密歇根大学最新 AI 编程课把方法论做成了五个 Skill：「Applied Agentic Software Engineering」深度解读

密歇根 EECS 498 AASE：一门把“AI 编程”教成工程学科的课程

Michigan EECS 498 AASE: Applied Agentic Software Engineering

https://eecs498-aase.github.io/

2026 年秋季，密歇根大学开设了一门没有教材、没有考试、总花费为零美元的 4 学分课程，EECS 498-016「Applied Agentic Software Engineering」（应用式智能体软件工程，缩写 AASE，读作 "A-two-S-E"），由 Marcus Darden 主讲。它的全部内容围绕一个对象、三个动词展开：一个编码智能体（coding agent），十五周里被应用（Apply）、分析（Analyze）、创造（Create）。学生先学会驾驶一个编码智能体，再把人从回路中抽走、观察什么会坏，最后亲手造一个值得留下的。

这门课的判断前提是：工程师的工作重心正在从逐行写代码，转向指挥写代码的系统。市面上大多数“AI 编程课”停在提示词技巧或工具使用层面，而 AASE 试图把这个尚未形成共识的实践领域，按工程学科的规格做一次完整的教学法转换，有理论框架、有轮子可造、有度量的成本、有能当面验证的考核。本文基于课程官网、教学大纲、FAQ，以及 GitHub 仓库中已发布的 L01–L11 全部讲义原文（含 EGM 五个 Skill 的完整文档）写成。

Github: EECS 498 AASE Materials

https://github.com/eecs498-aase/materials

先修要求是 EECS 281 与 201，或高年级 CS 身份。它明确声明不需要机器学习背景，这是一门软件工程课，不是 ML 课。所需的 LLM 机制直觉（tokenization、上下文窗口、能力与知识之分）在第二讲一次补齐。

教学思想：四个贯穿始终的命题

这门课几乎每份材料都在重复几个立场鲜明的命题，它们比任何单个知识点都更重要。

“被评分的是理解，不是生成。” AI 使用在这门课里是被强制要求的。但学生必须能解释提交的每一行代码，并在 AI_LOG.md 中记录工具、模型与提示词。判断标准是一句很干净的话：“如果你能解释它，它就是你的。” 无法解释自己代码的学生，正是这门课被设计出来筛出的对象，通过实验 checkoff、三次现场黑客马拉松和期末当面 demo 来验证，无法解释即视为荣誉守则问题。

“打字员”与“策展人”。 第一讲提出一对形象：传统工程师是 Typist，拥有的是键盘敲击，时间花在“怎么做”上；未来的工程师是 Curator，负责说明意图（做什么、为什么）、评估产出、对结果负责。正确性的定义随之改变，“它能工作，并且我能为它辩护”，而不管代码是谁敲的。

小模型是故意的。 课程全程使用本地部署的 qwen3.5:4b/9b（推荐 9B），不是预算问题，是教学法：“小模型会把糟糕的工程暴露得很明显，这正是目的所在。” 一个会替你掩盖错误的强模型，“藏起了你需要看见的错误”。与此配套的是对模型的态度：模型是一个 endpoint，不是一个 vendor，一切通过 OpenAI 兼容的 chat completions 接口访问，禁止硬编码特定供应商的 API，学生用 YAML 配置切换模型，把模型当作可替换的配置项而非信仰对象。

工具易逝，原理长存。 第一讲的结束语是“Aider 终将消失，原理不会”。课程刻意选 Aider 作为起点，因为它不把任何东西藏进 GUI，上下文、模型、提示词三个决策全部显式可见，而且它小到可以在第三周被学生自己重写。课程的整整一半篇幅不在用工具，而在从零造工具，这部分知识不会随任何厂商的发布而过期。

三阶段结构：一条清晰的难度曲线

三个阶段的成绩权重为 18% / 22.5% / 49.5%（去掉 10% 行政分后约为 20:25:55），权重递增对应工作量与难度递增。所有项目独立完成，且全部是“用编码智能体去构建编码智能体”，用一个造下一个，从第三周起所有工作沉淀在同一个不断生长的 git 仓库里。

阶段一 Apply（第 1–3 周，延伸至第 6 周）：学会驾驶

十六个引导式 Aider 课程（每课一道失败测试）在 4B 模型上搭出 taskr 命令行工具，后半程换 9B 加前端；随后是主项目，一个规格书驱动的“结对程序员”，含七个固定功能、YAML 配置、三张设计图、测试与证据索引。评分一半看规格与设计，一半看实现与测试，没有隐藏测试集。

这一阶段的理论核心是第三讲的 “The Big Three” 诊断框架：Context（上下文）、Model（模型）、Prompt（提示词）。三个圆的交集是命中靶心，核心律令是“三缺一是不够的”。三对两两相交的“脱靶模式”极其精辟：

