这篇继续讨论下吴恩达和LangChain 联合创始人 Harrison Chase 对话的后续。

和一些我自己的观点。

这里是上半部分的对话，感兴趣的可以看看。

感兴趣的也可以自己先提前去听听原视频。

下面是他们的对话原文的一部分：

吴恩达： 还有一个可能不算“被低估”，但我认为更多企业应该去做的事情是——让开发者使用 AI 辅助编程。很多人应该都见过，使用 AI 辅助的开发者效率远远高于不使用的开发者。但我还是看到很多公司，尤其是 CIO、CTO 们，还制定了一些政策，不允许工程师用 AI 编程工具。我知道有时也许是出于合理原因，但我觉得我们需要尽快突破这个限制。坦白讲，我和我的团队，已经完全无法想象在没有 AI 帮助的情况下写代码了。但现在还有很多企业需要接受和适应这一点。

还有一个被低估的观点是，我觉得“每个人都应该学一点编程”。我们 AI Fund 的一个有趣事实是：我们公司每个人都会写代码，包括前台接待、CFO、法务总顾问……所有人都会写。不是说我希望他们成为软件工程师，但在自己的岗位上，他们通过学一点点代码，能够更清晰地告诉计算机他们想做什么。这带来了各个非工程岗位的显著生产力提升，这个现象我也觉得挺令人激动。

Harrison Chase：说到 AI 编程，你自己现在在用什么工具？

吴恩达： 我个人现在会用 Cursor、WindSurf，还有一些别的。

Harrison Chase：你认为 MCP 在应用构建方式、类型上，带来了哪些变化？你怎么看它对整个生态的影响？

吴恩达： 我觉得 MCP 非常令人兴奋。

我个人非常喜欢 MCP，它补上了一个明显的市场空缺，而 OpenAI 的快速跟进也说明了这个标准的重要性。我觉得 MCP 标准未来还会不断演进，目前它主要让 Agent 更容易接入各种数据，但其实不只是 Agent，很多其他软件也可以受益。

我们在用 LLM 的时候，尤其在构建应用时，往往会花很多时间在“管道”上——也就是各种数据接入工作上。尤其是在大企业环境下，AI 模型其实已经很聪明了，只要给它正确的上下文，它就能做出合理的事情。

但我们往往要花大量时间处理接入工作，搞清楚怎么把数据喂给模型，才能让它输出你想要的东西。MCP 正是在这方面起到了很大的标准化作用，它让工具、API、数据源之间的集成变得更容易。

当然，现在 MCP 还是有些“蛮荒”。你在网上能找到很多 MCP 服务端，但很多其实跑不起来。身份验证系统也很混乱，就算是一些大公司，MCP 服务也存在 token 是否有效、是否过期等问题。

此外，我觉得 MCP 协议本身也还很早期。现在的 MCP 会返回一个很长的资源列表，未来我们可能需要某种分层发现机制。比如你要构建一个系统——我不知道将来会不会有 LangGraph 的 MCP 接口——但像 LangGraph 这样的系统，有成百上千个 API 调用，你总不能把所有调用都塞进一个扁平列表里让 Agent 去自己筛选。

所以我们可能需要一种层级式的资源发现机制。我觉得 MCP 是个非常棒的第一步。我非常鼓励大家去了解它，它可能真的会让你的开发更轻松，尤其是如果你能找到一个稳定好用的 MCP 服务端实现来帮你做数据整合的话。

我也认为，从长远看这点非常重要——如果你有 n 个模型或 Agent，要接入 m 个数据源，那你不该为了每一个组合都单独写接入逻辑，工作量不应该是 n × m，而应该是 n + m。而我觉得 MCP 就是朝着这个方向迈出的非常棒的第一步。它还需要继续演化，但的确是个好起点。

Harrison Chase：还有另一种协议，虽然不像 MCP 那么热，但也值得关注，就是 Agent 与 Agent 之间的通信。那么你怎么看 Agent 与 Agent 通信的发展？

