斯坦福 CS329Z Engineering AI Agents 课程拆解：没有

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。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，全绕着这三个挑战转。

这篇文章一半是课表拆解，另一半是我真正关心的两个问题。

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，第一讲要到 2026 年 9 月 23 日才开始。凡是我在猜的地方，我都会明说。

信息来自四处：课程官网、斯坦福课程目录、三位讲师的个人主页，以及阅读材料本身。

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，以及 ICLR 2026 收录的 GEPA。

GEPA 是一种提示词优化方法。它让模型读自己失败的样本、写出改进意见、再据此改写提示词，全程不动模型权重。

John Yang 负责另外半边。

他造了整个编程 Agent 行业都在报分数的基准 SWE-bench，造了跑这个基准的参考 Agent SWE-agent，还造了为它生产训练数据的引擎 SWE-smith。

一位管优化，一位管评测和数据。这门课就是这两件事拼起来的。

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。

接着它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提示词工程。它在第二讲里占一个要点，然后就消失了。

2025 年的大多数 Agent 课程里，提示词套路能占半个大纲。

评分结构印证了这个取向。一半分数是贯穿整个学期的小组项目，主题是「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。

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。反过来说，这也是没有录像的损失比你想的小的原因。

我预计很多人会犯一个错误：把这门课当成「先修更难的 CS146S」。不是。

CS146S 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。它 2026 秋从 9 月 22 日起周二、四上课，我写过一份跟课方案。

CS329Z 讲的是造出 Agent 本身，交给别人用。

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、10 月 30 日截止，HW2 于 10 月 26 日发布、11 月 20 日截止。

项目开题 10 月 9 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，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」的两场动手课排在框架课之前。9 月 30 日讲 RAG，10 月 5 日讲工具，框架课是 10 月 7 日，HW1 也在工具课当天发布。课程要你先把手弄脏，再给你抽象。

第二，17 场正课里有 5 场讲数据、优化和评测，分别是 10/21、10/28、11/2、11/4、11/9。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。模块三、四是怎么把它做好、怎么证明它好。模块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

图里的虚线是老实话。本站在模块一、二、五上写过不少，基本都是从编程 Agent 的角度。

存货是这四篇：上下文工程、Agentic Loops、子 Agent 架构、Harness 六层。

模块三的数据我几乎一片空白。模块四的评测，只当作 harness 的一层写过。

这个缺口也是整个行业的缩影：人人都写循环，没几个人写飞轮。

国内读者还有一个实际困难：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，MIPROv2 和 GEPA 所在的 optimizer 那一层，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，英文文档绕不开。

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。

两份合在一起，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）。

官网原话：「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。」

agentic harness 指的是套在模型外面的那层工程代码：循环、工具分发、记忆、终端、人工审批，模型本身之外的部分全算。

官网没说是哪份邮件档案。我猜是 Enron 语料。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）。

官网原话：「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。」

LLM-as-judge 就是让另一个模型来打分。把待评的回答连同评分标准一起喂给它，由它给出分数或者判定优劣。

再看一遍顺序。学生花四周搭自己的 harness，再花四周去评测另一个预置 Agent，不是自己那个。

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是闭卷的，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。

第一条，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。

第二条，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，我想单独提醒所有交付过 Agent 的人。

pass@k 问的是 k 次运行里有没有一次成功。pass^k 问的是 k 次运行是不是全部成功。

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 pass^k 掉得很快。单个任务 80% 的成功率，pass^5 只剩 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。

在讲义放出之前，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，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东西是对比：DSPy 的 signature/module/optimizer，对上 LangGraph 的节点图，再对上 LlamaIndex 的数据优先视角。

没有这层对比，你往往只学会一个框架的词汇表，然后把词汇表误认成概念本身。

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 日的编程 Agent 那讲。SWE-agent 的作者亲自讲，把 Claude Code 和 OpenHands 的架构并排拆开。

这会是整个学期最有意思的一课，但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。

理由是我自己的收据。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评测。四元组框架（请求、环境、停止条件、评分器）明天就能套到任何 Agent 上，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」，先去看那一讲的阅读材料。GEPA 论文报告的结果是：靠反思式的提示词进化，rollout 最多能少用 35 倍，成绩还赢过 GRPO。

这个结论在你的任务上成不成立，一个下午就能试出来，dspy.GEPA 加你自己的 dev set 即可。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，合计约 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、而不是当开发者技能来教的课。证据是它的考法：考设计决策和评测，不考讲课内容。

你造 Agent 给别人用，跟 CS329Z。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