一句话看懂：斯坦福 CS146S 课程把作业从“独立写代码”改为真实开源贡献与维护者审阅，原因是在 Agent 能一句话生成补丁后，代码产出已不足以证明学生理解了问题。
事件核心：发生了什么
Latent Space 近日对谈 Mihail Eric。他在斯坦福讲授 CS146S「The Modern Software Developer」，同时是 Monaco 的 AI 负责人。课程面向已有算法和系统基础的学生，第一轮偏重 AI 开发生态巡览；但课堂调查显示，受访学生几乎都已使用编码 Agent，不少练习可被 Agent 一次完成。新一轮课程因此引入真实开源贡献与维护者审阅，考点转向“能否提出合理变更并对其负责”。课程还要求学生先亲手搭建极简编码 Agent，理解工具调用循环，再讨论上下文管理、工具接口、代码审查与安全。
为什么重要
代码生成成本下降后，瓶颈转移到审查、测试、发布和决策。素材引用的 Faros 研究显示，高 AI 采用团队的 PR 合并量增加，审查时间也明显增长。Monaco 的实践是先用采购工具理解问题，再自建与云架构绑定的 Agent 工作区；早期多会话并行曾带来端口冲突和通知混乱，最终靠隔离环境解决。这条路径说明，Agent 的效果不只取决于模型，还取决于环境、权限和上下文质量。另一个被点出的缺口是“为什么”：代码记录当前实现，却不记录半年前被否决的方案、客户承诺和风险判断，Agent 缺少这些背景就可能重提旧方案。
对用户/开发者/创作者的影响
开发者需要把隐含背景写成可查阅的依据，把“差不多可以”变成可验证的验收条件。团队引入编码 Agent 时，应先判断失败来自模型、上下文、工具还是任务定义，而不是频繁换模型或堆提示词。企业侧可参考 Monaco 的策略：代码审查等能力先采购，与自身运行环境紧密相关的 Agent 工作区再自建；同一套系统服务工程师和销售时，交付形式要分别设计。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 CS146S 新作业能否在真实开源项目中形成可复用的评价标准；二是 Monaco 基于 Coder 的 Monacoder 与 Slack 机器人 Hal 是否公开更多落地细节；三是高 AI 采用团队的审查时长是否会随工具链改善而回落。
