斯坦福新开的AI课：不教模型，作业就是你的真实工作

斯坦福CS系今年新开了一门课：CS193T: Thinking with AI。课程不教模型原理，也不教机器学习。它盯着一件事：怎么在真实工作里把AI用顺。

课程网站已经公开。

课程覆盖的内容很具体：

• AI到底怎么工作，先建立直觉
• 进阶Prompt（提示词）技巧，用来探测模型的能力边界和弱点
• Agentic AI和可复用的复杂工作流。Agentic可以理解为让模型调用工具、分步骤执行任务
• Token效率、预算管理和环境成本。Token是模型计费和上下文长度的基本单位
• 如何评估和审计AI系统，课程里对应Accuracy与Accountability
• 偏见、版权、劳动力影响等社会议题

工具栈直接对标业界一线：Claude的Chat、Cowork、Code，ChatGPT，Gemini Enterprise，NotebookLM，DeepSeek、Llama等开源模型，以及Google Drive、Slack这类Connectors实操。

讲师是Cynthia Bailey。

这门课有几个设计值得多看两眼。

零先修要求，2学分，S/NC制。S/NC类似通过制，重心是“用起来”，不靠刷分。每周80分钟tutorial，前20分钟学工具，后1小时在TA指导下动手搭建。作业每周给，内容就是让你把AI部署在自己专业、职业、生活里真正要做的事上。课程方明确说，预期这门课不会显著增加工作量。

期末项目是做一套定制AI系统，直接放进求职portfolio，期末用poster session展示，没有final exam。

课程还专门写了不搞无脑AI hype，认真对待learning impaired、情绪操控等个体风险。这一点在高校AI课里不算常见。

有网友提到，大纲里单列预算管理和成本，平时自己用AI很少认真算这笔账。另一个回复很直接：月底看API账单的时候，算得比谁都清。

也有网友最想看它怎么教人判断AI给的东西是不是错的。这个点比教提示词难。还有网友说，“作业即实战”最打动他，作业就是把AI安进自己真正要做的事里，学完直接能用。有人顺势问，国内高校照这个思路开课，最难的是师资还是算力。

Prompt模板只是表层。真实任务会暴露模型边界、token成本，以及人什么时候该接管。

这门课适合谁看？高校老师可以看怎么把AI教学落地；研究者可以拿它做AI-native workflow的系统性训练；想把个人方法论用AI规模化的人，也能从作业设计里拿到参考。

不在斯坦福也能学。课程网站上的syllabus、tutorial页面和assignment材料公开。所有lecture视频也放到了YouTube。

课程主页：https://web.stanford.edu/class/archive/cs/cs193t/cs193t.1272/

Lecture视频：https://www.youtube.com/watch?v=I7zvCSGMkoc

Stanford Online的学分课程入口：https://online.stanford.edu/courses/cs193t-thinking-ai-strategies-effective-and-ethical-human-ai-collaboration

来源：https://x.com/Fred834567/status/2121427595485221173