KeyFrame內部研究專用

[One Million AI Engineer Special] How Stanford Teaches AI-Native Engineering — Mihail Eric, Monaco

Latent Space120 min英文
觀看原始影片

三句話摘要

Stanford教授分享AI原生軟體開發課程新實踐,強調代理時代工程師仍需深厚基礎,以及代碼庫設計如何影響代理效能。 代理時代的軟體工程教育不是拋棄基礎,而是加速工程師的晉升路徑——代理接手重複性實作,人類專注於只有人才能做好的事:架構決策、權衡考量、與複雜世界對話。 基礎教育+代理實踐的平衡:課程不是拋棄傳統電腦科學,而是在學生掌握算法、系統設計後,教他們在生產環境中有效指揮代理。進入業界時須達近資深工程師水準,這要求理解軟體系統的權衡與架構決策,而非只會使用工具。

重點整理

  1. 基礎教育+代理實踐的平衡:課程不是拋棄傳統電腦科學,而是在學生掌握算法、系統設計後,教他們在生產環境中有效指揮代理。進入業界時須達近資深工程師水準,這要求理解軟體系統的權衡與架構決策,而非只會使用工具。

  2. 上下文工程超越簡單提詞:簡單的「幫我寫程式碼」無法應對百萬行級代碼庫。需採用研究→提案→規劃框架:先研究既有代碼結構,提出多個解決方案,讓人類決策,才進入實作。多代理協作時上下文如何分發、同步、壓縮仍是未完全解決的問題。

  3. 開源貢獻作為隱形師徒制:去年虛擬習題學生輕易一鍵完成。今年改與開源專案合作,學生在實際代碼庫中貢獻,獲維護者親自審查與指導,這樣可內化「好軟體設計」的隱性知識,同時解決菜鳥工程師被淘汰的焦慮。

  4. 代理就緒代碼是前提,非奢侈:軟體工廠自動化的基礎是代碼庫必須高度可驗證、邊界清晰、文檔完善。代理對不明確的代碼無法產生信任,無法安全修改。這不是美學考量,而是代理能否以生產品質運作的工程必要。

實用技巧與重點

  • 課程結構(10週)
  • Week 1-2:代理內部構造(200行實現)、上下文工程、MCP工具設計
  • Week 3:技能與自動化
  • Week 4-5:代理配置、代理就緒代碼庫(整合Factory評分系統)
  • Week 6:代碼審查自動化與驗證機制
  • Week 7:安全與攻擊面
  • Week 8:背景代理與事件驅動(SRE機器人、CI/CD觸發)
  • Week 9:團隊基礎設施(LM網關、MCP portals、角色演變)
  • Week 10:軟體工廠(代理佔比極限、人類介入點)
  • 技術細節
  • 基礎代理:一個通用迴圈即可實現,200行代碼足夠
  • Claude Code系統提詞:約20,000個token,經歷過減少80%後又逐步擴張的循環
  • Coding Agent市場:Claude Code、Cursor、Cognition均提供Stanford學生教育免費額度
  • Code Review工具評估:Monaco測試過Devon、CodeRabbit、Graphite、Ellipsis,最終採用Devon(Cognition)
  • 背景代理平台:Monaco自建Monocoder(基於Coder.com)、Slack機器人HAL
  • 帳戶豐富化服務商:Parallel、Exa
  • Context框架:研究→提案→規劃→實作→測試,類似Dex的RPI框架
  • Monaco實踐案例
  • 銷售平台自建代理系統,專注於TAM評分、ICP定義、pipeline演進
  • 信號:人員職位變動(公司轉換)是最佳觸發點
  • 策略:購買以學習(評估工具),構建以保留(自有核心競爭力)
  • 團隊配置:前Brex GTM人員embedded為客戶顧問,將組織知識編碼進平台

結論

代理時代的軟體工程教育不是拋棄基礎,而是加速工程師的晉升路徑——代理接手重複性實作,人類專注於只有人才能做好的事:架構決策、權衡考量、與複雜世界對話。

完整解析

當編碼代理從實驗晉升為主流工具,一整代新工程師面臨一個深刻的問題:傳統電腦科學教育還值得學嗎?Mihail Eric在Stanford意識到這個信號,從2024年11月籌備、2025年秋季首度開設CS 146課程,吸引了純CS學生、跨領域研究者、MBA學生等。他的核心觀點是:代理時代並非讓技術變得無關緊要,而是根本改變了「優秀工程師」的定義。過去比誰敲鍵盤快,現在比誰能精準理解問題、指導代理往對的方向走、並在人機邊界做出聰慧決策。

