斯坦福Agent工程课开源:教你从零搭 Agent
原创 乱码 2026-11-19 15:07 北京

这两年,大家聊 Agent 时,话题已经从“模型能不能回答问题”,转向了“怎么让它调用工具、处理任务、管理上下文”了。
Harness 也越来越常被提起。
想学习怎么做 Agent 的朋友,救星来了。
斯坦福今年秋天开了一门新课,叫 CS329Z:Engineering AI Agents,专门教大家怎么搭建 Agent 系统。
课程从最基础的组件讲起,教你怎么让模型查资料、调用工具、记住信息,又怎么把这些能力组合起来,让 Agent 一步步完成任务。
这些概念听着有点抽象,我们可以拿一个熟悉的产品来理解下
当你给 Claude Code 一个任务时,它会查看文件、运行命令,拿到结果后再决定接下来做什么。支撑这些动作的,除了大模型本身,还有模型外面负责连接工具、管理执行过程的程序。
这层程序,就是大家常说的 Harness。
这门课要教的,就是怎么把这些东西搭起来。
除了讲课,课程还安排了两份动手作业和一个贯穿学期的项目。学生需要亲手搭建 Agent,还要学习如何评估它究竟做得怎么样。
◈课程内容,从 Agent 架构到数据、优化与评测
这门课的授课老师是斯坦福计算机科学系的 Diyi Yang、Michael Ryan 和 John Yang 授课。

根据斯坦福官网公布的日历,CS329Z 于今年 9 月 23 日正式开课,常规课程持续至 12 月 2 日,所以课程在官网中也还在陆续更新。
从整体安排来看,课程可以分为四个阶段。
第一阶段从 Agent 的基本原理讲起,介绍 RAG(检索增强生成)、工具调用等核心技术。重点是让学生理解,Agent 如何获取外部信息、使用工具,并根据执行结果决定下一步行动。

课程资料
9月23日|Agent 系统基础
Slides:https://web.stanford.edu/class/cs329z/slides/lecture01.pdf
Video:https://youtu.be/DGI4vucR71w
9月28日|面向开发者的 LLM
Slides:
https://web.stanford.edu/class/cs329z/slides/lecture02.pdfVideo:https://youtu.be/Vr1NzH8bT44
9月30日|检索增强生成(RAG)
Slides:
https://web.stanford.edu/class/cs329z/slides/lecture03.pdfVideo:https://youtu.be/psLc-46GqY0
10月5日|工具使用与函数调用
Slides:
https://web.stanford.edu/class/cs329z/slides/lecture04.pdf
Video:https://youtu.be/s0S38lz6O7M
第二阶段则介绍了如何搭建 Agent 系统。课程通过引入 Agent Harness、DSPy、LangGraph 等框架,讨论如何管理任务流程、上下文与记忆,以及多个 Agent 如何分工协作。简单来说,就是让 Agent 不仅能调用工具,还能有条理地完成复杂任务。

课程资料
10月7日|框架与编排
Slides:
https://web.stanford.edu/class/cs329z/slides/lecture05.pdf
Video:https://youtu.be/q0Q-Hy8TTps
10月12日|Agent 设计模式
Slides:
https://web.stanford.edu/class/cs329z/slides/lecture06.pdfVideo:https://youtu.be/JC_pLC5EX_w
10月14日|Agent 记忆架构
Slides:
https://web.stanford.edu/class/cs329z/slides/lecture07.pdf
Video:https://youtu.be/qh5tP6PBZ6U
10月19日|多 Agent 系统
Slides:
https://web.stanford.edu/class/cs329z/slides/lecture08.pdf
Video:https://youtu.be/TlX_ft_PQIM
第三阶段的课程则关注 Agent 的评测中。课程介绍了如何通过优化算法、微调、强化学习以及执行数据反馈,让 Agent 更高效、更稳定地完成任务。

课程资料
10月21日|Agent 优化
Slides:
https://web.stanford.edu/class/cs329z/slides/lecture09.pdf
Video:https://youtu.be/e_m99aR7_3Q
10月26日|Terminal-Bench 嘉宾讲座
Slides:
https://web.stanford.edu/class/cs329z/slides/lecture10.pdfVideo:官网暂未提供
10月28日|Agent 系统的数据
Slides:
https://web.stanford.edu/class/cs329z/slides/lecture11.pdf
Video:官网暂未提供
11月2日|数据筛选与质量
Slides:
https://web.stanford.edu/class/cs329z/slides/lecture12.pdf
Video:官网暂未提供
最后一个阶段则聚焦在 Agent 的评测、安全与实际应用。如何判断一个代码 Agent 是否真的修复了 Bug?如何衡量它在真实工作环境中的成功率?当 Agent 能够读取文件、操作电脑时,又该如何防止权限滥用和提示注入等安全风险?

