斯坦福 CS329Z Engineering AI Agents 课程拆解：没有公开录像，怎么用大纲自学

斯坦福新开的 Agent 课，第一份作业就禁用 Agent 框架。斯坦福 CS329Z: Engineering AI Agents 的 HW1 要求学生从零搭一个公司内部 AI 助理，原话是"不用任何 Agent 框架：只有一个 chat-completion 调用，加上你自己写的代码"。LangChain、LangGraph、DSPy、LlamaIndex 要到第六讲才登场，而且登场的目的写得很清楚：对比"框架帮你抽象掉了什么，和你自己从零写的有什么区别"。

这一条规则就把课的底色定了。它不是"十周学会 LangChain"，也不是 CS146S 那种"用 Claude Code 写代码"的实践课。它是一门工程学科课：大纲开篇就点名三个挑战——拆解（decomposition）、数据（data）、评测（evaluation），17 场正课、两份作业、50 篇阅读全绕着这三件事转。

这篇文章一半是课表拆解，另一半是我真正关心的问题：录像只在 Canvas 上，光靠公开材料能学到几成？如果你已经在生产环境跑 Agent，哪几周值得花时间？我没坐在 Packard 101 教室里（第一讲是 2026 年 9 月 23 日），下面所有信息来自课程官网、斯坦福课程目录、三位讲师的个人主页和阅读材料本身。凡是我在猜的地方，我都会明说。

CS329Z 一览

讲师阵容是这门课最强的信号。Michael Ryan 写的正是让 DSPy 不只是"提示词包装器"的那几篇优化器论文（EMNLP 2024 的 MIPROv2，ICLR 2026 收录的 GEPA）。

John Yang 造了整个编程 Agent 行业都在报分数的基准（SWE-bench）、跑这个基准的参考 Agent（SWE-agent）、以及为它造训练数据的引擎（SWE-smith）。一位管优化，一位管评测和数据。这就是这门课。

为什么关键词是"Engineering"

课程简介开篇用的是 Zaharia 等人的复合 AI 系统框架：值得研究的单元不再是一个模型，而是模型、检索器、工具、优化器组成的系统。接着列出学生要学会的事：“挑选值得做的问题、拆解问题、选择组件、收集和整理数据、搭建评测、权衡设计取舍。”

注意这个列表里少了什么：提示词工程。它在第二讲里占一个要点，然后就消失了。对比 2025 年大多数 Agent 课程，提示词套路能占半个大纲。

评分结构印证了这一点。一半分数是贯穿整个学期的小组项目（主题"用 Agent 让斯坦福生活更好"），20% 是两份作业，15% 是两次十分钟口试——考的是你自己作业里的设计决策和取舍。没有任何一场考试考讲课内容。你不可能靠记住 Packard 101 里讲了什么来通过 CS329Z——顺带一说，这也是为什么没有录像的损失比你想的小。

我预计很多人会犯的错误：把这门课当成"先修更难的 CS146S"。不是。CS146S（2026 秋从 9 月 22 日起周二、四上课，我写过一份跟课方案）讲的是开发者实践：用 Claude Code、Cursor、MCP server、代码审查把软件写得更快。CS329Z 讲的是造出那个 Agent给别人用。

先修要求说的是同一件事：CS146S 要 CS111 水平的编程，CS329Z 要 CS224N。

如果你是一线开发，接触 Agent 的方式就是 Claude Code 和 Cursor，先跟 CS146S。如果你在公司负责某个"AI 助理"功能，最近三次事故都是 Agent 干了件看似合理其实错误的事，那 CS329Z 才是你要的。

2026 秋季完整课表

9 月 23 日到 12 月 2 日共 21 个课时：17 场正课、2 场嘉宾讲座（人选待定）、感恩节停课 2 天。官网标注课表"暂定、可能调整"，下表是 2026 年 9 月 4 日的版本。表里列的是必读材料，每讲还配有"补充阅读"（共 27 篇），我折进了后面的自学替代表。

截止日期（均为太平洋时间）：HW1 于 10 月 5 日发布，项目开题 10 月 9 日，HW2 于 10 月 26 日发布，HW1 截止 10 月 30 日，中期 demo 11 月 4 日课上进行，中期报告 11 月 6 日，论文视频 11 月 13 日，HW2 截止 11 月 20 日，同行评审 11 月 30 日，终稿与最终 demo 在期末周。

