课程进阶
Stanford CS329Z：AI 智能体工程（2026 秋）
斯坦福大学 CS329Z“Engineering AI Agents”2026 年秋季课程主页，授课教师包括 Diyi Yang、Michael Ryan、John Yang 等。课程围绕从单体语言模型转向由 LLM、检索器、工具和优化器等多个组件构成的复合 AI 系统，讲授如何选择问题、拆解问题、选择组件、收集与整理数据、构建评估以及权衡设计取舍；学生先从零实现 RAG、工具调用、智能体循环等核心组件，再学习 DSPy 等框架的抽象，并通过两次作业和一个整季项目实践构建、优化与评估智能体系统。课程周一、周三 13:30–14:50 在 Skilling Auditorium 上课。
- 分级
- 值得看
- 收录时间
- 2026-10-29
- 难度
- 进阶
- 语言
- 英文
- 规模
- 17 讲 · 10 周
- 动手
- 2 次作业 · 期末项目
学完你能
- 判断该做哪类问题，并把问题拆解为可构建的智能体系统组件
- 从零搭建 RAG、工具调用与智能体循环等核心组件，再理解 DSPy 等框架如何抽象这些模式
- 为智能体系统收集与整理数据，区分用于优化和用于评估的数据
- 为智能体系统设计评估方案，包括评测四元组、基准设计与 LLM 打分
- 分析检索、工具、记忆、多智能体、安全、编码智能体等环节的设计权衡与常见失败模式
- 完成一个季度项目，构建、优化并评估一个智能体系统
适合你吗
适合
- 想亲手构建并评估 AI 智能体系统的学生与工程实践者
- 已了解 LLM 基础、希望深入 RAG、工具调用、智能体循环与框架的人
- 准备做智能体方向的课题或课程项目、需要系统方法论的人
暂不适合
- 只想了解智能体概念、不打算投入作业与项目的人
- 完全没有编程与 LLM 使用经验的人
需要先会
需具备 LLM 与机器学习基础并有一定编程能力；课程会讲面向构建者的模型内部原理（注意力、解码、训练后流程等），但材料未列出正式先修课程。
课程特点
- 内容侧重
- 以复合 AI 系统与智能体工程为主线，覆盖从 LLM 流水线到自主智能体的全谱系，兼顾组件实现、数据、评估、优化与安全。
- 练习与项目
- 两次应用型作业（HW1、HW2）、季度项目（提案、中期演示视频、中期报告、论文视频与互评、最终报告与系统演示）；部分讲座附代码与幻灯片。
- 投入时间
- 每周一周三上课，每次 1:30–2:50 p.m.（约 80 分钟），共 10 周教学，另有期末周演示。
内容覆盖
- 第 1 讲 基础与版图：什么是智能体系统
- 第 2 讲 面向构建者的 LLM：解码、注意力、训练后与上下文工程
- 第 3 讲 构建模块：检索增强生成（RAG）
- 第 4 讲 工具使用与函数调用
- 第 5 讲 框架与编排：DSPy、LangGraph、编排与可观测性
- 第 6 讲 智能体设计模式与脚手架
- 第 7 讲 智能体记忆架构
- 第 8 讲 多智能体系统
- 第 9 讲 优化：上下文优化、权重优化与智能体作为优化器
- 第 10 讲 客座讲座：Terminal-Bench
- 第 11 讲 智能体系统所需的数据
- 第 12 讲 数据选择与质量
- 第 13 讲 评估基础与基准设计
- 第 14 讲 与 Andrew Ng 炉边谈话
- 第 15 讲 LLM 作为评判者与评估基础设施
- 第 16 讲 客座讲座：SWE-bench
- 第 17 讲 智能体安全与护栏
- 第 18 讲 编码与软件智能体
- 第 19 讲 主动式智能体
- 期末周 开放问题与最终演示