CS329Z中文学习站

Stanford CS 329Z · Fall 2026 · https://cs329z.stanford.edu/

Engineering AI Agents
AI 智能体工程 · 中文学习站

本站收录该课程全部 50 篇阅读材料(35 篇论文 + 15 篇博客/规范)的中文版:论文提供逐章精读笔记(摘要全译 + 方法与实验详解),博客/规范提供全文中译,全部支持在线阅读,并可跳转原文。

12主题大类
50篇材料
21篇必读
100%中文覆盖
关于本站:这是 Stanford CS 329Z《Engineering AI Agents》(2026 秋)全部 49 篇阅读材料的中文学习库——35 篇论文已完成逐段中英对照全译(2,035 个对照段、44.9 万中文字,宽屏下英文左栏/中文右栏),15 篇博客与规范全文中译,全部 PDF 原件在线可读;官网已放出 14 讲讲义与 7 讲官方录像,本站同步收录。完全免费、无广告、开源。
⭐ 在 GitHub 点个 Star · 45

课程表与阅读材料 材料总目录 →

📖 论文逐段全译对照进度:35 / 35 篇已完成——完成篇带 全译对照 徽章(正文每段英文原文+中文全译,页内可切换仅看中文);其余论文暂为 论文精读(逐章精读笔记),博客类为 全文中译。全译对照持续更新中。
01

导论与背景

课程定位、复合 AI 系统与智能体设计模式总览 · 共 3 篇

9/23

课程导论 第1周

3 篇材料
02

LLM 与上下文工程

给开发者的 LLM 使用之道与上下文工程 · 共 2 篇

9/28

给开发者的 LLM 第2周

2 篇材料
03

检索增强生成

RAG 范式与稠密段落检索 · 共 2 篇

9/30

检索增强生成 RAG 第2周

2 篇材料
04

工具与框架

MCP 协议规范与 DSPy 编程模型 · 共 2 篇

10/5

工具调用与 MCP 第3周

1 篇材料
10/7

框架与编排 第3周

1 篇材料
05

智能体模式与记忆

ReAct 范式、MemGPT 与记忆架构 · 共 5 篇

10/12

Agent 设计模式 第4周

1 篇材料
  • 必读 全译对照 "ReAct:在语言模型中协同推理与行动"
    "ReAct: Synergizing Reasoning and Acting in Language Models"
    让 LLM 交错生成"思考"与"动作":推理引导行动、行动回馈证据。在 HotpotQA/FEVER 上克服幻觉与错误传播,在 ALFWorld/WebShop 上以 1-2 个示例分别超出模仿/强化学习 34% 与 10%。
10/14

Agent 记忆 第4周

4 篇材料
06

多智能体系统

协作框架、失败分析与动态团队 · 共 4 篇

10/19

多智能体系统 第5周

4 篇材料
07

优化

测试时计算扩展与提示优化 · 共 4 篇

10/21

优化:测试时计算与提示优化 第5周

4 篇材料
08

数据工程

数据飞轮、标注合成与数据选择 · 共 5 篇

10/28

数据 第6周

2 篇材料
  • 必读 全文中译 LLM 应用的数据飞轮
    Data Flywheels for LLM Applications
    提出用生产数据持续改进 LLM 应用的"评估—监控—持续改进"三段式飞轮框架:定义二值指标、动态少样本对齐裁判、把修复过的线上轨迹喂回提示。
  • 推荐 全译对照 "用于数据标注与合成的 LLM:综述"
    "Large Language Models for Data Annotation and Synthesis: A Survey"
    系统梳理 LLM 做数据标注/合成的三大环节——标注生成(指令/标签/理由/成对/文本反馈)、标注评估与过滤、标注利用(SFT/对齐/推理),并讨论模型坍塌、幻觉、伦理等挑战。
11/2

