从写代码到管 Agent：斯坦福 AI 软件开发课要点解析
斯坦福开设首门 AI 软件开发课 CS146S，讲师 Mihail Eric 解析了初级开发者面临的就业“三重风暴”，并指出未来工程师的核心能力将从编写代码转向管理 Agent。文章探讨了多 Agent 工作流的误区、上下文切换难点，以及如何构建高测试覆盖和设计一致的“Agent 友好型”代码库。Mihail 认为，初级工程师因缺乏历史包袱，在 AI 转型中更具灵活性优势。
相关文档
大厂 Leader 的面试 SKILL 与 3 条求职建议
作者分享了大厂 Leader 将面试准备工程化的经验：利用 AI SKILL 自动解析简历并生成项目深挖、基础、算法及 AI Coding 四类题目，从而将个人精力从重复执行转移至核心判断与补课上。文章指出该方法虽然将准备时间优化至 20 分钟，但对面试官的追问能力和知识广度提出了更高要求。最后，作者针对暑期实习招聘给出了三条建议：把握窗口期赶早不赶晚、切忌盲目试水以免留下负面记录、以及技术为本需适当展示亮点。
软件行业只剩下这两条路了
本文基于顶级VC a16z的分析，指出软件行业在AI时代的转型已迫在眉睫，舒适的中间地带已不复存在。文章提出了未来12-18个月内创造价值的唯二路径：一是依靠全新的AI原生产品将收入增速拉高10%以上；二是彻底重组公司架构，实现40%至50%的真实经营利润率。作者详细拆解了执行这两条路径的具体策略，包括组织架构调整、高管团队更迭、研发资源重新分配以及商业模式的定价改革，强调CEO必须果断抉择，避免在增长与利润之间两头落空。
The new set of problems for engineers to solve
文章讨论软件工程师在AI时代面临的身份危机与新机遇。随着多智能体系统从简单的人机对话发展为数千个持久协作的智能体，解决重大研究、发现和硬件设计问题，一系列新的工程问题浮现：基础设施需要为突发性、有状态的单实例工作负载演进；智能体身份认证与授权（尤其是代表人类OBO场景和智能体互信）亟待解决；不可信代码与内容要求更强的安全隔离和沙箱机制；还需跨智能体的链路追踪与紧急停止工具。作者认为工程师应深入这些领域，解锁多智能体系统的潜力。
eian-riso-broll：把口播逐字稿印成B-Roll信息动画
作者开发了第二个B-roll类Skill——eian-riso-broll，用于解决口播视频配画面繁琐的问题。该工具是一套孔版双色印刷风格的信息动画工作流：AI Agent自动从逐字稿中挑出值得配画面的句子，生成9:16竖屏信息动画视频。它内置10个模板对应10种信息形状（数字冲击、前后对比、流程步骤、金句等），采用三道确认闸门（分镜表、样帧、成片）确保质量，严格禁止AI编造内容。技术上使用HTML/CSS排版、GSAP动画、Chrome逐帧截图加ffmpeg合成，零npm依赖、无需联网和图片生成模型，专为竖屏短视频版面设计，跨平台渲染效果一致。
264K Skills 作者 Matt Pocock 96 分钟访谈：grill me 与 wayfinder 工作流，25 年前老书中藏着答案
本文整理了 Matt Pocock 与 Gergely Orosz 的 96 分钟深度访谈精华。Matt 提出'知识已死，智慧永存'：AI 吃掉了战术性编程，人类须守住战略性编程。他分享了完整 AI 协作方法论：grill me（让 Agent 无情拷问以对齐需求）、spec→tickets 拆分工单绕开 15 万 token 注意力限制、wayfinder 用地图+战争迷雾隐喻管理超大工程、日班/夜班节奏。最具原创性的发现是'引导词'技巧：把经典软件工程书籍中的术语写入提示词，能激活模型深层概念、改变行为。他强调代码库就是 Agent 的运行环境，工程师应成为 Agent 的平台团队与园丁。结论是：帮助他的不是新方法，而是 25 年前的经典软件工程智慧。