課程第一週最令人印象深刻的是他直接透露編碼代理的構造秘密。並非神祕的黑盒,200行Python代碼就能實現核心迴圈:定義工具、組織系統提詞、呼叫模型、剖析回應、執行工具、更新狀態。然後Eric進一步揭露Claude Code的真貌——透過中間人代理攔截其API請求,學生親眼看到系統提詞詞彙量、規劃提詞的具體內容,理解這套複雜系統實際上是層層提詞與工具呼叫的精巧編排。這一刻學生從「使用者」變成「理解者」。

隨後上下文工程週尤為關鍵。簡單的提詞在小型專案可行,但當代碼庫達到百萬行級規模,代理很快陷入迷茫——它無法同時記住所有細節,也不知道改動會影響什麼。Eric介紹了一套框架:研究階段先讓代理讀懂代碼結構和相依性,提案階段產生多個可行方案,人類判斷哪個最符合設計哲學,規劃階段才進入實作細節。這不只是提詞技巧,而是協作的工程學。他也坦承多代理協作時上下文管理仍是未解決的難題——子代理該繼承主執行緒的全部歷史,還是精簡版本?擴張上下文時總會意外觸發舊註解中的某句話,導致代理做出荒謬決定。

課程最大膽的改革是用開源貢獻取代虛擬習題。去年9個設計好的練習幾乎每個學生都能用代理一鍵完成,失去學習意義。今年Eric花了整個暑假與開源專案維護者協商,讓學生直接在真實代碼庫貢獻代碼,與業界專家協作、接受code review。這創造了一種新形式的師徒制:不是老教授講述最佳實踐,而是學生邊做邊被優秀工程師糾正,逐漸內化什麼是好軟體設計。同時也解決了一個深層焦慮——AI時代的年輕工程師會被完全淘汰嗎?Eric的回答是:若你只會把需求丟給代理,會被淘汰;但若能與高手協作、理解系統設計的權衡,反而比前輩更有優勢。

課程後半段圍繞一個核心假設:軟體工廠(代理全自動化整個開發週期)的可行性取決於代碼庫本身的品質。「代理就緒代碼庫」不只是美學考量,而是實用的工程決策。想像代理面對混亂、邊界不清、文檔缺失的代碼庫,它無法判斷改動是否會破壞系統。可驗證性、清晰的服務邊界、充分的文檔才是基礎。代碼審查也面臨新瓶頸——傳統人工審查無法跟上代理提出的修改速度。於是驗證機制本身成為瓶頸,需要自動化驗證與持續測試來解決。

Eric在Monaco的實踐驗證了這些理論。該公司從成立初期就投注編碼代理,甚至構建了Monocoder(基於Coder.com的定製版本)用於長時程代理任務,以及Slack機器人HAL(部份SRE、部份客服、部份QA),它能根據對話者身分(開發者vs銷售人員)調整風格。在Code Review工具選擇上,Monaco評估過Devon、CodeRabbit、Graphite、Ellipsis等,最終選用Devon是因為實際測試品質確實優異,而非被行銷說服。這反映了一個務實的工程文化:「購買以學習,構建以保留」——用第三方工具來探索可能性,但核心競爭力自建。只有Devon通過了持續使用的篩選。帳戶資料豐富化使用Parallel和Exa,而销售人員最佳接觸時機(如職位變動)的偵測則是內部構建的資料系統。

83 min
企業管理英文PODCAST11月19日

Scaling Linear’s GTM to $100M ARR — Cristina Cordova, COO

Latent Space看原片 ↗
  • 議題追蹤已死的真正含義:不是issue單位消失,而是人類應停止手動追蹤工作。Linear著重構建AI友善的系統,讓代理自動執行原本由人工完成的繁瑣步驟(標籤、指派、狀態更新),讓工程師和PM把時間花在產品開發上。
  • 務實的市場階梯策略:Linear沒有直接攻擊企業市場,而是先聚焦成長期公司—那些已有既有工具但可被說服轉換的組織。唯有成功說服這個客群,才有信心向上攻擊企業。這個策略花了兩年時間,直到2025年才正式啟動企業銷售部門。
98 min
AI 技術英文PODCAST11月16日

Building Visual Intelligence — Andreas Blattmann & Dustin Podell, Black Forest Labs

Latent Space看原片 ↗
  • 從研究到商業的轉折點:穩定擴散2022年開源不僅改變了講者個人的職涯軌跡,也啟發整個社群。Dustin因此辭職投身AI,Andy看到了基礎模型產業化的可能性,這股動能直接催生Black Forest Labs的創辦。
  • 資料品質優於複雜算法:整個採訪反覆強調資料的重要性。從SDXL的多寬度訓練、SD3的文字渲染,到Flux Context的編輯能力,關鍵都不在算法創新而在精心設計的資料集。Dustin在法國小屋用6小時訓練測試集就看到編輯能力湧現,說明好資