Stanford CS329Z：Engineering AI Agents（2026 秋）

请帮我把「Stanford CS329Z：Engineering AI Agents（2026 秋）」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://cs329z.stanford.edu/
我的系统：macOS。如果实际不符，先调整方案。
本次路线：macOS：在本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：两次编程作业（HW1 在公开 GitHub 仓库发布，HW2 待发布）加整学期项目（提案、中期演示、论文视频、期末演示）。作业有本地测试：uv run pytest 为确定性测试，uv run pytest -m live -s 调用真实模型并打分、会产生费用。提交方式页面未说明，项目和评分面向选课学生；外部学习者可完成作业并用本地测试自评，项目可自选题目实践。
课节（官方顺序）：
1. Foundations & Landscape Introduction：https://web.stanford.edu/class/cs329z/slides/lecture01.pdf
2. LLMs for Builders：https://web.stanford.edu/class/cs329z/slides/lecture02.pdf
3. Building Blocks: Retrieval-Augmented Generation (RAG)：https://web.stanford.edu/class/cs329z/slides/lecture03.pdf
4. Tool Use & Function Calling：https://web.stanford.edu/class/cs329z/slides/lecture04.pdf
5. Frameworks & Agent Design：https://web.stanford.edu/class/cs329z/slides/lecture05.pdf
6. Agent Design Patterns & Scaffolds：https://cs329z.stanford.edu/
7. Memory & Multi-Agent Systems: Agent Memory Architectures：https://cs329z.stanford.edu/
8. Multi-Agent Systems：https://cs329z.stanford.edu/
9. Optimization：https://cs329z.stanford.edu/
10. Guest Lecture (TBA)：https://cs329z.stanford.edu/
11. Data for Agentic Systems：https://cs329z.stanford.edu/
12. Data Selection & Quality：https://cs329z.stanford.edu/
13. Evaluation for Agentic Systems: Fundamentals & Benchmark Design：https://cs329z.stanford.edu/
14. LLM-as-Judge & Evaluation Infrastructure：https://cs329z.stanford.edu/
15. Agent Safety & Guardrails：https://cs329z.stanford.edu/
16. Guest Lecture (TBA)：https://cs329z.stanford.edu/
17. Coding Agents & Proactive Agents: Coding & Software Agents：https://cs329z.stanford.edu/
18. Proactive Agents：https://cs329z.stanford.edu/
19. Open Problems & Final Demos：https://cs329z.stanford.edu/

1. 环境
- 安装 uv（按 uv 官方说明，或 brew install uv）。
- git clone https://github.com/cs329z/assignment1-harness assignments/assignment1-harness，在该目录 cp .env.example .env。
- 请我在 .env 填入 OPENROUTER_API_KEY，并设置 CS329Z_BUDGET_USD；实时测试会产生费用。
- 执行 uv run python data/download.py；暂不运行会调用模型的测试。
- 可先在仓库目录执行uv sync --frozen和uv run pytest --collect-only -m "not live"，验证依赖与测试加载；无需先填写密钥。真实模型调用仍须完成API配置。
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 作业 1：Building an Agentic Harness（起始代码）：git clone --depth 1 https://github.com/cs329z/assignment1-harness 到 assignments/assignment1-harness/（许可：MIT）；本次准备个人学习副本，转载或发布修改版另按上述许可条件处理。
- 课件 PDF（第 1–5 讲已发布，后续随课更新）：只记录链接 https://web.stanford.edu/class/cs329z/slides/lecture01.pdf
- 课程录像、Canvas、Ed：只记录链接 https://cs329z.stanford.edu/logistics（录像只在斯坦福 Canvas 上提供，外部无法访问）
3. 目录（最外层放在我确认的位置）
cs329z-2026/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── assignments/assignment1-harness/ # 官方材料
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-foundations-landscape/
    ├── 02-llms-for-builders/
    ├── 03-rag/
    ├── 04-tool-use-function-calling/
    ├── 05-frameworks-agent-design/
    ├── 06-design-patterns-scaffolds/
    ├── 07-agent-memory/
    ├── 08-multi-agent-systems/
    ├── 09-optimization/
    ├── 10-guest-lecture-1/
    ├── 11-data-for-agentic-systems/
    ├── 12-data-selection-quality/
    ├── 13-evaluation-benchmark-design/
    ├── 14-llm-as-judge/
    ├── 15-safety-guardrails/
    ├── 16-guest-lecture-2/
    ├── 17-coding-software-agents/
    ├── 18-proactive-agents/
    └── 19-open-problems-demos/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - uv --version  → 输出 uv 版本
  - cd assignments/assignment1-harness && uv run python --version  → Python 3.11 或更高
  - uv run --project assignments/assignment1-harness python -c "from pathlib import Path; assert Path('assignments/assignment1-harness/data/emails/emails.jsonl').is_file(); print('emails-ready')"  → 作业数据已解压
  - cd assignments/assignment1-harness && uv run python -c "import sys; print(sys.version)"  → Python 可启动；不触发模型调用，作业未完成不要求测试全绿。
  - cd assignments/assignment1-harness && uv run pytest --collect-only -m "not live"  → 无需模型密钥即可加载确定性测试。官方起始代码尚未填写时，实际执行pytest会报NotImplementedError，这是待做题目，不是环境安装失败；live测试仍需API与费用确认。
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。