斯坦福 CS 329Z 工程化 AI Agent 课程公开第 7 讲记忆架构讲义

完整中文导读

斯坦福 NLP 组 2026 秋季课程 CS 329Z Engineering AI Agents 公开第 7 讲「Agent Memory Architectures」讲义，课程页面为 cs329z.stanford.edu。课程定位从模型走向系统的工程学，覆盖简单 LLM 流水线到复合 AI 系统再到自主 Agent，由 Diyi Yang、Michael Ryan、John Yang 三位讲师主讲，主线围绕分解、数据、评估三个工程挑战，分构建基元、框架与设计模式、优化、数据与评估、安全与前沿五个模块，作业要求从零手写 RAG 与 ReAct 循环并用 DSPy 重建，以及为预构建 Agent 设计完整评估套件。

中文整理

作者 / 来源：meng shao (@shao__meng) · 原文时间：2026年10月15日 09:34（北京时间）

原作者信息要点

作者 meng shao 介绍斯坦福 CS 329Z「Engineering AI Agents」课程，课程归属 Stanford / Fall 2026 @stanfordnlp，官网为 cs329z.stanford.edu。课程定位为从「模型」到「系统」的工程学，覆盖简单 LLM 流水线、复合 AI 系统到自主 Agent。

三位主讲为 @Diyi_Yang、@michaelryan207、@jyangballin。作者称三人背景互补：Diyi Yang 为斯坦福 NLP 教授，方向为人机交互与社会计算；michaelryan207 为 DSPy 核心贡献者、自动评估 AutoMetrics 作者；jyangballin 为 SWE-agent / SWE-bench / SWE-smith 作者。

作者称课程主线为三大工程挑战：分解、数据、评估，11 周内容分五个模块。模块 1 构建基元（Week 2–3）涵盖 LLM 作为构建材料（litellm、结构化输出、约束生成、解码策略、test-time compute、上下文工程、模型选型与成本/延迟权衡）、RAG（embedding、向量库、分块、混合检索、cross-encoder 与 ColBERT 后期交互）、工具调用（函数调用 API、MCP、工具设计、代码沙箱、错误处理与重试）。

模块 2 框架与设计模式（Week 3–5）涵盖 DSPy（signature / module / optimizer）、LangChain/LangGraph、LlamaIndex；workflow 与 agent 分类学、五种可组合 workflow 模式、ReAct / plan-and-execute / reflection；记忆架构（短期/长期记忆、记忆作为工具动作、文件系统作为外化记忆、跨 Agent 记忆，涉及 MemGPT、Mem0、Generative Agents）；多 Agent 系统（编排模式、handoff 与状态传递），并对照阅读 AutoGen、《Why Do Multi-Agent LLM Systems Fail?》与 Neubig 的《Don't Sleep on Single-agent Systems》。

模块 3 优化（Week 5）涵盖提示优化（GEPA、MIPROv2、OPRO、TextGrad）、权重优化（LoRA/QLoRA、蒸馏、RLHF/DPO）与 test-time scaling，核心是何时优化 prompt、何时优化 weights、何时堆推理算力的决策框架。

模块 4 数据与评估（Week 6–8）被作者称为最有分量的部分：数据方面含 trace、demonstration、feedback 三类数据，训练数据与评估数据、数据飞轮、合成数据、从 Agent 轨迹构建数据集（SWE-smith）；评估基础含 4 元组框架（request / environment / stopping criteria / scorer）、好 benchmark 的性质、tinyBenchmarks；评估基础设施含三类 grader、LLM-as-judge 的 prompt 设计与已知偏差、pairwise 与 pointwise、pass@k 与 pass^k、harness 设计。

模块 5 安全与前沿（Week 8–11）涵盖安全（工具访问隐私风险、prompt injection 含间接注入、红队、沙箱与权限模型、输出护栏、human-in-the-loop）、Coding Agent（SWE-agent、Claude Code、OpenHands 端到端架构对比）、主动式 Agent（reactive 到 proactive、General User Models、Next Action Prediction、mixed-initiative 问题）与开放问题（多模态/web/计算机使用 Agent、科学 Agent、长时运行架构、生产可观测性）。

作业设计为「一手建、一手评」：HW1 从零构建 Agent 系统（10%），给定论文库构建能检索并推理回答科学问题的 Agent，Part A 只用 litellm 手写 RAG + 工具调用 + ReAct 式 Agent 循环，Part B 用 DSPy 重建关键组件并反思框架抽象；HW2 评估一个 Agent（10%），给定预构建 Agent，设计完整评估套件，含代码型 grader、至少一个 LLM-as-judge、用 4 元组框架构建 benchmark 任务、错误分析。

作者称第 7 讲「Agent Memory Architectures」讲义已公开，链接为 web.stanford.edu/class/cs329z/slides/。

本站整理与观察

本站观察：该材料为社交媒体帖子，内容以课程大纲与模块罗列为主，未包含第 7 讲讲义的具体技术内容，因此无法从材料判断记忆架构讲义的实际论点或方法细节。

本站观察：作者对三位讲师背景与课程模块的表述属于其个人整理与评价，例如「最有分量的部分」「很有态度的对照阅读」等措辞带有主观色彩，不应视为课程官方定位。

本站观察：材料中出现的课程时间（Fall 2026）、周次划分、作业占比（各 10%）与讲义链接均来自作者转述，本站未独立核验其准确性。

材料仅为一条社交媒体帖子及其自引内容，未提供第 7 讲讲义正文、课程官方页面或作业原文，因此无法核实课程时间、周次安排、讲师身份、作业占比与链接有效性；文中所有模块描述均为作者转述，本站观察部分仅为基于该材料的推论，不构成对课程实际内容的确认。

上下文来源：1