数据选择与质量 第7周

3 篇材料
09

评测

基准设计原则与 LLM-as-Judge · 共 7 篇

11/4

评测基础 第7周

3 篇材料
11/9

LLM-as-Judge 第8周

4 篇材料
  • 必读 全文中译 "解构 AI Agent 评测"
    "Demystifying evals for AI agents"
    "Anthropic 评测工程长文:系统讲解 Agent 评测的构成(任务/试验/评分器/轨迹/harness)、三类评分器、pass@k 与 pass^k,以及从零到一搭建可信评测的八步路线图。"
  • 推荐 全译对照 "AutoMetrics:用自动生成的评估器逼近人类判断"
    "AutoMetrics: Approximate Human Judgments with Automatically Generated Evaluators"
    "提出 AutoMetrics 框架:以少于 100 条人类反馈为输入,自动生成并从 48 个指标的 MetricBank 中检索候选,经 PLS 回归合成与人类判断高相关(最高提升 33.4% Kendall τ)的可解释指标,并可充当代理奖励。"
  • 必读 全译对照 "评审 LLM-as-a-Judge:MT-Bench 与 Chatbot Arena"
    "Judging LLM-as-a-Judge with MT-Bench and Chatbot Arena"
    "LLM-as-a-Judge 开山之作:提出 MT-Bench 与 Chatbot Arena 两大基准,系统研究 GPT-4 评审与人类偏好超 80% 的一致性,并分析位置、冗长、自我增强等偏差及缓解手段。"
  • 推荐 全译对照 "AutoLibra:从开放式人类反馈归纳 Agent 评测指标"
    "AutoLibra: Agent Metric Induction from Open-Ended Human Feedback"
    "提出 AutoLibra:把「按钮禁用就别再点」这类开放式人类反馈落地到轨迹行为、聚类归纳为可解释指标,并以覆盖度/冗余度两个元指标自动优化,可反哺提示优化使 Agent 成功率提升 20% 以上。"
10

安全与护栏

隐私、提示注入与攻防搜索 · 共 6 篇

11/11

安全与护栏 第8周

6 篇材料
11

编程智能体

SWE 基准、ACI 接口与智能体平台 · 共 5 篇

11/18

编程智能体 第9周

5 篇材料
12

前沿与开放问题

主动式智能体与真实世界环境基准 · 共 4 篇

11/30

主动式智能体 第11周

2 篇材料
12/2

开放问题 第11周

2 篇材料
✦

为什么值得学这门课 背景阅读

1 篇材料

课程讲义 · Lecture Slides

课程 9/23 开课后,官网随进度放出各讲幻灯片,本站同步收录 PDF 原件——已收录 14 讲,后续讲次待官网发布后跟进(11/11 Safety 讲 slides 待发布;官网暂缺 Lecture 14 编号,LLM-as-Judge 为第 15 讲;Lecture 10 为 10/26 Terminal-Bench 嘉宾讲座)。官方录像持续放出中(视频列,YouTube 渠道,国内访问需自备网络)。
讲次主题日期讲义视频
Lecture 1 课程导论:什么是智能体系统?
Introduction — What Are Agentic Systems?
9/23
Lecture 2 给开发者的 LLM
LLMs for Builders
9/28
Lecture 3 构建基石:检索增强生成 RAG
Building Blocks: Retrieval-Augmented Generation (RAG)
9/30
Lecture 4 工具调用与函数调用
Tool Use & Function Calling
10/5
Lecture 5 框架与编排
Frameworks & Orchestration
10/7
Lecture 6 智能体设计模式与脚手架
Agent Design Patterns & Scaffolds
10/12
Lecture 7 智能体记忆架构
Agent Memory Architectures
10/14
Lecture 8 多智能体系统
Multi-Agent Systems
10/19
Lecture 9 优化:测试时计算与提示优化
Optimization: Test-Time Compute, Prompt Optimization & Finetuning
10/21
Lecture 10 嘉宾讲座:Terminal-Bench 与 Harbor(智能体评测)
Guest Lecture: Evaluating Agents — Terminal-Bench & Harbor (Laude Institute)
10/26
Lecture 11 智能体需要什么数据?
What Data Do Agents Need?
10/28
Lecture 12 数据选择与质量
Data Selection & Quality
11/2
Lecture 13 评测基础与基准设计
Evaluation Fundamentals & Benchmark Design
11/4
Lecture 15 LLM-as-Judge 与评测基础设施
LLM-as-Judge & Evaluation Infrastructure
11/9

课程作业 · Homework

作业由课程官方发布(含 starter code),跟做作业请使用官方仓库;截止时间均为 23:59 PT。HW1 已于 10/30 截止;HW2 讲义与完整仓库本站已镜像。
作业主题发布截止链接
HW1 构建一个智能体脚手架
Build an Agentic Harness
10/5 10/30
Paper Video 论文视频(课程项目交付物)
Paper Video (Project Deliverable)
— 11/13
HW2 构建一个评测任务
Building an Evaluation Task
10/26 11/20
📖 HW1 作业概览(讲义 26 页 · 17 题 · 100 分,点击展开)

