终项目是做一个填空故事生成器。最后的忠告：只构建不上课会重复造轮子，只上课不构建则只有理论——两者都要。

## 适合谁看

- 想在 2026 年转型或进阶为 AI 工程师的开发者：能力画像、agentic AI 与 evals 的路线图都在前半段。
- 团队负责人与技术管理者：100% AI coding、PM 瓶颈、AI-native 小团队组织方式是难得的一线观察。
- 还停留在「把 AI 当搜索引擎用」的职场人：中间的 prompting 模块（context、sycophancy、大纲迭代法）能立刻提升日常产出。
- 完全不会写代码但想做点东西的人：最后一小时的 vibe coding 教程从生日贺卡应用一步步带你入门。

---

## 相关阅读

- [Karpathy：我如何使用大语言模型（视频导读）](/posts/karpathy-how-i-use-llms/) — 同期视频系列：LLM 日常使用的实操细节，与本课程互补
- [从 AI 问答到 AI 值夜班：我的真实工作流拆解](/posts/ai-workflow-from-qa-to-nightshift/) — 把课程里的理念落到真实个人工作流的完整案例