读完斯坦福 CS146S：从 Prompt 到 Agent Manager 的 8 周路线图

CS146S《The Modern Software Developer》是斯坦福 2025 秋季的新课，讲师 Mihail Eric，每周一位重磅客座（Boris Cherny、Zach Lloyd、Isaac Evans、Tomas Reimers……）。我把官方作业仓库里 8 周的内容捋了一遍，沿途做了实操。这篇是把 8 周的笔记整理。

1. 课程的真正主题：开发者身份的位移

课程主页那句标语挺直白：

“Many AI coding courses only teach you how to write fast — this course draws the baseline for shipping: testable, auditable, defensible.”

如果只看周次表，会以为这是一门 “AI 工具使用大全”。但读完 8 周的材料和作业，更准确的描述是：

它在系统地训练你成为 Agent Manager。

不是 “学会用 ChatGPT 写代码”，是从写代码的人变成指导 Agent 写代码、并且对结果负责的人。Boris Cherny（Claude Code 创造者）那句话被反复引用：

“It’s not so much about deep work, it’s about how good I am at context switching and jumping across multiple different contexts very quickly.”

8 周内容可以归到三条主线：

Prompt → Context（Week 1 → 3）：从写一句好提示，到搭一整套信息环境
Coder → Agent Manager（Week 2 → 5）：从亲手写代码，到指导/编排多个 Agent
Speed → Defensible（Week 6 → 8）：从快速产出，到可审计、可防御、可上线

下面按这三条主线展开。

2. 主线一：Prompt → Context

Week 1：6 种基础提示技巧

第一周用 Ollama 跑本地模型，挨个练 6 种技巧：K-shot、Chain-of-Thought、Tool Calling、Self-consistency、RAG、Reflexion。每个技巧一份 Python 文件，调到 test 通过为止。

练完最大的体感不是 “我学了 6 种技巧”，而是：这些技巧不是平行选项，是一条进化链。

K-shot 给的是模式
CoT 给的是推理空间
Tool Calling 让模型不再"猜"，而是"查"
Self-consistency 用多次采样换稳定性
RAG 把外部知识接进上下文
Reflexion 让模型审视自己的输出再迭代

到 Reflexion 这一步，模型已经从 “回答机器” 变成了 “能自我修正的小循环”。这就是 Agent 的雏形。

Week 2：第一次让 AI 跑通需求闭环

作业是一个最小的 FastAPI + SQLite 的 Action Item Extractor：自然语言笔记 → 结构化 todo 列表。要求用 Cursor 的 Agentic Mode 完成 5 个 TODO：用 LLM 替换规则提取、加单元测试、重构、加新端点+前端按钮、生成 README。

我在自己的实践笔记里总结了一个 “本地需求执行 Agent” 的最小能力模型：

需求理解 → 代码上下文获取 → 方案规划 → 代码生成 → 验证执行 → 结果反馈
    ↑                                                      |
    └──────────── 失败时回溯修正 ←───────────────────────┘

每一步都对应 Week 1 学过的某个技巧。Agent 不是新发明，是把那些原子能力按这个 loop 串起来。

跑完一遍最大的感受：当前的 AI Agent 真正擅长的是 “边界清晰、可验证” 的任务。脚手架代码、单函数实现、happy path 测试、文档生成 —— 这些是优势。判断"什么不该改"、跨模块副作用推理、涉及取舍的深层重构 —— 这些还得人来。

Week 3：从 Prompt Engineering 到 Context Engineering

第三周是整门课信息密度最高的一周（另一个高密度周是 Week 6）。客座 Boris Cherny。核心命题是 Andrej Karpathy 的那句定义：

“Context engineering is the delicate art and science of filling the context window with just the right information for the next step.”

维度	Prompt Engineering	Context Engineering
焦点	在某个时刻对模型说什么	模型在你说话时知道什么
范围	一条精心编写的指令	整个信息生态：记忆、工具、检索
性质	静态模板	动态基础设施
类比	给即兴演员递剧本	搭整个舞台、布道具

里面最让我重新审视自己工作方式的两条：

“Context is King” — 甚至是 intelligence 的前提。 课程里那句很狠：“Claude 已经足够聪明 — 智能不是瓶颈，上下文才是。当 AI Agent 失败时，本能反应是 blame the model，但几乎总是错的。表现不好的是围绕它构建的信息环境。”

Context Rot（上下文腐烂）。 模型性能会随输入长度显著下降，即使是简单任务。所以 /clear、/compact、分层记忆、CLAUDE.md 精简，这些不是洁癖，是性能策略。

Week 3 的作业是写一个自定义 MCP Server。我做的是 GitHub Issue 助手，3 个 Tools（search_issues / create_issue / get_issue_detail）+ 1 个 Resource（仓库元数据）+ 1 个 Prompt（bug report 模板），STDIO 接 Claude Desktop。

