Stanford刚开了门CS329Z: Engineering AI Agent…

Stanford刚开了门CS329Z: Engineering AI Agents，看完整份syllabus，发现他们对Agent技术栈的理解比大多数教程深一个层次。 前半程讲的是基础能力：RAG、Tool Use、MCP、Agent Framework，这些大家已经比较熟悉了。 真正有意思的是后半段。 第一节课就把Agent Engineering的核心工程问题概括成三个词：Decomposition（任务拆解）、Data（数据）、Evaluation（评估）。 后面的课程沿着这条线展开，从Agent Data、Trajectory、Memory、Optimization，一直讲到Evaluation、Coding Agent、Long-running Agent和Reliability。 作业设计也值得关注。第一个作业让学生从零搭Agent；第二个直接变成Evaluate an Agent：自己设计benchmark、grader、LLM-as-Judge和error analysis。Evaluation甚至连续讲了两周。 一个很有意思的细节：课程专门讲pass@k和pass^k。前者看多试几次能不能成功一次，后者看连续跑很多次能不能都成功。对Agent来说，这对应两种完全不同的可靠性指标。 Multi-Agent那一节也很克制。一边讲orchestration、handoff和collaboration，一边专门讨论协调失败和错误传播，reading里甚至放了一篇《Don't Sleep on Single-agent Systems》。至少从这份syllabus看，更多Agent并没有被默认等同于更好的系统。 这门课更像是Stanford对2026年Agent技术栈的一次切片。RAG、工具调用这些能力正在变成底座，后面更值得挖的是：数据怎么来、系统怎么评、Agent怎么优化，以及它能不能在复杂、长时间的真实环境里稳定跑下去。 课程地址：cs329z.stanford.edu