11-768 AI Agents 是 Carnegie Mellon 語言技術研究所（LTI）在 2026 秋季新開的研究所課，授課者是 Graham Neubig 和 Daniel Fried。Neubig 在第一講自介時說他在開發 OpenHands；Fried 自介的研究方向是 grounded agent、人和 agent 的互動，以及近來的 agent 和系統的互動。
官網一句話定義這門課研究的對象：用大型語言模型去感知、推理、規劃、並在多步驟中行動的系統。它跟一般「教你用框架搭 agent」的課不一樣的地方在於，它要你自己訓練 agent。第一講 Neubig 講得很直接：做一個 agent 不難，難的是讓它真的做得好，而會把 agent 訓練好的人很少，他們希望修完這門課的人都在那一小群裡。
這篇是整個導讀系列的入口：先講課程形式和門檻，再把 23 講課表、三份作業和專題攤開，最後是這個系列的 27 篇怎麼排、現在寫到哪裡。
課程形式：先修會被嚴格執行
每週二、四下午上課，一次 80 分鐘，秋假（10/12–16）和感恩節（11/25–27）停課，12/1–3 是期末海報發表。溝通走 Piazza，作業交 Canvas；校外讀者能用的是官網公開的投影片、YouTube 錄影和作業 repo。
先修是這門課最大的門檻。 官網寫的是「有訓練神經語言模型的經驗」，建議背景是 11-667、11-711、10-202 或同等經驗。第一講投影片講得更硬：開學第一週要填表，寫出你修過哪門有語言模型訓練作業的課、作業連結、學期和成績；沒修過的要說明同等經驗，例如做過預訓練或後訓練、或發表過訓練 4–7B 以上模型的研究。達不到的會被請退。
理由也很實際：課程目標是學期結束時每個人都能用強化學習訓練 agent。第一講現場舉手調查時，Neubig 的印象是做過語言模型 RL 的人不多，問到拿 RL 訓練過 agent 的，他估計大約一成（這是講者看台下舉手的口頭估計，不是正式統計）。
評分
官網的評分表：
| 項目 | 比重 | 形式 |
|---|---|---|
| Assignment 1：Harness | 10% | 個人 |
| Assignment 2：Eval | 15% | 個人 |
| Assignment 3：Training | 15% | 個人 |
| Lecture highlights | 10% | 個人 |
| 專題提案 | 5% | 2–4 人 |
| 專題期中檢查 | 5% | 2–4 人 |
| 期末發表 | 10% | 2–4 人 |
| 期末報告 | 30% | 2–4 人 |
Lecture highlights 是每講結束後 24 小時內，交一則你自己寫的心得，幾句話就好，重點是一個你真的有想過的收穫。全學期有 22 次機會、算 20 次。Neubig 在第一講說，如果你覺得這講全是先修課教過的東西，也可以照寫，對他們一樣有用。
AI 工具政策
這門課大多數作業允許用 AI 工具，除非該份作業另外註明。例外只有一條：lecture highlights 必須自己寫。另外兩條規則比較少見：
- 你交出去的每一句主張、引用、結果和每一行程式碼都要負責，而且會被考。 Neubig 說他們也會用 agent 讀你的程式碼、針對你的實作出考題，所以「交一千行 agent 生出來的垃圾」是壞主意，寧可交精簡、自己真的懂的東西。
- 遲交有 slack days。 三份作業各附兩天、不能轉讓；用完後每多一天（不足一天也算）扣該份作業 5%。專題提案和報告也各有兩天，期末發表沒有。
課表：23 講、七個模組
依官網課表（2026-09-29 查看），把各講在官網標註的模組歸併一下，23 講可以分成這幾段（七段是本文的歸併，官網的模組標籤更細）：
| 模組 | 講次 | 主題 |
|---|---|---|
| 導論與 agent 能力 | L1–L5 | 什麼是 agent、工具使用、長 context 管理、技能與記憶、規劃與多 agent 協調 |
| 應用領域 | L6、L7、L10 | Coding agent、computer use agent（JY Koh）、deep research agent（Akari Asai） |
| 訓練方法 | L8、L9、L11、L12 | SFT（Yueqi Song）、RL 基礎、進階 RL 演算法、RL 系統（Apurva Gandhi） |
