# Stanford CS224V：智能体式 AI（2026 秋） - 原标题：Stanford CS224V：Agentic AI（2026 秋） - 类型：课程 - 来源：Stanford 课程官网 - 学期：2026 秋 - 首次精选：2026-10-29 23:09 - 分级：值得看 - 学习层级：深入 - 主题：[rag-search-retrieval]()（第 31 位）、[agent-architecture-harness]()（第 34 位） - 原文链接：[https://web.stanford.edu/class/cs224v/schedule.html]() - 本站页面：[https://oplearnx.com/resources/pk\_6569f59eab20]() ## 摘要 斯坦福大学 CS224V“Agentic AI”2026 年秋季课程日程页，按日期列出每次课的主题、说明、相关事件与截止时间。已列出的内容包括 9/23 课程导论（如何把会幻觉的 LLM 变成可靠智能体、面向读写与检索的 LLM 算法、可问责 AI）、9/28 知识整理（STORM/Co-STORM 系统，作业 1 发布）、9/30 研究项目选题（AOS 架构、领域智能体等）、10/5 可问责 AI（SMT 约束式检索，SatIR、VERDICT 系统，作业 1 截止）以及 10/7 学生项目选题等。 ## 概览 - 语言：英文 - 规模：17 次授课 - 动手：2 次作业 · 期末项目 ## 学完你能 - 理解把 LLM 变成有用、可信赖 agent 的设计思路与计算思维 - 掌握面向开放域知识整理的研究式检索与阅读方法（STORM / Co-STORM） - 用 SMT 与约束满足式检索实现可问责的高召回高精度决策 - 构建无幻觉的 RAG 对话系统并做事实性与评估方法设计 - 用 ReAct 等 agent 以自然语言查询知识库、图与混合结构数据 - 完成并展示一个 agentic AI 研究项目 ## 适合你吗 - 适合：想研究 LLM agent 与深度研究系统的学生 - 适合：对可问责决策、RAG 事实性、知识检索感兴趣的学习者 - 适合：准备做课程研究项目并需要选题与系统案例参考的人 - 暂不适合：只想学习 LLM 入门基础、不涉及 agent 系统设计的人 - 暂不适合：希望完全自定进度、不需要项目与作业安排的人 - 需要先会：材料未说明先修要求；内容涉及语义解析、逻辑约束与数据库查询，需具备相关背景。 ## 课程特点 - 内容侧重：以 LLM 为基础的可信赖 agent 设计：知识检索与整理、可问责决策、抑制幻觉、任务型与编码 agent。 - 练习与项目：两次作业（Homework 1、Homework 2）、项目提案与提案展示、期末项目展示；讲义以 PDF 形式提供。 - 投入时间：每周约两次课，学期自 9/23 至 12/2；具体每讲时长与总学时材料未给出。 ## 内容覆盖 - Introduction：从幻觉到可用可信的 agent - Knowledge Curation：STORM / Co-STORM - Research project ideas：AOS 架构与 harness - Accountable AI: SMT：SatIR、VERDICT - Student project ideas：初步项目提案 - Constraint Satisfaction Based Retrievers：SatIR（一） - Constraint Satisfaction Based Retrievers \+ 小组提案展示 - How to RAG without hallucination：WikiChat - Project Proposals：小组提案展示 - ReAct Agents 查询知识库与图：SPINACH、DataTalk - Agentic Data-Driven Research：DataSTORM - Querying Hybrid（结构化与非结构化）Data：SUQL - Long-Context Long-Horizon Deep Researcher：SLIDERS - Minimizing hallucination in task-oriented agents：Genie Worksheet - Coding Agents：编码 agent 的构成与 harness 优化 - VLMs for Transcription：历史文献转写 - Training LLMs：指令跟随模型与训练数据 - Project Presentations：期末项目展示 --- 来源：LearnMap · 学径（https://oplearnx.com）