随着AI工具的发展，开发者角色正在发生转变。吴恩达提出AI工程师需具备“塑造构建方向”的能力，包括驱动构建循环、做产品决策、沟通与领导力以及高能动性Ownership。这些技能能帮助工程师从被动执行者转变为主动决策者，更好地把握项目方向和用户需求，推动AI时代的创新与发展。

之前我们聊了 AI 工程师如何使用编程智能体：从自己写代码，到设计系统，再到指挥 Agent 完成开发任务。

但这还不是故事的终点。

当 AI 能够越来越快地实现功能，甚至独立完成过去需要多人协作的开发任务时，一个更值得思考的问题出现了：

如果"怎么实现"越来越容易，那么"应该实现什么"，是不是就变得更加重要了？

在过去的科技公司里，分工通常很明确：产品经理和设计师定义"该做什么"，开发者负责"把它做出来"，项目经理推动进度。

这套分工运行了很多年。但吴恩达指出，随着 AI 工具放大个人的构建能力，这些角色之间的边界正在变薄。

开发者不再只是接收需求、实现功能，也可以主动发现问题、做产品决策，甚至协调不同职能的人，一起推动项目向前。

2026 年 9 月 11 日，吴恩达在《The Batch》第 370 期中，提出了 AI 工程技能地图的最后一项，也是最上游的一项能力：Shaping the Build（塑造构建方向）。

他传递的核心观点是：

当你真正精通 AI 工程，你最好的工作，不再只是实现一个别人已经定义好的产品，而是主动参与并塑造整个构建过程。

那么，AI 工程师究竟需要具备哪些能力，才能从"完成别人交代的任务"，走向"主动决定什么值得构建"？

一个正在发生的结构性变化：角色在互相渗透

吴恩达先讲清楚了这个变化的来龙去脉。

在现代 AI 工具放大单个开发者的能力之前，科技公司确立了一套分工：PM 和设计师规定该建什么，开发者去建，项目经理推动时间线。

但现在：

一个精通 AI 工程的开发者，不只是构建软件，还会参与到这些其他角色里去。同样地，产品经理和设计师，也在获得 AI 工程技能，参与到软件构建中。

这张图想说明的是：边界不是被某一方替代抹掉的，而是被"每个人都向对方那一侧扩张"抹掉的。开发者不必变成产品经理，产品经理也不必变成开发者，但双方都在向对方的领域里伸手。

这个变化带来的直接收益是速度：

这会极大地加速软件开发。当你懂得如何塑造构建方向，你就能更快地推进，而不必等一个 PM 来想清楚该做什么。

当"实现"变便宜，"定义权"本身就变得更有价值。

吴恩达把"塑造构建方向"拆成了 4 个关键技能：

技能 1：驱动构建循环 —— 有"行动偏好"，用 AI 的速度推进

大多数软件，都是通过一个循环建起来的：写一些代码 → 得到一些反馈 → 决定下一步做什么。

吴恩达说，作为一个熟练的 AI 工程师，你在驱动这个循环上扮演着关键角色——反复地决定"下一步做什么"，来推动项目向前。

这里他强调了一种特质：行动偏好（bias for action）。

你要有行动偏好，并以 AI 使之成为可能的高速度来驱动这个循环。

这句话的分量在于：AI 把"造一轮、看反馈"的成本压得极低，于是决定"下一步做什么"的频率和质量，直接影响项目的推进速度。

会主动驱动构建循环的人，能够更频繁地获取反馈、调整方向，因此往往比被动等待指令的人更快推进项目。反过来，如果每一轮迭代都要等别人给出下一步指令，即便 Agent 本身跑得再快，整个循环也会被卡在等待上。

技能 2：做产品决策 —— 你不必当 PM，但会做 spec 没覆盖的决策

这是 4 项里最"跨界"的一项，也是吴恩达讲得最细的一项。他先给了一颗定心丸：

开发者不必变成 PM，但你会做产品 spec 没有覆盖到的那些决策。如果被要求在没有 spec 的情况下构建，你要知道怎么自己写一个 spec 出来。

然后他把"产品决策"拆成了三种"感"，缺一不可：

• 产品感（product sense）：让你能选出一个满足真实用户需求的产品方向，而不必等 PM 来做每一个决定。
• 设计感（design sense）：至少要有基本的设计感，能做出不只是"能用"，而是"用起来舒服" 的东西。
• 商业感（business sense）：能想清楚 go-to-market、市场规模、单位经济（unit economics）、盈亏（P&L） 这类问题，做出经济上合理的权衡。

而这三种"感"的根基，吴恩达归结为一个词：用户同理心（user empathy）。

你做产品决策的能力，根植于你的用户同理心。

更难得的是，他给出了一套持续打磨同理心的方法谱系——从最轻量的定性，到最重量级的定量：

你不需要为了"懂用户"而等一份完整的调研报告。约 2-3 个用户聊 20 分钟，往往比看一周二手数据更有用。

吴恩达强调，你要用这些方法得到的输入，持续改进你对用户的理解。产品感不是一种天赋，而是一套可以刻意练习的循环。

技能 3：沟通与领导 —— 你的舞台，比"写代码"大得多

第三项能力，看似最"软"，实则最决定天花板。

吴恩达指出，你的 AI 工程技能，让你能参与到比传统软件开发更广的工作范围里。他之前写过，专精型开发者（比如前端）如今更可能扮演全栈角色；而 AI 工程技能，把门开得更大：

你可能会参与到影响你项目的其他职能里去——市场、财务、法务等等。

这直接抬高了"沟通"的重要性：

这让你与其他职能沟通的能力，比以往更重要——你可以通过在各方干系人之间对齐和协调，在推动项目上扮演关键角色。沟通能力，也是你与用户对话、打磨用户同理心的重要基础。

还有一层更深的价值。吴恩达观察到：因为 AI 技术演进太快，很多工程之外的人，都在努力理解这门技术、它对自己工作的影响、以及它带来的新实践和新产品。

你在 AI 工程上的技术能力，让你领先一步，并能扮演一个独特的角色去塑造这些认知。比如，你可以解释为什么某些设想在技术上可行、或不可行。这让你能帮助更广泛的组织向前推进。

这就是"领导"的含义——不是头衔，而是用你的技术判断力，去影响一群人的方向。

最后，他把这一项收回到"持续投资自己"：

你会持续投入去提升自己的技能：追踪技术前沿、上手新工具、调优工作流、不断学习——于是你会随时间变得更强。

技能 4：高能动性 Ownership —— 主动发现问题，负责任地做出来

第 4 项技能，是吴恩达在总纲里就埋下、在这一篇收尾的一个内核：高能动性的 Ownership（high-agency ownership）。

它的含义是：AI 给了你一个前所未有的机会——承担比过去更大的 主人翁意识（ownership） 和能动性。

你可以主动去发现有意思的问题和机会，并以负责任的方式执行，把它们抓住。

而要抓住这种机会，你需要懂得如何把项目往前推。吴恩达举了一个非常具体的分寸：

知道什么时候该快速做一个 MVP 拿去给用户验证，也知道什么时候该慢下来、花更长时间更谨慎地构建。

这种"快与慢"的判断，恰恰是 Agent 给不了你的。Coding Agent 可以把一个清晰的任务执行得越来越快，但它不会自动知道哪条路更值得走。高能动性并不等于一味求快，而是主动发现机会、推动行动，并对最终结果负责。

这里也是全文最重要的一句落点：

Agent 能告诉你"怎么做得更快"，但"该不该做、值不值得做、现在做多细"，仍然需要人的判断。

它和吴恩达所说的 Shaping the Build（塑造构建方向） 遥相呼应——AI 让"怎么做"越来越便宜，真正稀缺的，是"做什么"和"做到什么程度"的判断。

收尾：从"把东西做出来"，到"决定做什么"

把这一篇乃至整个系列串起来看，我们会发现一个值得关注的变化。

从机器码到汇编，从汇编到高级语言，再到今天用自然语言指挥 Agent 写代码，软件开发的抽象层不断上移。

工具越来越强，越来越多的具体执行工作可以交给机器完成。但这并不意味着底层工程能力失去了价值，而是意味着：当实现的成本不断降低，决定做什么、如何设计，以及怎样判断结果是否正确，就显得更加重要。

过去，优秀的工程师不仅要会写代码，还要懂架构、懂业务、懂质量。

今天，当 AI 能够参与越来越多的开发工作，工程师还需要进一步向上游走：主动发现值得解决的问题，理解用户真正需要什么，协调不同角色，推动项目持续迭代，并对最终结果负责。

这正是吴恩达提出 Shaping the Build（塑造构建方向） 的意义。

AI 不只是让我们更快地完成既定任务，也让我们有机会承担更大的责任、探索更广的方向。但机会越大，对判断力、工程能力和责任意识的要求也越高。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包：

• ✅ 从零到一的 AI 学习路径图
• ✅ 大模型调优实战手册（附医疗/金融等大厂真实案例）
• ✅ 百度/阿里专家闭门录播课
• ✅ 大模型当下最新行业报告
• ✅ 真实大厂面试真题
• ✅ 2026 最新岗位需求图谱

所有资料 ⚡️ ，朋友们如果有需要《AI大模型入门+进阶学习资源包》，下方扫码获取~

① 全套AI大模型应用开发视频教程

（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）

② 大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

③ 大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

④ AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

⑤ 大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

⑥ 大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

以上资料如何领取？

为什么大家都在学大模型？

最近科技巨头英特尔宣布裁员2万人，传统岗位不断缩减，但AI相关技术岗疯狂扩招，有3-5年经验，大厂薪资就能给到50K*20薪！

不出1年，“有AI项目经验”将成为投递简历的门槛。

风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！

这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

以上全套大模型资料如何领取？