课表里有两处值得盯一眼。第一，“从零手写"的两场动手课（9 月 30 日 RAG、10 月 5 日工具）排在 10 月 7 日框架课之前，HW1 也是工具课当天发布——课程要你先把手弄脏，再给你抽象。第二，17 场正课里有 5 场（10/21、10/28、11/2、11/4、11/9）讲数据、优化和评测，将近 30% 的内容是大多数 Agent 教程直接跳过的部分。

五大模块，以及本站已有的对应文章

官网把课表分成十个小节，我压成五个模块，因为依赖关系实际上是这么走的：模块一、二是你造什么，三、四是怎么把它做好、怎么证明它好，五是这个领域往哪走。

flowchart TB
    subgraph M1["模块 1 · 基础组件（9/23 – 10/5）"]
        A1["LLM API · 结构化 I/O
上下文工程"]
        A2["从零写 RAG"]
        A3["工具调用 · MCP · 沙箱"]
    end
    subgraph M2["模块 2 · 框架与设计（10/7 – 10/21）"]
        B1["DSPy · LangGraph · LlamaIndex"]
        B2["设计模式 · 记忆 · 多 Agent"]
        B3["优化：GEPA · MIPROv2 · LoRA"]
    end
    subgraph M3["模块 3 · 数据（10/28 – 11/2）"]
        C1["轨迹 · 飞轮 · 合成数据
SWE-smith"]
    end
    subgraph M4["模块 4 · 评测与安全（11/4 – 11/11）"]
        D1["四元组基准
LLM-as-judge · pass^k"]
        D2["提示注入 · 隐私 · 护栏"]
    end
    subgraph M5["模块 5 · 编程、主动式、前沿（11/18 – 12/2）"]
        E1["SWE-agent · Claude Code · OpenHands"]
        E2["主动式 Agent · GUM · OpenClaw"]
    end
    M1 --> M2 --> M3 --> M4 --> M5
    A1 -.-> P1["上下文工程 2026"]
    A3 -.-> P2["CLI Skills vs MCP"]
    B2 -.-> P3["Agentic Loops · 子 Agent 架构"]
    D1 -.-> P4["Harness 六层倒着建"]
    E1 -.-> P4
    classDef mod fill:#1e293b,stroke:#38bdf8,color:#e2e8f0
    classDef post fill:#14532d,stroke:#4ade80,color:#dcfce7
    class A1,A2,A3,B1,B2,B3,C1,D1,D2,E1,E2 mod
    class P1,P2,P3,P4 post

虚线是老实话。本站在模块一、二、五上写过不少，基本都是从编程 Agent 的角度：上下文工程、Agentic Loops、子 Agent 架构、Harness 六层。

模块三（数据）我几乎一片空白，模块四（评测）只当作 harness 的一层写过。这个缺口正好也是整个行业的缩影：人人都写循环，没几个人写飞轮。

顺带说一句国内读者的实际困难：DSPy 和 LangGraph 的中文资料都很薄。LangGraph 好歹有零散的中文教程，DSPy 的中文内容基本停留在"什么是 signature"的入门层，optimizer（MIPROv2、GEPA）这一层几乎只有英文论文和官方文档。这门课恰恰是 DSPy 优化器作者亲自讲，所以模块二的自学，英文文档是绕不开的。

两份作业才是这门课的正文

不选课只带走一样东西的话，带走作业序列。官网对两份作业的描述足够具体，可以复刻；合在一起，它们才是这门课真正的论点：先赤手空拳造 harness，然后发现你根本判断不了它到底行不行。

HW1：搭建 Agentic Harness（第 3-6 周，10/5 发布，10/30 截止）。“从零搭一个公司内部 AI 助理，不用任何 Agent 框架：只有一个 chat-completion 调用，加上你自己写的代码。先做能在真实企业邮件档案上检索和推理的 LLM 管线，再逐步长成带工具、终端、记忆和人工介入的完整 harness。“官网没说是哪份邮件档案；我猜是 Enron 语料，因为它是唯一大规模、公开、真实的企业邮件数据集，而且里面乱糟糟的邮件线程正好让检索变得有意思。

