吴恩达 Coding Agents 框架：嵌入式工程师别被 Agent 连跑3小时骗了

很多嵌入式工程师都有过这种时刻：让 Agent 改一段驱动，它交得飞快，代码看着也没问题，结果烧进板子，传感器数据就是读不到。

近日，吴恩达在《The Batch》专栏更新了《AI 工程技能地图》的第三篇深解，主题正是使用编程智能体（Using Coding Agents）。

他和团队访谈了数十位顶尖 AI 工程师后，得出一个明确的结论：

会用 Coding Agent 不等于会调用某个工具，而是会指挥。

Agent 能一口气跑几小时，不代表你用得先进——方向没校准，跑得越久，错得越“高效”。

我们的嵌入式代码跑在板子上，Agent 摸不到硬件，一旦放养，翻车的代价比写 Web 应用大得多。

这篇文章，我把吴恩达的框架逐条映射到嵌入式的日常场景里，给出可以直接落地的做法。

Agent 时代，工作流变了什么

吴恩达给出的工作流其实和传统软件开发周期一模一样：

规划（Planning）→ 执行（Execution）→ 部署与监控（Deploy & Monitor）。

变的是精力的流向：

我们把更少的精力放在代码本身，把更多精力放在决定做什么、设计架构、写规格书、验证输出上。

对嵌入式工程师来说，验证输出的分量还要再乘以二。因为我们面对的不是可以随时回滚的服务，而是烧进 Flash 的固件。

1. 会指挥工作流

吴恩达的判断：

指挥工作流是五项能力里的元能力——知道什么时候让 Agent 研究、什么时候让它构建、什么时候人必须介入。

嵌入式场景怎么做：

很多人用 Agent 的方式都是一句话提示词，比如“帮我写一个 I2C 驱动”，然后等着收代码。我身边不少同事也是这么用的。

更好的做法是规格先行（Spec-first）：

• 先让 Agent 读代码库
• 写一份简短规格
• 让 Agent 先产出执行计划，人来审计划

审完计划再放行写代码。在嵌入式开发中，凡是涉及烧进板子才能验证的决策，必须人来做。

2. 校准自主权

吴恩达的判断：

给 Agent 自主权要按任务风险分级：简单任务交互式来回改，中等任务委托大块工作，高风险任务必须人在环。

嵌入式场景怎么做：

我们可以把任务进行分档，不同的任务给 Agent 的自主权不一样。

1. 低风险任务：放手让 Agent 跑，事后抽查。比如写单元测试、生成文档、解析数据手册、写主机侧工具脚本等。

2. 中风险任务：分步委托，每步人审。比如应用层业务逻辑、协议解析（非安全相关）、日志模块等。

3. 高风险任务：人主导设计，Agent 辅助实现，逐行审。中断服务程序、链接脚本、启动代码、存储/OTA 逻辑、任何内存操作等。

特别提醒一点吴恩达反复强调的：

Agent 长时间无人监督地自主运行，错误会悄悄累积，后期修复成本远高于实时纠偏。

在嵌入式领域这一点更致命——固件 bug 的暴露周期可能长达数月。别被Agent 连跑 3 小时不间断的宣传迷惑，跑得久不等于跑得对。在嵌入式日常开发的工作流中，各个步骤尽量都有人参与把控。

3. 会验证产出

嵌入式验证，是 Agent 时代最稀缺的技能。

吴恩达的判断：

审查工作的核心是能判断 Agent 做对了，而不只是让它做。生成越快，验证越重要。

嵌入式场景怎么做：

这是当下嵌入式工程师最能建立护城河的地方。验证体系可以分层搭建：

1. 主机侧单元测试先行：把协议解析、状态机、数据处理等纯逻辑代码做成可脱离硬件测试的模块（依赖注入 HAL），让 Agent 在 PC 上跑测试自证；
2. 静态分析与资源预算：让 Agent 跑完自动执行 MISRA-C 检查、栈深分析，RAM/Flash 占用超预算直接判失败；
3. 硬件在环（HIL）：如果团队有条件，把编译→烧录→跑板级自检→抓串口日志做成自动化脚本，接进 CI。

吴恩达建议部署环节用 CI/CD 门禁或人工门禁，嵌入式等价物就是：没过 HIL 的固件不许进 main 分支。

4. 让 Agent 交证据：吴恩达提到一个技巧——要求 Agent 提供证据。在嵌入式开发中，让 Agent 把串口日志、寄存器快照等作为完成任务的凭证，而不是一句“已完成”。

4. 定制 Agent 与环境

吴恩达的判断：

定制 Agent 与环境——决定 Agent 能看什么、能碰什么、不能做什么。维护 AGENTS.md / CLAUDE.md 这类常驻上下文文件，用 hooks 自动化重复步骤，用权限系统做安全护栏。

嵌入式场景怎么做：

在仓库根目录放一个 AGENTS.md（不同的 Agent 规则文件不一样），把团队的隐性约定显性化：

再配上 hooks 把改完代码自动跑编译 + 静态分析固化下来。这一步做好了，Agent 犯错的概率会断崖式下降。

5. 懂 Agent 的底层机制

吴恩达的判断：

理解 Agent 底层机制——懂 Agent 为什么会失败，才能在跑偏之前干预。Agent 本质上就是在 LLM 外面包了一层 harness（框架）。

嵌入式场景怎么做：

理解几条 Agent 的天性，能帮我们预判它的翻车姿势：

1. 它的知识里有通用芯片，但未必有你手上这颗：它会自信地写出某个外设的初始化序列——那可能来自另一个型号或某个 AI 幻觉。数据手册和参考手册（PDF/提取文本）要主动喂给它；
2. 它默认宿主机环境：会自然地用 malloc、用 printf 调试、假设文件系统存在——除非你的 AGENTS.md 告诉它这是裸机/RTOS 环境；
3. 它看不见硬件：代码逻辑全对，但 I2C 没接上拉电阻、SPI 模式配反了——这类问题它永远发现不了，必须由你在板子上验证；
4. 上下文窗口不是记忆：它不会记得上次调试那块“时好时坏”的板子——那些经验在你脑子里。

这正是吴恩达说的：人类相比 AI 有巨大的上下文优势。我们从多年经验中知道的东西太多了。

Agent 不是全知的助手，而是一个读过整个互联网、但没摸过你这块板子的初级工程师。

总结

嵌入式工程师的上下文优势时代，代码已经不再珍贵，判断才珍贵。这正是资深嵌入式工程师最值钱的部分。

AI 不会取代你，但会用 AI 的嵌入式工程师，会把不会用的甩开一个身位。