工具、资源与工作台 ·
吴恩达发布了一个新课程，这次教的是「规范驱动开发」
前两天，吴恩达发布了一个新课程，名字叫《Spec Driven Development with Coding Agents》，翻译过来就是「使用编码代理进行规范驱动开发」。
背景
前两天，吴恩达发布了一个新课程，名字叫《Spec-Driven Development with Coding Agents》，翻译过来就是「使用编码代理进行规范驱动开发」。
这门课出现在一个微妙的时间点。vibe coding 的概念正在流行——你描述需求，AI 写代码，速度确实快。但很快大家就发现一个问题：快是快了，出来的代码往往不符合要求，脏代码太多，改来改去比从头写还累。
吴恩达这个课，就是对着这个痛点来的。
为什么他选了 IDEA，而不是 AI IDE
值得注意的是，这次吴恩达没有选 Cursor、VS Code 这些 AI Native IDE，而是用了相对传统的 IntelliJ IDEA。
说到 IDEA，估计关注这个领域的人都有感触。这个曾经在 Java 领域统治多年的 IDE 王者，在如今的 AI 时代，市场占有份额正在逐年下降。年轻开发者越来越多地在用更轻量的工具，AI 功能的加持也在从各个角度侵蚀传统 IDE 的护城河。
但吴恩达选择 IDEA 恰恰是有道理的。他的目标不是展示 AI 能做什么，而是教你怎么和 AI 配合工作。在一个你已经熟悉的环境里学规范驱动开发，注意力可以放在方法论上，而不是被工具的用法分散。
规范驱动开发到底是什么
课程的核心理念很简单：先写规范，再让 AI 实现。
具体流程是：
- 编写详细的规范文档（Spec），定义你要 build 的内容
- 让 coding agent 根据规范来实现
- 用规范来验证输出是否正确
这不是什么新概念。传统软件开发里，先写规格说明书再写代码本来就是基本功。
但在 AI coding 场景里，这个方法论被赋予了新的意义——vibe coding 的问题本质是「规范缺失」：你给 AI 的指令太模糊，AI 就按自己的理解猜，猜出来的自然容易跑偏。
吴恩达在课里举的例子很实际：与其说「帮我写一个处理用户登录的模块」，不如把登录流程、错误处理、边界情况、接口规范都写成文档，让 AI 照着文档实现。这样出来的代码质量要稳定得多。
这个课还教什么
根据 DeepLearning.AI 平台的信息，这门课主要涵盖：
规范文档怎么写。不是那种形式主义的模板文档，而是真正有用的规格说明——功能边界、输入输出格式、错误处理策略、验收标准。
如何和 coding agent 协作。包括指令的写法和迭代方式，什么时候该让 AI 自己决定，什么时候该给出明确约束。
实际案例驱动。带你在真实项目里走一遍规范驱动的流程。
吴恩达本人在 LinkedIn 上发这门课的时候说了一句大实话：「Building AI agents that ship to production, not just impress in demos.」——做能上生产的 Agent，而不是只在演示里好看的 Agent。
这话的背景是：现在很多 AI coding 的演示看起来很震撼，但真正用到实际项目里，代码质量、边界处理、长期维护都是问题。规范驱动开发是一种应对方式。
放在吴恩达的 Agent 课程体系里看
《Spec-Driven Development with Coding Agents》不是吴恩达最近唯一的 Agent 课程。
他还发布了《Agentic AI》，讲 Agent 的设计模式：reflection、tool use、planning、multi-agent。还有和 Anthropic 合作的《Agent Skills with Anthropic》，教你怎么用 Claude 的 skills 系统。
这几门课组合在一起，能看出吴恩达对 AI coding 工具链的完整判断：
- Agentic AI 讲设计模式
- Agent Skills 讲工具使用
- Spec-Driven Development 讲工作流方法
三个层次，从「AI 能做什么」到「怎么用 AI 做事」再到「怎么用 AI 高质量地做事」。
规范驱动开发的问题是：它需要你先想清楚要做什么。
这对有经验的开发者来说是自然流程，但对初学者或者快速探索阶段来说，有时候先让 AI 跑一个原型出来再调整，比先写规范再实现更高效。
探索阶段用 vibe coding 快速验证想法，方向明确后切到规范驱动开发提升代码质量——两个方法配合着用，比非此即彼更实际。
吴恩达在课里其实也承认这一点。他没有说 vibe coding 不好，而是说「许多优秀的开发者都采用了」规范驱动的方式。这里的潜台词是：这不是唯一路径，但值得掌握。
如果你在使用 AI coding 工具时经常遇到「出来的代码不是我要的」这个问题，这门课值得一看。
核心价值不是教你写更好的 prompt，而是教你一套更高层的工作方法——怎么在动手之前先想清楚，怎么把模糊的需求变成明确的规范，怎么验证 AI 的输出是否符合预期。
这些能力在 AI 时代会越来越重要。
模型会越来越强，但人的判断力——知道做什么、知道做到什么程度、知道怎么验证——依然是不可替代的。
Sources: