说个很多人不爱听的事实： 吴恩达老师最新的这篇干货拉满的文章， 拆了 AI 应用工程师的 6 项必备技能， 他认为最拉开差距的那个， 大部分做 AI 应用的人压根没在做。

不是写 Agent，也不是调 prompt，是评估驱动开发。

吴恩达老师的底层逻辑是这样的： 传统软件输出是确定的，你能提前规划清楚再写， 大模型输出天生不可预测，你不知道它这次吐什么。

所以做 AI 应用本质上是做一点、看结果、再决定下一步试什么。高手和新手的区别，是谁能根据中间结果不断做对决策，把不可靠的组件拼成相对可靠的系统。

而做对决策的前提，是你能系统性地评估结果。 看真实日志和输出，做数据分析，结合业务判断决定该测什么——代码检查、LLM 当裁判、人工介入，还要反过来评估你的评估方法本身对不对。

不是瞎试，是有节奏地进步。

这一下就说通了为什么很多 AI 应用 demo 跑得炫，一上线就拉。

调 prompt 靠感觉，做 Agent 靠运气，改完不知道是真变好了还是这次碰巧没翻车，出了问题也定位不到是哪一步开始歪的。

没有评估闭环，所有迭代都是碰运气。

其他 5 项——LLM 基础、数据接地、Agent 系统、生产运维、机器学习基础——都重要，但这些是战术。

评估是那个让战术真正转起来的引擎， 模型会越来越强，框架会换了一茬又一茬， 但把不可靠拼成可靠这件事，不会变的。