斯坦福教授开设AI Agent开发课 聚焦真实工程实践

斯坦福兼职教授、Monaco AI负责人Mihail Eric在近期播客访谈中，介绍了他于2024年末开设的「CS146S现代软件开发者」课程的设计初衷与迭代变化。彼时编程智能体已开始改变软件开发的模式，但相关实践方法多零散分布在博客与个人经验中，因此他希望将这些内容梳理成一套面向真实工作场景的课程，帮助具备基础的学生将理论知识转化为生产环境中的实际应用。

与课程开设初期相比，当前的课程不再局限于介绍智能体在软件开发生命周期各环节的应用场景，而是更聚焦于逐步成型的工作原则，具体涵盖如何为智能体设计适配的上下文、处理复杂任务的架构方案，以及怎样调整代码库使其更适合智能体操作。

学生的学习路径也更具实操性：从理解智能体的内部运行机制入手，亲手搭建一个简化版编程智能体，随后逐步学习大规模上下文工程、工具与MCP、技能与自动化配置、子Agent设计、适配智能体的代码库构建，以及智能体代码审查等核心内容。

在Eric看来，智能体生成代码的速度不断提升，这让代码审查环节逐渐成为新的瓶颈——开发者需要更高效地检查、理解和验证智能体产出的改动，才能确保代码质量。

课程内容的另一重要调整是从传统讲义练习转向真实开源项目。Eric指出，过去的课堂作业往往过于简单，学生仅需让智能体单次生成即可完成，学习价值有限；而当前课程要求学生参与实际的开源贡献项目，并完成开放式的实践任务。课程仍保留了基础概念练习，帮助学生理解技能、工具和适配智能体的代码库等核心知识，但真正的学习收获更多来自将工具应用于实际代码和真实问题的过程中。

为了让学生更深入理解智能体的运行逻辑，而非仅停留在使用层面，Eric会用代理工具拦截Claude Code的请求与响应，带领学生观察系统提示、计划提示和上下文压缩的完整过程，让他们直观看到智能体背后的工作机制。

针对学生普遍存在的就业焦虑，Eric认为，受过良好训练、懂得如何有效使用AI工具的工程师依然具备较高价值，但行业入行门槛正在逐步提高。仅能完成初级工程任务已不再足够，新入行的工程师需要更快达到较强的综合水平。

他同时强调，基础的软件工程知识依然重要——开发者需要理解系统的构建逻辑和不同设计方案的取舍，而更多实现细节可以交由智能体处理。由于行业和课程的变化速度极快，他无法声称自己掌握所有答案，因此课程会邀请一线从业者分享最新实践，并持续调整内容以贴合行业需求。

对于如何跟上行业变化，Eric提出了一个轻松可行的建议：无需每天投入大量时间，每天花十分钟尝试一种新工具，或是用新方法完成一个熟悉的问题，就能帮助工程师保持实践感。

课程还会涉及开源项目参与、代码审查方法，以及如何判断代码库是否适合智能体操作等内容。Eric鼓励学生亲自拆解智能体的运行过程，理解它如何获取上下文、调用工具、检查输出，这样才能更好地设计适配智能体的系统，并判断其输出的可靠性。