斯坦福 CS329Z 第九讲公开:Prompts vs Weights 的 Agent 优化全解
stanfordnlp · x · 2026-11-21
斯坦福大学 CS329Z: Engineering AI Agents 课程第九讲《Optimizing AI Agents: Prompts vs. Weights》讲义与录像均已公开,讲师为 Michael Ryan。
本讲系统对比两条 Agent 优化路线:
- 上下文优化:通过迭代演进 prompt(如 GEPA)改进 Agent 表现
- 权重优化:用 GRPO 等强化学习方法训练模型权重
- Agent 自我优化:让 Agent 优化自身
讲义还给出从优化条件判断、两种策略的适用场景到选择标准的完整决策框架(配图显示课程结构:优化条件 5 分钟、上下文优化 25 分钟、权重优化 25 分钟、Agent 优化 10 分钟、策略选择 10 分钟)。
课程此前已公开多讲讲义,视频正在陆续上线,讲义、视频列表与课程主页均可免费访问。
「编程与Agent」频道最新
- Microsoft Foundry 预览版推出工具治理:Azure Policy 管控 Agent 工具白名单 — adnan_hashmi · 2026-11-21
- VS Code 1.147 正式上线 Skills-over-MCP,技能随服务器分发 — lee_stott · 2026-11-21
- 新基准揭示前沿模型多智能体协作普遍不佳 — AlexGDimakis · 2026-11-21
- LukeW 整理「Crazy Agent Scale」活动完整笔记,swyx 等人畅谈代理式未来 — LukeW · 2026-11-21
- 用 Gemini 加 Antigravity 编排 agent 群,独立开发者做 SEO 分析 — gaganghotra_ · 2026-11-21
- 3500 字实操指南:从 trace 出发为 LangGraph agent 构建 eval — strickvl · 2026-11-21