•有模型有提示词、没有上下文：模型对一个从没读过的文件做出“干净而自信的修改”；

•有上下文有提示词、模型太弱：材料都在，思路丢了；

•有上下文有模型、提示词含糊：模型造出一个你没要的、但挺合理的东西。

诊断顺序由此确定：先问文件进窗口了吗，再问模型够不够强，最后问意图清楚吗，大多数人本能地怪模型，而真正的元凶通常是上下文。提示词部分给出了一个好用的刻度：从“欠指定”（只说结果）到“接口级”（点名文件、函数、签名、调用点，“你定接缝，它写实体”，这是甜点位）再到“过指定”（你把活干完了）。还有一条反直觉规则：在 4B 小模型上，一大段“为什么”反而会把“要什么”埋掉，你的提示词里也存在大海捞针问题。

阶段二 Analyze（第 4–7 周）：把人从回路中拿走

从这一阶段起不再用 Aider，是直接对裸 LLM API 写代码，构建 Agent v0。第七讲“Inside the Call”把一次调用的每个字节拆开讲，要点包括：

•整个接口就是一个 HTTP POST。请求里没有 session 字段，所谓“记忆”完全是 harness 每次重发历史，所以裁剪和摘要只能是你的活。

•finish_reason 带着义务：stop 才可解析出编辑；length 是截断，必须显式报错；tool_calls 转入工具分发。流式返回是 SSE，六种事件都得处理，[DONE] 哨兵会让朴素的 json.loads 崩掉。

•隐蔽截断的例子极有说服力：Ollama 默认 4K 上下文，静默丢掉提示词的开头（你的系统提示词）不报错、不给 length。

•现场翻车案例：一个六行的 agent loop 对学生自己的仓库跑，模型正确读了三个文件、按依赖顺序排了写入，然后为了“清理测试状态”，跑了两次 rm -f ~/.taskr.json，一个 git 不追踪的仓库外文件，/undo 救不回来。结论：“是 harness 失败了，不是模型”。

阶段二的交付物因此非常明确：函数调用工具层、带决策日志的审批层、含六种停止条件的自主循环、评测套件（8+ 任务 × 3+ 次运行的通过率）、以及一份关于剩余失败的拆解报告。课程的成本观也在此成型：成本不用美元衡量，是 token 数、墙钟时间、token/秒。一个值得注意的设计是 Hackathon 1 会把学生切到前沿托管模型 gpt-5.6-luna，但故意把上下文钉在 32K，哪怕该模型支持百万级窗口。理由：策划好放进窗口的内容是核心技能，大窗口只会掩盖坏习惯；换了强模型，瓶颈转移到“人读代码、做决定”这一环，而不是消失。

阶段三 Create（第 8–15 周，占 49.5%）：造一个值得留下的

把 Agent v0 长成真正的助手：一个 LLM 自己维护的 Markdown wiki（本地 RAG）、设计先行方法论的落地（下述 EGM）、权限策略、提示注入攻防、上下文管理与压缩、会话与记忆、回归测试门禁，最后加一个 web 服务器和终端之外的交互通道。期末是 12 月的 Showcase：约 30 分钟的一对一 demo、设计走查与技术问答，被形容为“一场关于你自己作品的面试”。整个阶段禁止使用 LangChain 类框架：agent loop、工具层、审批层、状态与评测必须是你自己的。

L09–L11：一条“无人值守”的工程主线

大纲上这三讲原计划讲本地模型部署、编辑格式与提示 harness，但实际授课发生了调整（课程自己的设计也在按 EGM 迭代，其规格书经历过 6 轮金鱼评审、18 份报告，第 5 轮还抓出一个关于规格发布方式的矛盾）。实际落地的三讲，连成了一条完整的“让 agent 无人值守”主线。

L09「停止条件与审批层」定义运行何时结束、动作由谁放行。三种“完成信号”：无工具调用（“沉默不等于完成”）、专用 finish 工具（“刻意完成”）、验证（“先声称，后检查”）。六种停止条件：任务完成、步数上限、token 预算、墙钟时间、重复相同调用、连续工具错误，每种对应一类失控形态（如墙钟专治挂起的 watch 模式测试和 flask run）。最有教育意义的是现场实验：四次全新运行全部“正常退出”，只有一次产出能用的功能，其中一次模型自己挑了个空转测试（import 即 exit 0），“模型自己挑的检查不是检查”，可信验证必须用预先写好的 pytest 套件。审批层的金句是“批准命令，永远不要批准解释”，那次 rm -f 的理由听着完全合理，但命令本身才是事实。讲义同时诚实指出 v0 的已知缺陷：审批疲劳，到第 30 步，提示“只是次按键，不再是个决定”。