| 安全 | L13、L16 | 沙盒與憑證管理、可觀測性與監控（Eric Wallace） |
| 框架 | L14、L15 | OpenHands、LangGraph |
| 互動 | L17–L19 | Agent 與未來的工作（Zora Wang）、多 agent 互動（Saujas Vaduguru）、人與 agent 互動（Valerie Chen） |
| 搜尋與進階主題 | L20–L23 | Reranking 與 critic model、樹搜尋（JY Koh）、客座 Karthik Narasimhan、客座 Sasha Rush |
11 月初另有兩堂 project hours，不上新內容。
這張表有兩個讀法。第一，它的骨架是第一講提出的「六種能力 × 兩條路」：前五講從 harness 那一側補能力，訓練模組從模型那一側補同一批能力，安全和框架再回到系統工程。第二，課表裡沒有獨立的評測講次，評測設計只出現在 Assignment 2；L11 會講 reward hacking 和 benchmark 汙染，到時候你會發現評測寫得好不好，直接決定 RL 學到什麼。
每講在官網都附了大量指定讀物，例如第二講就列了 30 條（不含投影片與錄影），從 Toolformer 到 MCP 規格。這個系列每篇會挑跟該講論證直接相關的讀物附連結，不會全部搬過來。
三份作業和研究專題
前半學期是三份個人作業，後半學期是團隊研究專題。三份作業剛好對應第一講說的「建構 → 評測 → 訓練」。
Assignment 1：Harness（9/14 截止）。在開源 LLM 上自己寫一個 ReAct 迴圈：先做一個在終端機裡修 bug 的 CodeAgent，拿它修好一個有問題的西洋棋 app；再替它加上 context 壓縮；最後把同一套迴圈實例化成 ChessAgent，自己定義工具去跟規則型 bot 下棋，並試試讓 agent 寫 Python 來呼叫工具。
Assignment 2：Eval（10/1 截止）。對象是資料視覺化 agent：給它資料和使用者規格，它畫圖。你要寫一個 validator，只看 agent 的軌跡和最後的圖（沒有標準答案）判斷它對不對、錯在哪裡，再自己設計新的評測任務，最後拿一組你看不到的軌跡評分。
Assignment 3：Training（暫定 10/29 截止，尚未公開）。官網只寫「實作用來調整和改進 agent 的訓練流程」。
研究專題：挑一個進階 agent 主題，交提案、期中檢查、海報和期末報告。組員人數各處寫法不一：官網的評分表和作業頁寫 2–4 人，但官網課程政策的「Individual and team work」段落和第一講投影片（及講者口述）都寫 2–3 人；實際以 Canvas 和助教公告為準。課程有 Fireworks AI、Modal、Prime Intellect 和 Sail 贊助算力給作業和專題用（第一講投影片第 8 頁與官網贊助商列表）。
作業日期以官網為準：第一講投影片上的日期是「暫定」，A1 原本寫 9/10、A2 寫 9/24、A3 寫 10/22，之後都往後延了（官網目前是 9/14、10/1、10/29，其中 A3 仍標為暫定）。
跟其他課的關係
官網自己列了四門內容重疊的 CMU 課，重疊程度都不大：
| 課 | 跟 11-768 重疊的部分 |
|---|---|
| 11-711 Advanced NLP | 約兩週 RL 與 agent，偏重 RL 方法 |
| 11-766 LLM Applications | 約兩週，工具呼叫、安全、多 agent、程式助理 |
| 11-891 Neural Code Generation | 約兩週 code generation agent |
| 11-777 Multimodal ML | 約一週 GUI agent |
換成本站讀者比較熟的課來定位：Stanford CS329Z 也從零寫 agent harness，但重心在系統工程和評測，不碰訓練；Stanford CS336 教你從零訓練語言模型，剛好是 11-768 先修要的那種經驗。11-768 站在兩者中間：拿你會訓練模型的能力，去訓練會用工具、會在環境裡行動的 agent。
這個系列怎麼讀
