你是不是也觉得"AI 写代码时代，程序员要么躺赢要么被淘汰"？错。吴恩达这封信，直接给这个焦虑划了一条分界线——编码智能体对不同任务的提速天差地别，有的快得离谱，有的几乎没用。
搞懂这条线，对谁都有用：你会编程，就知道该把精力押在哪、哪类活还能靠人力和认知挡一挡；你是团队管理者，就知道怎么排兵布阵最快；你只是在观望，也知道"AI 会不会干翻程序员"的真相，别被营销号吓到。
作为全球 AI 教育第一人 + 天天操盘真实工程团队的吴恩达，职业生涯里反复验证过编码智能体到底提速多少。他把软件任务粗分成四类，从"agent 最擅长"到"最不擅长"排了个序：
agent 对 TypeScript/JavaScript、React/Angular 这些主流前端语言熟得不能再熟；而且它自己能开浏览器看自己建出来的页面、再随手迭代，闭环能力现在非常强。只要设计图给你了（或者你不在乎多精致），写实现那叫一个快。
写 API 就难多了：得靠人帮模型想清楚各种 corner case（容易出隐藏 bug 和安全漏洞）；后端一个 bug 可能让数据库被写坏、偶尔返回错结果，比前端 bug 难 debug 得多。数据库迁移虽有 agent 帮忙更顺，但要防丢数据，仍得人盯着。吴恩达原话：熟练工程师设计的后端，仍远胜用 agent 的新手。
像"把电商站扩到 1 万并发还保持 99.99% 可用"这种活，agent 几乎使不上大劲。LLM 对基础设施里复杂的取舍理解还很有限，吴恩达说他几乎不敢把关键 infra 决策交给 agent。找网络配置这种隐蔽 bug，还是要靠资深工程师。
研究靠的是想新点子、提假设、跑实验、改假设、迭代出结论。agent 只能帮你把写研究代码和记录实验跑得更快（一个研究员能同时管更多实验），但研究里大量工作根本不是写代码，agent 帮的那些还很边缘。
吴恩达给团队的实操心法一目了然：越接近"给个界面就能出成品"的活，AI 提速越狠；越接近"要判断、要背锅、要创新"的活，AI 越帮不上忙。 前端他已经敢要求一年前几倍的速度；研究团队他几乎没提高期望。
① 别再全甩给 AI：把"前端交给 agent、后端留人把关、infra 和 research 必须靠人"当作默认分工。盲目把活全丢给 agent 的下场，是前端快但你根本不差这点，infra 却悄悄埋雷。
② 对人更值钱的提醒：吴恩达明说了——后端设计、infra 决策、研究推理，正是 AI 提速最少、反而最值钱的领域。你想在 AI 时代保住/提升身价，就往这三个方向加认知，而不是跟 agent 比谁写页面快。
③ 给团队/自学者的落地清单：把这份"加速榜"当能力规划地图——放手让 agent 做前端模版化活，把省下的时间砸到"评估驱动开发""生产运营""系统设计"这些 agent 替代不了的地方。谁先搭对这条分工，谁的团队就是吴恩达说的"fastest teams"。