HW2：评测一个 Agent（第 6-9 周，10/26 发布，11/20 截止）。“给定一个预置好的 Agent，设计一套完整评测：代码评分器、至少一个 LLM-as-judge 评测、用四元组框架（请求、环境、停止条件、评分器）构建的基准任务，以及错误分析。”

再看一遍顺序。学生花四周搭 harness，然后花四周评测的是另一个预置 Agent，不是自己的。这是刻意安排：它防止你写出讨好自己设计的评测，也逼你把四元组的纪律套到一个你没造过、也没法偷偷打补丁的系统上。每份作业之后的口试闭卷，要你解释取舍，“我照着教程抄的模式"这种回答活不过第一个追问。

下面是我把两份作业复刻成练习的方案，用 Claude Code 或 Codex 当结对搭档，不依赖任何课程基础设施：

flowchart LR
    subgraph HW1["HW1 替代 · 4 个周末 · 零框架"]
        H1["周末 A · 管线
Enron 子集 → 切块 → embedding
回答 20 个问题"] --> H2["周末 B · 工具
search_email · read_thread
沙箱里的 run_python"]
        H2 --> H3["周末 C · 终端 + 记忆
草稿文件 · 摘要记忆
跨会话回忆"]
        H3 --> H4["周末 D · 人在回路
发送前审批
记录每次工具调用"]
    end
    subgraph HW2["HW2 替代 · 4 个周末 · 评测别人的 Agent"]
        E1["选一个现成 Agent
OpenHands · SWE-agent · 朋友写的"] --> E2["写 30 个四元组任务
请求 · 环境
停止条件 · 评分器"]
        E2 --> E3["代码评分器 +
一个 LLM 裁判
带已知偏差检查"]
        E3 --> E4["每个任务跑 5 次
报 pass@k 和 pass^k
错误分类"]
    end
    H4 --> E1
    classDef a fill:#1e293b,stroke:#38bdf8,color:#e2e8f0
    classDef b fill:#3b1d0e,stroke:#fb923c,color:#ffedd5
    class H1,H2,H3,H4 a
    class E1,E2,E3,E4 b

两条规则决定这套替代方案值不值得做。HW1 的零框架约束就是练习本身：第一个周末就 pip install langgraph，等于把课跳过了。可以让编程 Agent 写样板代码，但循环、工具分发、记忆策略必须你自己写。HW2 要用一个不是你写的 Agent。OpenHands 和 SWE-agent 都开源、都可配置，作者也都是这门课阅读材料的作者。

11 月 9 日那讲里的 pass^k 指标，是我想单独提醒所有交付过 Agent 的人的一个细节。pass@k 问的是 k 次运行里有没有一次成功；pass^k 问的是是不是全部成功。做 demo，前者重要；做一个在客户数据上无人值守跑的 Agent，只有后者算数——而且它掉得很快：一个任务 80% 的成功率，pass^5 只有 33% 左右。光这一个视角的转换，就比大多数 Agent 教程值钱。

逐模块的自学替代方案

大纲里每一篇阅读材料都公开。讲义"会随课程发布陆续链接到官网”，可能兑现也可能不兑现；CS146S 2025 秋的幻灯片最终确实公开了，所以有希望。在那之前，下面是每个模块的替代方案，偏向"能跑起来的"而不是"能读的”。

模块二要单独提醒一句，因为自学者最容易在这里耗时间。DSPy 文档写得不错，但它是按"导览"组织的，不是按"课程”；10 月 7 日那讲能给选课学生的，是对比：signature/module/optimizer 对 LangGraph 的节点图对 LlamaIndex 的数据优先视角。没有这个框架，你往往学会一个框架的词汇表，然后把它误认为概念本身。解法就是表里那道练习：同一个 harness 移植到两个框架，用文字写出差异。文字才是交付物。

想看这个秋季所有免费 Agent 课程的全景，包括 CMU 同期开的那门，见 2026 秋季免费 AI Agent 课程汇总和 CMU 11-768 课程拆解。

对本站读者最值钱的一周

如果你已经在生产环境跑编程 Agent，最显眼的选择是 11 月 18 日：编程 Agent 那讲，由 SWE-agent 的作者亲自讲，把 Claude Code 和 OpenHands 的架构并排拆。这会是整个学期最有意思的一课。但它不是对你最有价值的一课——SWE-agent 论文、Claude Code 最佳实践、本站的 harness 系列你多半都读过，何况也没有录像。

