AI工程技能图谱：软件工程基础

代理式编码如何改变了软件工程的基本原理？即使你使用编码代理来编写所有代码，理解软件基本原理对于引导代理做出你想要的权衡取舍——甚至了解存在哪些权衡可供选择——仍然至关重要。此外，当你构建一个AI应用时，AI核心往往通过更广泛的软件应用来体现，而你可能希望帮助构建或塑造这个应用。

一个不了解软件基本原理、仅凭“氛围编码”的新手可以创建简单的应用，但这往往会导致编码代理在延迟、可用性、一致性、可靠性、可维护性、简单性和/或成本方面做出糟糕的权衡。在这种情况下，开发者甚至不知道这些权衡的存在，因此没有引导代理为其应用场景做出正确的决策。

本文描述了我们对AI工程技能的研究所揭示的软件工程中最需要掌握的关键要点。它要求你精通：

构建全栈应用。 代理式编码使许多此前扮演更专业角色（如前端开发或移动开发）的开发者能够承担更广泛的全栈角色。编码代理可以帮助你处理开发过程中可能不太熟悉的环节。然而，理解全栈的实际运作方式至关重要。熟练的开发者理解前端和后端系统的关键组件和概念，包括UI组件、缓存、页面渲染、API选择与设计、认证、状态和会话管理、异步处理、数据持久化、测试、安全性和可访问性。

数据管理。 数据值得特别关注，因为它是软件构建的基础，相对难以更改（即使有代理协助迁移）。掌握数据管理后，你能够思考访问模式，并据此决定存储内容及保留时长。你能识别合适的数据模型，选择恰当的存储类型（如关系表、文档、键值或图）及基础设施，这进而影响速度、可扩展性、可用性、可靠性和成本。你理解事务、并发，并确保数据干净、一致且新鲜。必要时，你能保障隐私、治理和合规性。你懂得如何管理数据生命周期。

随着应用演进，你也知道如何随之调整数据架构。决定如何管理数据需要大量人工提供的上下文。你的AI系统将从数据源获取自身的输入上下文，因此若数据架构选择不当，AI便无法知晓其所不知。这正是需要具备相关上下文且精通AI工程技能的人——即你！——进行干预以纠正的原因。为代理构建数据基础设施——而非仅针对传统软件或人类——也是一个快速发展的领域，你应随着领域演进不断调整最佳实践。

设计系统架构。 当你理解了软件与数据全栈的主要组成部分后，便能更好地决定如何将这些部分整合在一起。优秀的系统设计需要明确软件的预期用途（用户数量？延迟的重要性？成本的重要性？等），以便在应用平台、前后端边界、系统分解、应用状态放置以及架构粒度（单体 vs. 微服务）方面做出选择。你还需要选定技术栈（编程语言、运行时、组件/前端/后端框架、数据技术）——有时通过运行实验来评估选项，最终确定方案。

此外，正确的架构是一个动态目标，取决于项目所处的阶段。为快速构建原型而选择的简单架构，可能并不适合构建首个生产系统，而随着应用规模的扩展，这一架构也可能需要调整。做出这些决策需要深厚的软件组件与应用背景技术知识，以便设计——并演进——架构，从而做出更优的权衡。

确保系统安全可靠。 要构建可靠的系统，你需要掌握制定测试策略以验证系统正确性的方法：单元测试与集成测试的搭配比例、选用哪些框架，以及覆盖程度如何。同时，你还需了解如何围绕可能的故障进行设计——如何处理故障（如API遭遇速率限制）、实现优雅降级，并最小化故障的影响范围。此外，与其先编写软件再考虑如何加固安全，不如顺应“左移”趋势，将安全工作提前至生命周期早期阶段（在传统项目时间线上向左移动）。正如所有开发者正趋向成为全栈开发者，许多开发者如今也兼任部分安全工程师的角色。现在，你可以利用AI工具扫描代码漏洞、检查依赖项以防供应链注入，并审查云配置以识别攻击面。但要做好这些，仍需具备一定的安全知识。

扩展与生产环境运营。 要服务真实用户，你必须了解如何将软件部署至生产环境。掌握软件开发生命周期（SDLC）的执行方法将大有裨益，除了构建与测试外，这还包括配置部署环境、决定发布策略、应用部署自动化（CI/CD），以及理解基础设施即服务（IaaS）。

在生产环境中运行，需要部署可观测性工具、设置警报并管理事件。最后，要扩展你的应用，你需要了解真实负载，并知道如何扩展服务器、进行负载均衡、调整数据基础设施（通过分片、索引、复制），或进行架构变更，使系统能够适应规模增长。此外，理解版本控制、代码审查、依赖维护等编码最佳实践，以及如何管理技术债务，有助于你持续演进系统。

编码代理已经改变了我们构建软件的方式，包括那些不含任何AI组件的软件。编码知识的某些部分——比如记忆编码语法——正变得过时。但深刻理解软件工作原理的开发者，其表现远胜于那些仅凭感觉编码而不求甚解的人。

理解软件基础（除了AI之外）还能帮助你判断软件能做什么、不能做什么。这使得它们成为你使用编码代理和塑造构建过程的重要背景。我将在未来的文章中讨论这些内容。