AI教育实践
斯坦福 CS329Z Engineering AI Agents 公开课程资料与两份作业仓库

完整中文导读
斯坦福 CS329Z: Engineering AI Agents 课程资料公开,讲座录像陆续上传到 Stanford Online 的 YouTube 频道,两份作业仓库也已开放。
中文整理
作者 / 来源:meng shao (@shao__meng) · 原文时间:2026年11月11日 09:47(北京时间)
原作者信息要点
作者称斯坦福 CS329Z(Engineering AI Agents)的公开课程资料正在发布:讲座录像陆续上传至 Stanford Online 的 YouTube 频道,两份作业仓库已开放。
课程定位为从单一大模型转向复合系统,组合检索器、工具、优化器等部件,并涵盖问题拆解、组件选择、数据整理、评测与设计权衡。课表覆盖 Agent 结构、RAG、工具、记忆、多智能体、优化、数据、评测、安全、编程 Agent 和主动式 Agent,并包含 Terminal-Bench、SWE-bench 嘉宾课及 Andrew Ng 对谈。
作业 HW1 由 Michael Ryan 设计,要求不使用现成 Agent 框架,仅靠对话补全接口和自写代码搭建 Agent Harness。任务包括在真实公司邮件语料上做优先级分类、每日摘要、从零实现 BM25 检索和多跳问答,再扩展为虚构能源公司的内部助手,加入工具调用循环、文档检索、终端、上下文压缩、跨会话记忆、人工审批和防护。作者称用不到 5 美元 API 额度即可在家搭出类似“Claude Code”的系统;讲义参考实现跑完除模拟评估外的实时测试约 0.05 美元,评估再加约 0.18 美元。
作业 HW2 由 John Yang 设计,使用 Harbor 框架制作接近 Terminal-Bench 风格的真实 Agent 评测任务。学生先运行 HumanEval、SWE-bench Verified、Terminal-Bench 2.1 等已有任务,再自写一道包含问题、运行环境和验证器的任务,让 mini-SWE-agent 尝试五次,并评审三名同学的任务;自拟任务占 70 分(满分 100)。两份作业均采用 MIT 许可。
引用帖中 Michael Ryan 称该课程全部材料正公开释出,讲座在 Stanford Online 的 YouTube 频道每日上线,并给出 Lecture 1 链接。
本站整理与观察
本站观察:材料将课程重点明确放在“复合系统”而非单一模型能力,作业设计也围绕从零搭建与评测展开,而非调用现成框架。
本站观察:HW1 的成本数字来自作者转述的讲义参考实现,属于特定实现与测试条件下的估算,不宜视为所有学生或所有环境的通用成本。
本站观察:HW2 的评分结构显示自拟评测任务权重较高,材料未说明其余 30 分的具体构成。
材料为社交媒体帖文及转述,未提供课程大纲原文、作业讲义全文或仓库内容;课程讲者、开课时间、学分与选课信息未提及。HW1 与 HW2 的成本、评分和任务细节均来自作者描述,未经独立核实。YouTube 播放列表与仓库链接的可访问性未验证。
上下文来源:1
本文为来源内容的中文摘要与整理,不代表原文全文翻译。完整信息请查阅来源原文。