中秋+国庆长假，不出门的话，不如学习Agent课程吧。 整理了四档我认为很值得看的课程。其中三档我已经烧录了双语字幕上传到 B 站，并建立了课程合集，这里统一分享给大家。 这四套内容的侧重点也刚好不同：AI 产业经济 → 自我提升型 Agent → AI 产品工程 → Agent 系统工程。如果完整学下来，基本可以从产业、研究到工程实践建立一套比较完整的 Agent 知识框架。 1）斯坦福公开课：AI 超级周期的经济学 Stanford MS&E 435：Economics of the AI Supercycle 这是斯坦福管理科学与工程系推出的一门 AI 产业课，由 Altimeter Capital 合伙人 Apoorv Agrawal 授课，并邀请 Databricks、Vercel、OpenAI、Anthropic、Crusoe、Baseten 等公司的一线创始人和负责人参与。 它不教 Prompt，也不教怎么调用模型 API，而是从经济学和产业链角度拆解整个 AI Stack：生成式 AI 的经济模型、GPU 与芯片、数据中心和 AI Factory、企业 AI、模型与推理基础设施、Coding AI，以及生命科学等应用层。 真正值得看的，是它一直在回答一个问题：AI 这轮超级周期里，成本、价值和利润最终会沉淀在哪一层？ 课程官网：mse435.stanford.edu/ YouTube 官方课程播放列表： youtube.com/playlist?list=PL… B站链接：space.bilibili.com/433626734… 2）斯坦福公开课：自我提升型 AI 智能体 Stanford CS329A：Self-Improving AI Agents 这是斯坦福 2025 年秋季开设的研究生研讨课，由 Aakanksha Chowdhery 和 Azalia Mirhoseini 共同讲授，课程录像于 2026 年公开。 它研究的不是“怎么搭一个 Agent Demo”，而是更进一步的问题：Agent 如何通过与环境以及自身交互，不断提升自己的能力？ 课程从 Test-Time Compute Scaling、Verifier 和 Constitutional AI 开始，一路进入反馈学习、强化学习、工具与代码使用、Memory、多步推理与规划、Deep Research Agent、评测以及未来研究方向。 核心逻辑可以概括为：生成 → 验证 → 筛选 → 学习 → 再生成，最终形成持续迭代的 Agent 自我提升闭环。研究味很浓，非常适合已经了解 Agent 基础、准备继续往训练和自我进化方向深入的人。 课程官网： cs329a.stanford.edu/ YouTube 完整课程播放列表： youtube.com/playlist?list=PL… B站链接：space.bilibili.com/433626734… 3）AI Product Engineering Hamel Husain 和多位一线 AI 工程师在 Maven 上做了一套 AI Product Engineering 系列课程，一共 13 场，完整内容大约 9.5 小时。 和很多偏模型、论文或者 Agent Framework 的课程不同，这套课讨论的是一个非常现实的问题：怎样把“能跑的 AI Demo”真正变成一个可靠的 AI 产品？ 13 场内容被归纳为 Evals、Context 和 Systems 三大部分，涵盖错误分析、生产级 Evals、Data Agent、模型级联、多向量检索、Search Agent、Embedding、OCR、推理延迟、开放权重模型、Agent Sandbox，以及什么时候应该进行 Post-training 等。 很多讲师就是这些技术的一线实践者，所以课程非常偏工程实战，对正在真正做 AI 产品的人参考价值很高。 Maven 官方课程入口： maven.com/lls/21f487 Hamel 整理的 13 场课程笔记： hamel.dev/notes/llm/ai-produ… 目前没有发现包含完整 13 场的官方 YouTube 播放列表。部分课程后来上传到了 YouTube，但完整录播目前以 Maven 为准。 4）CMU 语言技术研究所：LLM-based AI Agents CMU 11-768：AI Agents 这是卡内基梅隆大学 Language Technologies Institute（LTI）在 2026 年秋季新开的研究生课程，由 Graham Neubig 和 Daniel Fried 两位教授共同讲授，目前课程仍在持续更新。 课程给 Agent 的定义非常明确：使用 LLM 在多步交互中感知、推理、规划并作用于环境的系统。 Agent 可以调用工具、操作界面、编写代码、搜索信息并与人协作，从而完成真实世界任务。 它最值得看的地方，是没有停留在“Prompt + Tool Calling”的应用层，而是把 Agent 当成一个完整系统来研究：从 Agent Harness 的构建，到 Evaluation、长程推理、训练、强化学习、安全和人机交互。 课程同时强调动手实现与前沿研究，非常接近 2026 年 Agent 工程真正正在解决的问题。 课程官网： cmu-agents.com/ YouTube 官方课程播放列表： youtube.com/playlist?list=PL… B站链接：bilibili.com/video/BV1uDhf6w… 如果不知道从哪一套开始，我更建议把它们看成四个不同的观察视角： MS&E 435 看的是整个 AI 产业的钱和价值往哪里流； CS329A 看的是下一代 Agent 如何训练、验证并持续自我提升； AI Product Engineering 看的是怎样把模型真正做成可靠的产品； CMU 11-768 则开始拆 Agent 本身的 Harness、Eval、Training 和完整系统工程。 四套课程并不重复，反而刚好可以拼成一张从 AI 产业 → 模型能力 → 产品工程 → Agent 系统 的学习地图。 假期不想出去人挤人的，可以挑一套慢慢啃。 学习愉快。