课程资料
11月4日|评测基础与基准设计
Slides:
https://web.stanford.edu/class/cs329z/slides/lecture13.pdf
Video:官网暂未提供
11月11日|LLM-as-Judge 与评测基础设施
Slides:
https://web.stanford.edu/class/cs329z/slides/lecture15.pdf
Video:官网暂未提供
11月18日|Agent 安全与防护
Slides:
https://web.stanford.edu/class/cs329z/slides/lecture17.pdf
Video:官网暂未提供
为了让学习者更好地从真实项目出发进行体验,课程还邀请了 Terminal-Bench 和 SWE-bench 等知名 Agent 评测项目的创建者参与授课。
从工具使用、系统搭建到性能优化、评测和安全,这门课基本覆盖了 Agent 开发中的关键环节。对于已经了解大模型基本原理、希望进一步动手构建 Agent 的学习者来说,它提供了一条相对完整的学习路径。
◈两次核心作业:先造 Agent,再给 Agent 出考题
课程之外,还有两次实操作业,直接对应 Agent 开发过程中最关键的两个问题。
第一次作业围绕怎样把一个 Agent 真正做出来,第二次作业则是关于怎样证明它做得足够好?
第一份作业叫做 build an agentic harness, 要求学生从零开发一套企业内部 AI 助手。

作业代码:
官方提供了一个企业邮件档案和内部文档环境,学生需要在此基础上逐步构建系统。
例如,让 AI 判断某封邮件是否重要、汇总指定日期的邮件,或者根据企业内部文档回答员工的问题。
这份作业还有一项明确限制:不能直接依赖现成的 Agent 框架。学生只能使用基础的模型调用接口和自己编写的代码,实现核心逻辑。
作业还设置了自动化测试,并提供模型调用缓存、Token 成本记录和预算控制机制。学生不仅需要考虑系统是否可用,还必须面对真实开发中的成本、容错和调试问题。
第二份作业 evaluate an agent ,不再要求学生重新搭建 Agent,而是提供已有的 Agent,让学生设计一套完整的评测方案。

作业代码:
这一次,学生要从开发者转变为测试者。他们需要根据四元组框架构建评测任务,明确 Agent 的执行环境、任务目标、停止条件和评分规则。
评分方式既包括能够自动判断结果的代码评分器,也要求至少使用一种 LLM-as-Judge 方法,即让语言模型参与评估任务结果。
学生还需要分析 Agent 的错误,判断问题究竟来自任务理解、工具使用、环境限制,还是评分方法本身。
除了两次作业,课程还要求学生独立或者合作开发一个完整的agent。学生也可以选择开发针对特定代码库的 Coding Agent,甚至不开发新系统,而是深入评估已有 Agent 的失败模式。
但无论选择什么方向,课程都要求不能只是做出一个能够运行的演示,还必须证明系统的实际效果。
学生需要提前明确评测任务、数据来源、成功标准,并将自己的结果与基线方法进行比较,分析系统在哪些情况下能够成功,又为什么会失败。
◈从“让 Agent 运行”到“证明 Agent 可靠”
从整门课的安排来看,有两个非常鲜明的特点。
首先,它强调从零实现,而不是直接依赖现成框架。其次,它将评测提升到了与开发同样重要的位置。
与普通大模型回答一道题不同,Agent 的任务往往涉及多个步骤,而且运行过程具有不确定性。
而且想要开发一个成功可靠的 Agent ,开发者还需要知道它的成功率如何,运行成本有多高,结果能否复现,以及哪些任务最容易失败。
还有一个有趣的细节是,课程明确允许学生使用生成式 AI 辅助编程、调试和理解概念,但要求学生能够解释并验证自己提交的代码。
从选择问题、设计架构、组织工具,到收集数据、优化系统、建立评测,开发者需要负责的是整个系统的运行效果。
对于正在开发 Agent 应用的工程人员而言,这门课程提供了一条值得参考的学习路径:先搞清楚 Agent 为什么能工作,再理解它为什么会失败,最后学习如何让它更可靠地完成任务。
需要提醒的是,这门课默认学习者具备一定的计算机科学和 NLP 基础,并不适合完全没有编程经验的初学者直接上手。
不过,即使暂时不打算自己开发 Agent,也可以通过这份课程大纲感受到一个重要的技术变化:
AI Agent 的竞争,不只是模型能完成多少任务,还在于开发者能否把这些能力组织成真正可用、可控、可验证的工程系统。

参考文献
[1] 课程官网: https://cs329z.stanford.edu/
[2] 课程要求与考核: https://cs329z.stanford.edu/logistics.html
[3] https://cs329z.stanford.edu/project.html
[4] 作业一(Agent Harness): https://github.com/cs329z/assignment1-harness
[5] 作业二(Agent Evaluation): https://github.com/cs329z/assignment2-evals
本文转载自微信公众号「夕小瑶科技说」,查看原文。版权归原作者所有,如有侵权请联系删除。