吴恩达： 现在的 Agent AI 依然非常早期。我们大多数人，包括我自己，在让自己的代码正常运行这件事上都还在挣扎。所以要让我的 Agent 和另一个人的 Agent 正常协作，就像是实现了两个奇迹。

目前我看到的情况是：一个团队内部自己构建的多 Agent 系统，是可以运转起来的。因为大家都在同一个团队，知道协议、约定、接口是什么，也知道怎么打配合——这样就能跑起来。但要让一个团队构建的 Agent 能和另一个完全不同团队的 Agent 协同，现在来看，还太早。 我相信我们终究会实现这一点，但就我自己目前观察到的，还没有看到太多真正成功、规模化运行的案例。不知道你们是不是有类似的观察？

Harrison Chase：没错，我同意你的看法。如果说 MCP 还早期，那 Agent 间通信就更早期了。

Harrison Chase：你怎么看待 vibe coding（氛围编程）？它和传统编程相比是否是一种新的技能？它在当今世界中起到什么作用？

吴恩达： 我觉得我们很多人现在编程的时候几乎不再看代码了，这其实是一种非常棒的进展。不过我觉得“vibe coding”这个名字挺不幸的，因为它会让很多人误解，以为这件事只是“靠感觉”——比如这个建议我接受，那个我拒绝，仅凭直觉判断。

但说实话，当我花一天时间用这种“vibe coding”方式，也就是借助 AI 编码助手工作后，我通常会感到非常疲惫。这其实是一种非常需要智力投入的活动。所以我认为虽然这个名字不好，但这个现象是真实存在的，而且它的确在发展，而且是件好事。

过去一年里，有一些人在建议别人“不要学编程”，理由是 AI 会自动帮你写代码。我认为未来回头看这将会是史上最糟糕的职业建议之一。

如果你回顾过去几十年的编程发展历史，每一次编程门槛降低，都会让更多人开始学习编程。比如从穿孔卡片转向键盘和终端，或者从汇编语言过渡到 COBOL，我甚至找到了一些非常古老的文章，当时就有人声称，“我们有了 COBOL，就不再需要程序员了”。但事实是，每次编程变得更简单，学习编程的人反而变多了。

所以我认为，AI 编码助手也将推动更多人学习编程。而且，未来最重要的技能之一，无论是对开发者还是非开发者来说，都是“清晰准确地告诉计算机你想做什么，让它替你完成”这件事。

想要做到这一点，了解一些计算机的基本工作原理其实非常有帮助。我知道你们在座的很多人已经理解了这一点。但这也是我为什么一直建议大家至少学会一门编程语言，比如 Python。

也许你们有人知道，我自己是一个 Python 能力比 JavaScript 更强的人。但在使用 AI 编程助手之后，我写了比以往更多的 JavaScript 和 TypeScript 代码。即使是调试那些 AI 帮我生成、而不是我亲手写的 JavaScript 代码时，理解其中的错误类型和含义，对我来说仍然非常重要，帮助我去修复它们。

Harrison Chase：你最近宣布了一个新基金——AI Fund 的新进展，对于在座有创业想法的人来说，你有什么建议？

吴恩达：AI Fund 是一家 Venture Studio（风险投资孵化器），我们不仅投资公司，而且只投资我们共同创办的公司。

回顾 AI Fund 的经验，我觉得创业成功的首要预测因素就是速度。虽然我们身在硅谷，但我发现很多人其实从未真正见识过一支高效团队可以有多快地执行。如果你见过的话，你会知道，这种速度是传统企业完全想象不到的。

第二个关键预测因素是技术能力。虽然像市场营销、销售、定价这些商业技能也很重要，而且相关知识已经积累了很久、相对普及，但真正稀缺的资源是“技术理解力”——因为技术在快速演进。

