Stanford Opens CS 329Z Engineering AI Agents Course Materials
CS 329Z: Engineering AI Agents Stanford / Fall 2026 @stanfordnlp https://t.co/Ko6UarsQff 课程定位：从"模型...
The course is structured around three engineering pillars—decomposition, data, and evaluation—giving practitioners a curriculum-level map of what production agent work actually demands beyond prompt tinkering. Developers and ML engineers building agents can use the free lecture notes as a self-study path, especially the coverage of DSPy, MCP and memory architectures. Its critical reading list, including 'Why Do Multi-Agent LLM Systems Fail?', offers a rare sceptical counterweight to agent hype.
Stanford's Fall 2026 course CS 329Z, Engineering AI Agents, teaches the shift from single LLM pipelines to compound AI systems and autonomous agents. It is taught by Diyi Yang, Michael Ryan, and John Yang, the author of SWE-agent and SWE-bench. The syllabus spans five modules over 11 weeks, covering RAG, tool calling, MCP, frameworks like DSPy and LangGraph, memory architectures including MemGPT and Mem0, and optimisation methods such as GEPA, MIPROv2 and TextGrad. Lecture notes for week 7 on Agent Memory Architectures were publicly released, and materials are hosted at cs329z.stanford.edu.
CS 329Z: Engineering AI Agents Stanford / Fall 2026 @stanfordnlp https://t.co/Ko6UarsQff 课程定位：从"模型...
CS 329Z: Engineering AI Agents Stanford / Fall 2026 @stanfordnlp cs329z.stanford.edu 课程定位：从"模型"到"系统"的工程学覆盖：简单 LLM 流水线 → 复合 AI 系统 → 自主 Agent。 @Diyi_Yang @michaelryan207 @jyangballin 三位老师主讲，今天第 7 讲「Agent Memory Architectures」讲义公开： web.stanford.edu/class/cs329z/s… meng shao @shao__meng CS 329Z: Engineering AI Agents Stanford / Fall 2026 @stanfordnlp cs329z.stanford.edu 课程定位：从"模型"到"系统"的工程学 覆盖：简单 LLM 流水线 → 复合 AI 系统 → 自主 Agent。三位讲师的背景也高度互补： @Diyi_Yang （斯坦福 NLP 教授，人机交互与社会计算方向） @michaelryan207 （DSPy 核心贡献者，自动评估 AutoMetrics 作者） @jyangballin （SWE-agent / SWE-bench / SWE-smith 作者，软件工程 Agent 领域最重要的研究者之一） # 课程主线：三大工程挑战 贯穿全课的三个核心问题——分解（decomposition）、数据（data）、评估（evaluation）。11 周的内容基本围绕这三条线展开，可以分为五个模块： 模块 1：构建基元（Week 2–3） · LLM 作为构建材料：API/SDK（litellm）、结构化输出、约束生成、解码策略、test-time compute、上下文工程、模型选型与成本/延迟权衡 · RAG：embedding、向量库、分块策略、混合检索、cross-encoder 与 ColBERT 后期交互 · 工具调用：函数调用 API、MCP（Model Context Protocol）、工具设计、代码沙箱、错误处理与重试 模块 2：框架与设计模式（Week 3–5） · 框架层：DSPy（signature / module / optimizer）、LangChain/LangGraph、LlamaIndex，重点是"框架抽象了什么 vs. 你手写了什么" · 设计模式：workflow vs. agent 的分类学，五种可组合 workflow 模式，ReAct / plan-and-execute / reflection，"scaffold（脚手架）本身就是设计决策" · 记忆架构：短期/长期记忆、记忆作为工具动作、文件系统作为外化记忆、跨 Agent 记忆（MemGPT、Mem0、Generative Agents） · 多 Agent 系统：编排模式、handoff 与状态传递，以及一个很有态度的对照阅读——既读 AutoGen，也读《Why Do Multi-Agent LLM Systems Fail?》和 Neubig 的《Don't Sleep on Single-agent Systems》 模块 3：优化（Week 5） · 从提示词到微调的全景：GEPA、MIPROv2、OPRO、TextGrad（提示优化）；LoRA/QLoRA、蒸馏、RLHF/DPO（权重优化）；test-time scaling（推理算力） · 核心问题是决策框架：什么时候优化 prompt、什么时候优化 weights、什么时候堆推理算力 模块 4：数据与评估（Week 6–8）——最有分量的部分 · 数据：trace、demonstration、feedback 三类数据；训练数据 vs. 评估数据；数据飞轮；合成数据；从 Agent 轨迹构建数据集（SWE-smith） · 评估基础：为什么 eval 难；4 元组框架（request / environment / stopping criteria / scorer）；好 benchmark 的性质；tinyBenchmarks · 评估基础设施：三类 grader、LLM-as-judge 的 prompt 设计与已知偏差、pairwise vs. pointwise、非确定性指标 pass @k vs. pass^k、harness 设计 模块 5：安全与前沿（Week 8–11） · 安全：工具访问的隐私风险、prompt injection（含间接注入）、红队、沙箱与权限模型、输出护栏、human-in-the-loop · Coding Agent：SWE-agent、Claude Code、OpenHands 的端到端架构对比 · 主动式 Agent：从 reactive 到 proactive，General User Models（GUM）、Next Action Prediction，以及"Agent 何时应主动、何时应等待"的 mixed-initiative 问题 · 开放问题：多模态/web/计算机使用 Agent、科学 Agent、长时运行架构、生产可观测性（tracing、monitoring、成本管理） # 作业设计：一手建、一手评 HW1：从零构建 Agent 系统（10%） 给定论文库，构建能检索并推理回答科学问题的 Agent。 · Part A：只用 litellm 手写 RAG + 工具调用 + ReAct 式 Agent 循环 · Part B：用 DSPy 重建关键组件，并反思框架抽象了什么 HW2：评估一个 Agent（10%） 给定一个预构建 Agent，设计完整评估套件：代码型 grader、至少一个 LLM-as-judge、用 4 元组框架构建 benchmark 任务、错误分析。 🔗 View Quoted Tweet 💬 1 🔄 0 ❤️ 5 👀 290 📊 2 ⚡