“程序员除了写代码啥也不会”这个前提是错的
文章反驳了“程序员除了写代码啥也不会、将被AI取代”的观点。作者指出软件工程师的核心能力是理解需求、抽象设计、验证与维护，编码只是中间产物；领域专家靠“稍微了解AI”做出可用产品过于乐观，从原型到产品还需处理UI、边界条件、高并发、安全等问题，而AI工程本身就是一门学科，有工程底子的人更容易掌握。能力迁移是双向的，工程师的抽象与系统思维是跨领域的元能力。AI改变的是职业流程中的环节而非职业本身，工程师重心从写代码转向定义问题、验收结果，各行业岗位都在经历类似重新定位。
吴恩达「AI 工程技能地图」系列完整解读
本文解读吴恩达在 DeepLearning.AI 连载的「AI 工程技能地图」系列五封信。该地图基于超万条职位分析、专家访谈与问卷数据，提出四大技能板块：构建与部署 AI 应用（LLM 基础、RAG、智能体系统、评估驱动开发、生产运维、机器学习基础）、软件工程基础（全栈、数据、架构、安全可靠、扩展）、使用编程智能体（规划—执行—部署工作流与五项技能）、塑造构建（驱动构建循环、产品决策、沟通领导、主动所有权）。核心观点：AI 时代工程师价值从写代码上移到决定构建什么，判断力、工程根基与产品思维的要求更高而非更低。
Software Engineer to AI Engineer: Best Move 2026
本文探讨软件工程师如何转型为AI工程师。作者指出AI工程师日常工作中约80%仍是传统软件工程，核心是将现有AI模型（如GPT、Claude）集成到真实产品中。软件工程师已具备编程、API、数据库、系统设计等基础，只需补齐六大AI专项技能：理解LLM工作原理、调用LLM API、保证输出可靠性（提示工程与结构化输出）、掌握RAG与向量数据库、学习编排与Agent、以及LLMOps生产化运维。作者建议通过构建作品集、在团队中主动承担AI功能、使用AI工具提升效率来加速转型，强调转型并非抛弃既有技能，而是在其上叠加AI层。
Codex到底能做什么？各职业场景实战指南
本文从不同职业角度介绍OpenAI Codex的实际应用，涵盖财务、教师、运营、咨询、法律、科研和程序员七大场景。案例包括Excel数据处理、SQL取数分析、PPT生成、海报图片制作、合同审查、文献综述、数据分析等，并介绍以Codex为大脑搭建自定义工作流的进阶玩法。作者强调Codex与聊天AI的区别：它交付的是做完的活，而非文字建议。
普通人怎么吃上第一碗AI饭？
本文提出一个观点：AI赛道是普通人最容易接到广告的自媒体赛道。文章详细介绍了四种AI自媒体内容创作方向：AI工具合集、单个工具的场景化分享、AI实战案例、AI观点与行业观察，并给出了真人出镜、标题技巧、@官方等起号细节。作者强调，通过工具内容获取流量，再通过案例和观点建立信任，最终形成个人品牌，并找到特定人群提供深度服务。
2026年AI Agent工程师成仙指南：通往55万美元年薪之路
随着AI技术的进步，市场对AI Agent工程师的需求呈爆炸式增长，相关岗位年薪高达18.5万至55万美元。与传统的问答型AI不同，Agent工程师的核心职责是设计能执行实际操作的系统并使其在生产环境中稳定运行。文章提供了详尽的职业进阶路线：首先需掌握Python、后端API开发等软件工程基础；其次熟练使用LangChain、RAG及大模型API等专属AI技术栈；最后，必须具备系统可观测性和评估能力。作者强调，拥有包含完整监控和复盘报告的真实部署项目，是求职者脱颖而出的关键。
