斯坦福CS 329Z Agent工程课第1讲：智能体系统入门

这门课是 Stanford 2026 年秋季新开的 CS 329Z《Engineering AI Agents》，讲师是 Diyi Yang、Michael Ryan 和 John Yang。 据课程官网，每周一和周三各一讲，一共 17 讲。 课件在课程官网公开，我每讲写一篇，按课件逐页讲，一页不跳。 第 1 讲叫「Intro to Agentic Systems」，官网课表上是 9 月 23 日，课件 71 页。

它要回答三个问题：agent 这个词从哪来，今天的 agent 由哪几块拼起来，做 agent 最难的地方在哪。 讲师在大纲页写的学习目标是：熟悉建在 LLM 之上的 agent 循环，认识 agent 的关键组件，了解 agent 训练和评估里还没解决的问题。 下面是这一讲的大纲，一共五块，后文按这个顺序走。 CS329Z 第 1 讲课件 · 第 4 页 一、课程介绍 开场几页行政内容交代了三件事：模型和系统两边都要懂； 学生应该用 AI 学习； 用 AI 学习有代价。

CS329Z 第 1 讲课件 · 第 5 页 第 5 页讲为什么要开这门课。 讲师把做 agent 的人分成两拨： LLM 的人 懂模型怎么训练和对齐，也懂怎么写 prompt 和做评估； 做系统的人 懂怎么把软件搭得可靠，工具和 API 之外，还有运行环境和基础设施。 LLM agent 时代两边都要懂。 所以这门课的安排是「基础理论讲座 + 动手搭建和评估 agent」。 CS329Z 第 1 讲课件 · 第 6 页 第 6 页是整门课的地图，分左右两栏。

第 1 到第 5 周讲基础，共六块：给开发者的 LLM 用法； 检索增强生成（RAG）； 工具调用； agent 设计与脚手架； agent 记忆； 多 agent 系统。 第 5 周之后讲进阶，也是六块：优化与 harness； agent 的数据； 评估与基准； 安全与护栏； 编码 agent； 主动型 agent。 补充 脚手架（scaffold）和 harness 指同一层东西，就是包在模型外面那层程序，工具和记忆这些东西，连同循环控制，都靠它接到模型上。

模型本身只会「输入一段文字，输出一段文字」，让它变成能干活的 agent，靠的是这一层。 CS329Z 第 1 讲课件 · 第 7 页 第 7 页标题是「特邀嘉宾」，页面上放的是两个排行榜截图，没有写嘉宾名字。 左边是 Terminal-Bench 4.0，第一名是 GPT-6 Astra 配 Codex（58.2%），第二名 Fable 5.1 配 Claude Code（57.9%），第三名 Opus 5 配 Claude Code（53.9%）。

右边是 SWE-bench Verified 的榜单，设置是用 mini-SWE-agent 且只允许用 bash，第一名 Claude 4.5 Opus 解决了 76.80% 的问题。 补充 Terminal-Bench 测 agent 在命令行里完成真实任务的能力； SWE-bench Verified 是从真实 GitHub issue 里人工筛出的 500 道题，让 agent 改代码修 bug。

Terminal-Bench 的榜单同时列出模型和 agent 两列，排名针对的是「模型 + harness」的组合； SWE-bench 这张截图则把 agent 固定为 mini-SWE-agent，只比模型。 CS329Z 第 1 讲课件 · 第 8 页 第 8 页是评分构成。 项目占 40%（开题 5%，中期报告和中期演示各 5%，期末提交 15%，期末系统演示 10%），作业 15%，基于作业的小测 15%，论文视频 10%，同学互评 20%。

CS329Z 第 1 讲课件 · 第 9 页 第 9 页解释了几项不常见的考核。 基于作业的小测 是一次 15 分钟的口头问答，问你作业里的任何一部分。 论文视频 是自己挑一篇课上没讲的 agent 论文，录一段 10 分钟的讲解。 互评 覆盖论文视频和中期演示，也覆盖 agent 评估和期末演示； 反馈要具体，要有建设性； 打分看两件事：反馈有没有用，作者有没有采纳。

CS329Z 第 1 讲课件 · 第 10 页 第 10 页是讲师的 office hours 时间表，第 1 周没有，第 2 周起三位讲师轮流，地点在 Gates 楼。 CS329Z 第 1 讲课件 · 第 11 页 第 11 页是课程政策，其中一条用红色标出： You should use AI to learn ，应该用 AI 来学习。 另外三条是：遵守 Stanford 的荣誉准则； 上课时强烈不建议用笔记本电脑； 每人一共有 3 天免罚迟交，同学互评和期末论文不能迟交。

CS329Z 第 1 讲课件 · 第 12 页 第 12 页是先修要求和算力。 强烈建议先修过以下任一门：CS 224N，224V，CS 336，或同等课程。 讲师写明默认学生懂训练集、验证集和测试集的划分，也懂预训练、微调、对齐和 prompt 这些概念，课上不再讲。 算力方面，每个学生有 Laude Institute 提供的 200 美元和 Thinking Machine 提供的 250 美元额度。

CS329Z 第 1 讲课件 · 第 13 页 第 13 页说课程已满员，前两周常有人退课空出名额，课件和录像会放到网上。 CS329Z 第 1 讲课件 · 第 14 页 第 14 页没有标题，只有一张图。 它来自一篇 2026 年 6 月的预印本《The generative AI learning penalty: evidence from Chinese secondary education》，作者 D. Strömberg 等，样本是 26,811 名 12 到 18 岁的中国中学生。

上半部分是作业成绩的分布：用了 AI 以后，作业分数整体右移，比以前高。 下半部分是考试成绩的分布：同一批学生用了 AI 以后，考试分数整体左移，比以前差。 图上的标注原话是「Pupils using AI scored higher in their homework」和「But did worse in their exams」。 CS329Z 第 1 讲课件 · 第 15 页 第 15 页是第二份证据，来自 Anthropic 的一项研究。

左图比较用 AI 辅助和不用 AI 的两组程序员：完成任务的时间差别不显著（p = 0.391），之后测验的得分差别显著（p = 0.010），用 AI 那组明显更低。 右边是论文里的一句原话：「我们发现使用 AI 辅助导致掌握程度出现了统计上显著的下降。 」 这一页的 PDF 里还有一段文字被图片盖住了，页面上看不到。 内容是：这是一项随机对照实验，52 名工程师学一个新的 Python 库，一组用 AI 一组不用； 用 AI 那组在随后测验里低了 17%，约等于两个字母等级；

差距在调试能力上最明显，讲师在这里加了一句「这正是资深工程师的核心能力」。 出处写的是 Shen & Tamkin（Anthropic, 2026）。 补充 这三页连着看。 第 11 页的政策说应该用 AI 学习，第 14、15 页给出用 AI 的代价，两项研究测的都是用 AI 把活干完之后，人自己学会了多少。 第 16 页是讲师给的落点。 CS329Z 第 1 讲课件 · 第 16 页 第 16 页只有两行字：「Use AI to learn how to learn」，用 AI 去学怎么学习；

「It's about you and your CS329Z」，这门课学成什么样取决于你自己。 二、Agent 简史 agent 这个概念比 LLM 早了五十年，经历了符号、强化学习、LLM 几个时代，LLM 让它第一次能用自然语言推理和调工具。