亲手实现完才真的理解：MCP 的三大原语（Tools / Resources / Prompts）不是抽象概念，对应的是 Agent 三种不同的"知道方式" —— 能做什么、能查什么、该怎么说。

Boris Cherny 还分享了一套日常工作流：每天发 20-30 个 PR，靠的是同时跑 5 个 Claude Code 实例 + 5-10 个 claude.ai/code，每个实例都从 Plan Mode 起步，CLAUDE.md 当团队共享记忆。最被反复强调的一句：

“给 Claude 一种验证自己工作的方式 —— 浏览器测试、测试套件、模拟器。验证能让最终结果质量提升 2-3 倍。其他一切（subagent、slash command、MCP 集成）都建立在这个基础之上。”

3. 主线二：Coder → Agent Manager

Week 4：作为 Agent Manager 的 Claude Code

Week 4 的核心句：

“The goal is to train you as an Agent Manager — not someone who writes code, but someone who directs Agents to write code.”

这周整理了 5 种 agentic 工作流模式：

Sequential Flow：默认模式，70% 的日常工作
Operator：层级式，中央编排者 + 专门 sub-agent
Split-and-Merge：fan-out/fan-in，最多 ~10 路并行
Agent Teams：协作式，可互相通信，跨独立会话协调
Headless：CI/CD、Cron、Webhook 触发，无人值守

以及 12 个 “Agent Harness 模式”（持久指令、目录级指令、分层记忆、记忆卫生、上下文压缩、并行分支、检查点审查、选择性工具加载、定制工具、权限粒度、生命周期钩子、复合改进）。

最戳我的一句：

“问题不在于你的模型，而在于你的 harness（控制框架）。区分酷炫 demo 和生产级 AI 系统的不是智能，而是控制。”

作业是用 Slash Commands、CLAUDE.md、SubAgents 给一个 FastAPI starter app 加至少 2 个自动化。这周开始我的肌肉记忆变了：遇到任何重复的工作流，先想 “这能不能塞进 .claude/commands/"；遇到 Claude 反复犯的错，先想 “这条该不该写进 CLAUDE.md”。

复合工程（Compounding Engineering）这个词我喜欢：每次 AI 犯的错被记下来，都是永久的红利。

Week 5：终端不再是高级用户的玩具

Week 5 客座是 Warp CEO Zach Lloyd。Warp 的 2.0 把自己从 “更好的终端” 重新定义为 ADE（Agentic Development Environment）。

这周的对照表对我比较有用：

工具	强项	弱项
Warp	多 tab 并行 Agent、Diff 面板可视化审查、多模型支持	深度代码理解略弱
Claude Code	深度上下文、CLAUDE.md 精控、自主推理	仅 Anthropic 模型

它们其实是叠加关系：Claude Code 可以跑在 Warp 里。多 Agent 并行的关键工具是 git worktree —— 每个 Agent 在独立的工作目录里干活，互不污染，结束再合分支。这个技巧后面我的实际工作里也用上了。

但 Warp 团队也很坦诚：并行不是免费的。每周省 6-7 小时是真的，但前提是你的认知带宽能管得住 5 个 tab —— 这才是真正的 bottleneck。

4. 主线三：Speed → Defensible

Week 6：Semgrep 与 AI 代码安全

第六周邀请了 Semgrep CEO Isaac Evans。这周的开场数据让我停下来想了一下：

Claude Code 在安全扫描实验中发现了 46 个真实漏洞（真阳性率 14%，误报率 86%）。

这不是说 Claude 不行，是说 AI 的安全直觉不可靠 —— 7 条告警里只有 1 条真正是漏洞。Semgrep 的价值在于把这个比例反过来：减少 80% 误报，同时提升 250% 真阳性。

Semgrep 三件套：

Code (SAST)：第一方代码漏洞，跨文件分析
Supply Chain (SCA)：依赖中的可达漏洞（reachability analysis 把不可达的 CVE 过滤掉，高/严重级别误报降 98%）
Secrets：硬编码密钥，含语义分析 + 熵分析 + 验证

作业是用 semgrep ci --subdir week6 扫描一个故意藏漏洞的 FastAPI app，挑 3 个修。修法朴素但本质：参数化 SQL、限制 CORS、密钥转环境变量、依赖升级、加密算法换强的、DOM 写入消毒。

这周收的最朴素的一句话：“Secure Vibe Coding” 的目标是让快和安全统一，不是对立 —— 靠的是把扫描自动化进 CI，而不是事后人工补救。

Week 7：Graphite Diamond 与 AI 代码审查

第七周客座是 Graphite CPO Tomas Reimers。命题是：

“AI will never replace human code review. But every PR should be reviewed by AI + human together.”