系列照官方課序排，每講一篇，作業依官方截止日插在對應位置，一共 27 篇。每篇以該講的逐字稿和投影片為主要來源，完整導讀該講內容；只有投影片的講次會在文中註明，影片上架後補充。作業篇只講要求、架構和設計取捨，不給解答。
目標讀者是會用 LLM API、做過或正在做 agent 的工程師。沒訓練過模型也能讀前半段；訓練模組會用「先講直覺、公式放折疊區」的寫法，並附上本站 CS336 相關篇章當前置。
| 篇次 | 對應 | 主題 | 狀態 |
|---|---|---|---|
| 0 | — | 系列總覽 | 本篇 |
| 1 | L1 | What Is an Agent? | 已上線 |
| 2 | L2 | Tool Use | 已上線 |
| 3 | L3 | Context Management for Long-Context Agents | 已上線 |
| 4 | L4 | Skills and Memory | 已上線 |
| 5 | L5 | Planning, Task Decomposition, Multi-Agent Coordination | 已上線 |
| 6 | L6 | Coding Agents | 已上線 |
| 7 | A1 | Assignment 1：Harness | 已上線 |
| 8 | L7 | Computer Use Agents（JY Koh） | 已上線 |
| 9 | L8 | SFT（Yueqi Song） | 已上線 |
| 10 | L9 | RL Basics | 已上線 |
| 11 | L10 | Deep Research Agents（Akari Asai） | 已上線（依投影片，待影片補充） |
| 12 | L11 | Advanced RL Algorithms | 已上線（依投影片，待影片補充） |
| 13 | L12 | RL Systems（Apurva Gandhi） | 待課程上架 |
| 14 | A2 | Assignment 2：Eval | 已上線 |
| 15 | L13 | Sandboxing & Credential Management | 待課程上架 |
| 16 | L14 | OpenHands | 待課程上架 |
| 17 | L15 | LangGraph | 待課程上架 |
| 18 | L16 | Observability & Monitoring（Eric Wallace） | 待課程上架 |
| 19 | L17 | Agents and the Future of Work（Zora Wang） | 待課程上架 |
| 20 | L18 | Multi-Agent Interaction（Saujas Vaduguru） | 待課程上架 |
| 21 | A3 | Assignment 3：Training | 待課程上架 |
| 22 | L19 | Human-Agent Interaction（Valerie Chen） | 待課程上架 |
| 23 | L20 | Reranking & Critic Models | 待課程上架 |
| 24 | L21 | Tree Search（JY Koh） | 待課程上架 |
| 25 | L22 | 客座：Karthik Narasimhan | 待課程上架 |
| 26 | L23 | 客座：Sasha Rush | 待課程上架 |
2026-09-29 的材料狀態：L1–L9 有投影片和錄影，L10、L11 只有投影片，L12 之後尚未公開。
如果只打算讀幾篇，建議順序是：第 1 講建立「六種能力 × 兩條路」的地圖，接著讀 A1 看 harness 實際長什麼樣，再讀 A2 和 RL 那幾講，看評測怎麼變成訓練訊號。
參考資料
- 11-768 AI Agents 官網（課程總覽、課表、作業、評分與政策；2026-09-29 查看）
- 第 1 講投影片（先修門檻、評分、AI 工具政策、學期時程）
- 第 1 講錄影
- cmu-agents/assignment-1（Assignment 1：Build an Agent Harness）
- cmu-agents/assignment-2（Assignment 2：Evaluating a Data-Visualization Agent）
- 站內：Stanford CS329Z 導讀
- 站內：Stanford CS336 導讀
Loading...