背景:为虚构公司 Cardinal Energy(内部文档 26 篇)和一份真实企业邮件档案(58MB)构建智能体系统——先做控制流写在代码里的 LLM 流水线,再做由模型决定下一步的智能体脚手架(harness)。

  • Part 1 · LLM 流水线:单次调用的邮件优先级排序、每日摘要生成、从零手写 BM25 检索器(2ms 性能要求)、多跳 RAG 问答
  • Part 2 · Cardinal Agent:自研工具调用循环——工具注册表与文本格式协议、把 Part 1 流水线包装成工具、文档检索工具、给智能体一个终端(沙箱)、长会话上下文压缩(compaction)、跨会话记忆、用户批准/拒绝/重定向、防提示注入护栏
  • 评测三层:确定性测试(不调 LLM)→ 真实模型阈值评测 → 模拟用户(LLM 人格)多轮对话任务成功率
  • 压轴题:Design Memo 设计备忘录(20 分)——阐述你的 harness 设计决策
  • 环境:uv + Python ≥3.11,OpenRouter API Key;两套测试:`uv run pytest`

对应本站阅读材料:MCP 规范与工具调用(L4)、Effective Harnesses / Claude Code 最佳实践、RAG 与 ColBERT(L3)、ReAct 与设计模式(L6)。

📖 HW2 作业概览(讲义 17 页,点击展开)

背景:基于 Harbor(Terminal-Bench 的评测框架,正是 10/26 嘉宾讲座的内容)亲手构建评测任务——不是调智能体,而是设计衡量智能体的尺子。

  • 示例任务 humaneval-0:完整 Harbor 任务结构(environment/Dockerfile + instruction + solution + tests)
  • pinned_agent.py:固定 mini-SWE-agent 作为被测智能体,保证结果可复现
  • writeup 分节:基础问答 → 跑示例任务 → 自建任务(LaTeX 报告模板)→ 同伴互评(对应 11/30 互评节点)
  • check_submission.py:提交前自检完整性
  • 环境:uv + Docker(任务跑在容器里)

对应本站阅读材料:评测基础与基准设计(L13)、How to Build Good LM Benchmarks、Terminal-Bench 嘉宾讲座 slides(L10)。

课程重要日期

周次事项日期
第3周HW1《Build an Agentic Harness》发布10/5
第3周Project Proposal 截止10/9
第6周Guest Lecture:Terminal-Bench 作者团队(Laude Institute)· HW2《Evaluate an Agent》发布 · HW1 截止10/26 · 10/30
第7周期中演示 · 期中报告截止11/4 · 11/6
第8周论文视频截止11/13
第9周HW2 截止11/20
第11周互评截止(3 个视频)11/30
期末周最终提交与系统演示12/7–11

关于本站

这是什么:一个把斯坦福 CS 329Z《Engineering AI Agents》课程全部阅读材料翻译成中文的免费学习网站。课程是 AI 智能体工程方向最系统的研究生课之一——从 ReAct、RAG、MCP、记忆系统、多智能体,到测试时计算、数据工程、评测、安全与编程智能体,恰好是当前工业界最抢手的能力栈。

怎么用:按首页 12 个主题大类或「材料总目录」筛选浏览;🔴必读 = 该讲核心;论文页宽屏下自动英文原文/中文全译左右对照,点页面顶部按钮可只看中文;每页可跳转 PDF 原文核对;顶部搜索框支持全文检索。

怎么读论文:先看「导读」了解文章在课程中的位置 → 中英对照精读正文 → 「要点速览」巩固。公式均已排版,表格数据与原文逐项核对。

支持本项目:全部译文与网站代码开源于 GitHub · athlonk8/cs329z(45 stars)。如果这个站帮你省下了啃英文论文的时间,欢迎去点一个 ⭐ Star——这是对几十万字翻译工作最好的肯定,也会让更多需要的人看到它。欢迎 Issue 提错译与建议。

  • 翻译策略:论文正文(摘要至结论,多数含实质附录)逐段英文原文+中文全译;参考文献列表不译;博客服从原文结构全文中译。
  • 重要度标记:🔴 必读 = 该讲核心;🟡 推荐 = 强烈建议;⚪ 补充 = 拓展阅读(编者判断,仅供参考)。
  • 时效说明:阅读材料下载于 2026-09-14(开课前);开课后官网放出的课程讲义(slides)与作业(HW1、HW2)均已同步收录,课程录像逐讲放出中(见「课程讲义」视频列)。
  • 版权:原文版权归原作者及机构所有,AI 辅助译文仅供个人学习研究使用,请勿商用。