AI 审查的优势：风格一致性、常见 Bug 模式、安全漏洞、代码重复、100% PR 覆盖、秒级响应。人类审查的优势：架构判断、业务逻辑正确性、tradeoff 评估、创造性建议、团队上下文、UX 设计。

最佳模式是 “AI First, Human Second”：AI 第一层过滤掉机械问题，人类第二层聚焦高价值判断。Graphite 团队的另一个产品创新是 Stacked PRs —— 把一个大 PR 拆成多个小的、顺序的 PR，因为 AI 审查在小 PR 上表现明显更好。

作业很扎实：4 个独立任务，每个都按"创建分支 → 1-shot AI prompt 实现 → 手动逐行审 → 开 PR → 用 Graphite Diamond 跑 AI 审查 → 对比"的流程做一遍，最后写一份反思 —— 你的审查 vs Graphite 的审查，谁更好、什么时候更好。

这种 “对比反思” 的训练我觉得是这周最珍贵的部分。它不是教你信任 AI，是教你知道 AI 什么时候比你强、什么时候不如你。这种元认知，在 AI 时代比任何具体工具都重要。

Week 8：Bolt.new 与多栈快速构建

第八周转向 “原型到生产” 主题。客座是 Vercel AI Research 负责人。核心句：

“Rapid prototyping is just the starting point. Between demo and production lies a chasm.”

Bolt.new 用 StackBlitz 的 WebContainer 技术做到完全在浏览器里跑 Node.js，从提示词直出全栈应用。但它的能力曲线很陡：

复杂度	表现
3-5 组件	几分钟可用，几乎不用调
10-15 组件	需要迭代式提示，但总体可用
15-20+ 组件	上下文退化，token 飙升
复杂状态管理 + 认证 + 第三方集成	成功率降到 31%

作业要求用 3 种不同技术栈构建同一个应用，至少一个用 Bolt、至少一个用非 JS 语言。这设计很狡猾 —— 它在偷偷训练你两个能力：

抽象思维：把业务从框架里抽出来，理解什么是本质、什么是实现细节
AI 工具评估：同一个需求，让 Bolt 在 Next.js / Django / Rails 上分别生成，质量差异巨大 —— 你必须培养出 “什么是生产就绪代码” 的直觉

5. 三条收回来能用的实操结论

读完 8 周的内容，做完几个作业，我自己往日常工作里搬的就是这三条：

5.1 Plan Mode 是免费的红利

Boris 那句 “在审查和批准书面计划之前，永远不要让 Claude 写代码” —— 这是 8 周里被引用最多的一条。我现在做任何超过 30 分钟的任务都先 shift+tab 进 Plan Mode，跟 Claude 来回讨论清楚再切到 auto-accept。返工率明显下降。

5.2 CLAUDE.md 是复合改进的载体

每次 Claude 犯错或者我发现一个不显然的项目约定，都往 CLAUDE.md 里加一条。这个习惯非常便宜、非常划算：每条加了之后就再也不用解释第二次。但要保持精简 —— 它每次会话都加载，吃上下文。

5.3 给 Agent 一种验证自己的方式

这是 Boris 的"最重要的洞见”。具体到我自己的实践：

写后端：让 Claude 跑测试，失败再改，不要"看起来对就提交"
写前端：起 dev server，让 Claude 用 Playwright 实际点一遍 golden path
写 API 集成：先有一个 curl 或 httpie 的最小复现脚本

这个习惯本身就是 Reflexion 模式（Week 1 学过的）的工程化版本 —— 把"自我审视"内置到工作流里。

6. 收尾：8 周完整弧线

Week 1:  如何与 AI 对话           → Prompt Engineering
Week 2:  AI 如何使用工具          → Coding Agents & MCP
Week 3:  如何为 AI 构建信息环境   → Context Engineering
Week 4:  如何管理 AI              → Agent Manager
Week 5:  AI 增强的终端            → AI Terminal
Week 6:  AI 代码安全              → Semgrep
Week 7:  AI 代码审查              → Graphite Diamond
Week 8:  AI 构建应用              → Bolt.new 多栈
(Week 9-10:  AI 运维 + 未来       → 课程后半段)

每一周都是下一周的基础。最后留下的不是一堆工具的使用说明，是一种新的工作姿态：

你不再是写代码的人，你是设计信息环境、指导 Agent、并且对最终交付物负责的人。

写代码的速度提升了 10 倍，但写错代码的速度也提升了 10 倍。课程划的那条 baseline —— 可测试、可审计、可防御 —— 不是束缚，是这个新姿态能站住脚的前提。

参考资源：

课程主页：themodernsoftware.dev
作业仓库：mihail911/modern-software-dev-assignments
中文版社区整理：ShouZhengAI/CS146S_CN
Claude Code 最佳实践：anthropic.com/engineering/claude-code-best-practices
12 Agentic Harness Patterns：generativeprogrammer.com
How Anthropic Teams Use Claude Code：claude.com/blog
Andrej Karpathy on Context Engineering（X 原帖）
Boris Cherny 工作流：howborisusesclaudecode.com