我对擅长 go-to-market（商业推进）的人非常尊重，定价很难，营销很难，产品定位也很难，但这些知识是更容易被学习到的。真正稀缺的是那些真正懂技术的人，知道什么该做、什么不该做、怎么可以让事情加速两倍。所以 AI Fund 非常喜欢和技术背景深厚的人合作，尤其是那些对方向有直觉判断的人。而商业相关的能力当然也很重要，但它们相对更容易补足。

这里有三个关键点。

MCP和A2A还在“蛮荒”

最近，AI编程和AI智能体非常的热门啊。

这也是得益于MCP、A2A的技术发展，让AI编程和Agent的门槛再次大幅降低了。

不过这两技术现在也属实仅仅是“幼儿园”级别。

只能说能用，离好用还差得远，更不谈完善了。

程序员们其实算很熟悉MCP了，MCP Server就类似于一个很大的网关，网关管理着所有的工具接口。

只需要访问网关，就可以调用网关中存在的所有实现好的工具，用于扩展LLM的能力。

但现在这些MCP Server其实基本只是刚刚能跑通运行的级别。

身份验证、流量控制等问题还一点没做呢。

工具发现机制也是十分的简单，直接返回所有的工具列表让你自己选工具。

得亏现在接入MCP的应用还比较简单，等稍微复杂点，一个MCP Server有几千个工具的话。

好家伙，每次向MCP Server拿工具等时候，都给你返回几千个工具，光工具描述的上下文就让AI吃不消了。

显然未来是需要一个层级式的工具选择方案的，每次请求工具时只返回有用的少量工具。

可以看到，光是个MCP想做好都不容易。

而MCP只是做好一个Agent所需要的一小部分罢了，Agent还有一堆记忆管理、Prompt调优、任务规划等难题要解决。

不可否认简单能用的Agent已经有不错的效果了，但想真正做好一个Agent路还远着呢。

一个Agent都这么难做，多Agent通信那就更不用谈了。

AI编程来了，还要学编程吗？

首先AI时代下，每个人都该学点编程。

只有知道计算机是个啥，才能更好的去利用计算机帮我们做事。

这个理论还是比较好懂的，假如你都不知道计算机能干啥，你甚至都不知道哪些地方能提效。

现在有个流行的“vibe coding”，主张让开发者忘掉编程技术，全部由AI实现。

但或许，我们并不该把编程完全看作是某个硬核的技术，而把编程看做是一个创造的过程。

现在我们说程序员，往往是为了生计被迫写代码的，他们写代码大多是为了老板写的而不是为了自己。

而事实上，编程是一个用代码表述心中所想的过程。

它是一门语言，是我们与计算机进行交流的语言，我们通过代码请求计算机帮助我们实现心中所想。

这个过程是不可或缺的。

创业的胜负关键点

我们都知道创业九死一生哈。

吴恩达大佬表示，创业成功的人肯定逃不了做对了两件事。

一是速度。

不论是创业者还是普通人，想逆天改命的一个关键因素一定是执行力。

想做啥就赶快去做，用最快的速度让你的想法落地。

不要觉得你的想法天下无敌，世界上人这么多，能想到的人指不定多的是，最后胜负取决于到底谁先给做了。

二是技术。

众所周知哈，人活着首先得活着。

营销、定价等商业技能很重要，这些决定了你的产品能不能卖出去，起码是决定你创业的下限和基本盘能不能先打出来。

但这些能力门槛相对来说要略低一些，如果一个创业者有着更大的追求（例如想要做大公司，改变世界啥的），那么技术理解力将会是限制他们的最大难关。

知道什么能做什么不能做，才能让创业者把握住哪些是天马行空，哪些是够一下能摸得着的。

往期文章

我是关注AI提效与AI智能体的辰星。

谢谢你看我的文章，也祝你在AI时代能找到自己真正想要的生活。

也可以链接我，领取之前我整理的AI相关的一些学习资源。