吴恩达又发了一篇推文讲怎么用好编程agent，为什么不同人用同样的agent写出来的软件应用效果天壤之别？这里有个咱们常常忽略的流程，却是agent干好工作的重中之重，

因为ai越来越聪明，导致现在很一些人鼓吹不要约束agent，只提开发需求，剩下的都不用管。其实正确引导agent写代码是有固定科学流程的，不是简单的撒手不管。

首先你得做好规划，这是人的核心价值。包括让agent调研分析、头脑风暴，设计架构，编写规范文档，生成执行计划等，最重要的是你得承担审查的职责，把好关，否则agent可能自作主张搞事情。

然后才是执行，让agent写代码。这个过程也需要人工参与验证，其实就是调试的过程，因为ai输出的东西本身是不确定性，有金子也有垃圾bug，所以得用你的软件工程专业能力保证agent写的代码是规范、安全、稳定的。

最后是部署与监控，其实这两步也能用agent去做，但是你得会制定规则，比如面向的用户、场景、规模、并发等，不断调试达到最优上线效果。

以上4个大步骤中还有很多要注意的细节，比如吴恩达提到现在各种agent的长程任务效果还不稳定，最好不要让它连续自主跑几个小时。浪费token不说，效果还不好，真正高效的方法是人工参与优化迭代，及时纠偏。

我感觉他的意思是不要盲目相信codex、claude code这些模型厂家宣传的效果，现阶段agent的自主性像是牵了绳的狗，一旦放开会很难把控。

最后一点也是我非常赞同的，文章说用好编程agent的人一定是对agent工作原理充分了解的人，这是基础能力。你得知道agent是怎么管理上下文、检索代码库、调用SKILL，MCP，subagent等知识，因为agent是一个工程化的东西，需要使用者有专业能力和判断力才能拿到好结果。aiai大模型agent