最值钱的是评测那两周：11 月 4 日、11 月 9 日，加上 HW2 的作业说明。我的理由是这样的。写六层文章时我在生产环境跟踪了一个 harness 60 天，决定稳定性的是评测层和恢复层，不是循环本身；而评测层恰恰是我最后建、也建得最差的一层。

这是普遍模式：团队一周搭好循环，一个月调提示词，然后带着一个自己都不敢押钱的基准上线。CS329Z 用三讲加一整份作业专攻这件事，四元组框架（请求、环境、停止条件、评分器）是一个可以明天就套到任何 Agent 上的可移植产物，不需要斯坦福账号。

第二名给 10 月 21 日的优化课，受众窄一些。如果你的团队正在微调，理由是"提示词调到头了”，那讲的阅读材料里 GEPA 论文报告的结果是：靠反思式提示词进化，用最多少 35 倍的 rollout 打败了 GRPO。这个结论在你的任务上成不成立，只需要一个下午加 dspy.GEPA 加你的 dev set——而这个下午可能砍掉一个微调项目。

不选课拿不到的东西

自学能拿到阅读材料、主题清单和两份可复刻的作业。拿不到下面这些，我宁可列清楚，也不假装替代方案等价。

• 录像。摄像机拍讲师，视频进 Canvas。没选课就是没视频，没有商量余地。Stanford Online 上确实有 CS329Z 的条目，对其他 CS 课来说这意味着可以非学位（non-degree）选修，公布的费率是每学分 1,575 美元、最少 3 学分（约 4,725 美元，外加 250 美元档案费）。那个页面我没打开过，所以掏钱前先确认非学位选项确实开放。
• 作业基础设施。邮件档案、HW2 用的预置 Agent、自动评分器、以及他们可能发的起步 harness。我上面的替代方案是从作业说明反推的重建，不是真题。
• 口试。15% 的分数是闭卷十分钟、为自己设计决策辩护。这是整门课最好的一道倒逼机制，课外不存在——除非你拉个同事来盘问你。
• 两场嘉宾讲座（10 月 26 日、11 月 16 日，人选待定）。CS146S 的嘉宾名单是一大卖点，CS329Z 目前还没公布任何人。
• Michael Ryan 和 John Yang 对你评测集和优化器实验的反馈。这是我愿意付钱买的东西。
• Demo Day 和一支队伍。“用 Agent 让斯坦福生活更好"是小组项目，有开题、中期报告和期末周 demo。一个人能造出系统，但造不出截止日期和观众。
• 学分。3 学分，Letter 或 Credit/No Credit，不可重修。

结论

CS329Z 是斯坦福第一门把 Agent 当工程学科而不是开发者技能来教的课，它用"考设计决策和评测、不考讲课内容"证明了这一点。你造 Agent 给别人用，跟它；你用 Agent 给别人造东西，跟 CS146S；如果你还没对着裸 API 写过一个工具调用循环，两门都先别跟，因为两门课都默认你写过。

没有录像，CS329Z 有用的部分大约七成可得：50 篇公开阅读，加两份具体到可以重建的作业说明。用零框架做完 HW1，再拿一个不是你写的 Agent 做完 HW2，你就覆盖了这门课里行业最需要、也最少有人教的那部分。讲义放出或嘉宾公布时，我会更新这一页。

延伸阅读

• 斯坦福 CS146S：The Modern Software Developer 2026 指南：开发者实践路线的姊妹课，完整拆解
• 斯坦福 CS146S 2026 秋季开课了：不注册怎么免费跟课：今秋另一门斯坦福课的课表和跟课方案
• 2026 秋季免费 AI Agent 课程汇总：本学期所有公开 Agent 课程大纲的对比枢纽页
• CMU 11-768 AI Agent 课程拆解：CMU 的对应课程，以及它和 CS329Z 的差别
• Harness 六层架构倒着建：为什么评测和恢复才是关键的两层，附生产数据
• 上下文工程 2026：第二讲的主题，深挖版
• Agentic Loops 2026：HW1 逼你手写的那个 ReAct 式循环