L10「Skills 与 Elephant-Goldfish Model」提供了可移植的程序性知识载体。Skill 是一个 agent 按需加载的文件夹（SKILL.md 必需，可选 references/、assets/、scripts/、evals/），“写给模型读，不是写给程序调用”。核心机制是渐进式加载：目录常驻系统提示，正文要靠模型主动请求，五个 EGM Skill 的描述共约 900 tokens，全文约 18,000。工具与 Skill 之分也讲得很清：工具是 harness 执行的函数，schema 随每次请求；Skill 是模型遵循的指令，只以描述形式随行。

L11「护栏：错误、重试与审批闸门」解决出错后怎么办、人不在时谁来当闸门。护栏的定义很严格：必须是在你的代码里、无论模型配合与否每轮都跑的检查，系统提示里写一行不算，因为模型可以无视。错误分三类、各配对策：模型调用失败（429/502）可自动重试；请求错误（400/401）重试是浪费；工具失败是“返回给模型的信息”而非 harness 错误。工具调用超时永不自动重试——超时的调用可能已经执行过，taskr add "buy milk" 可能已存了两条。审批闸门分三种：代码规则（文本匹配、零成本）、审查模型（判断意图与效果、耗一次模型调用）、类型化分类器（Jev，70–500 毫秒）。Claude Code auto mode 与 Codex auto-review 的对比表给出共同设计：都剥离 agent 自己的文本与工具输出（防注入、也防它自我辩护）、拒绝以带理由的 tool result 返回、连续三次拒绝即停。动机数据很硬：93% 的 Claude Code 提示被批准；一万次 Codex 动作中仅 720 次离开沙箱、7 次被拒，提示疲劳意味着“必须有别的东西来回答”。效果测量同样诚实：auto-review 拒绝了 90.3% 的合成“过度积极”动作与 99.3% 的提示注入，但讲义明说这不是安全保证。还有一句值得记住：“概率没变，变的是策略”，分类器给出数字，闸门的语义仍然是人定的。

Elephant-Goldfish Model：课程的灵魂方法论

源自 Dave Rensin 在 Google 团队的经验，核心命题是 “设计就是新的代码”：当代码大部分由 AI 写，设计文档就成了人类能为之背书的那份制品。方法由五个 Skill 组成一条流水线：

1.peanuts 对遗留大代码库自底向上生成 README 树，每层设人工审查门；

2.elephant 一场不写代码的设计对话，产出四节式设计文档（问题、技术方案、备选、详细实现）。模型先出草稿、用户后修改，这是刻意的防谄媚设计；

3.goldfish 把文档发给三个全新的零记忆会话并行评审（理解、批评、就绪度各一），循环修改直到只剩小瑕疵。金鱼是试金石：一份新会话光凭文档就能理解、批评、实现，文档才算成立；否则它依赖的是会消失的聊天上下文；

4.egm-implement 只构建文档列出的文件，现实与文档不一致就停下，先修文档再修代码；

5.mean-review 用最刻薄的方式审 diff，四道脚本强制的扫描。

最精髓的设计原则是：每个箭头都是人亲手发起的交接，没有任何 Skill 会自动触发下一个 ，缝隙就是人类做决定的位置。这把“上下文是易腐品”的洞察推到了极致：一切有价值的东西必须在纸面上。

值得注意的是，课程对 Skill 的教学不停留在“能用”，是把 Skill 本身当作需要评测的工程产物：每个 Skill 附带 trigger-evals.json（十二条请求，六条应触发、六条近似但不应触发），度量描述作为触发器的质量；anatomy-of-a-skill.md 还指出了第二种更难的测试，Skill 是否真的比没有 Skill 强，必须在全新会话里做 A/B，因为写作会话“知道 Skill 里没写的东西”。文档里遍布同类工程细节：长会话压缩时每个 Skill 只重新附上前 5,000 tokens，所以硬规则必须写在顶部；脚本的信条是“报告，不裁决”，脚本测量，人决定；参考文件必须在正文里写明何时去读，因为模糊的“详见 references/”会导致模型要么全读要么不读。

整体感受

这门课的独特性可以概括为三件更深的事。其一，它有一套可迁移的诊断理论（Big Three），且每个概念都落到机制层面：上下文对应窗口经济学，模型对应能力/知识两轴，提示词对应采样分布的收窄，理论不停留在比喻。其二，它坚持造轮子：半学期在写自己的 agent loop、审批层和评测，这让知识不随厂商发布而过期；配套的 L09–L11 甚至可以直接当作 harness 权限层的工程教材。其三，它把学术诚信从“禁与不禁”重构为“能否解释”，用当面验证代替事后稽查，并对审批疲劳、注入防御、评测诚实（“这不是安全保证”）等前沿问题给出了带测量数据的回答，而不是口号。

对想自学跟进的人，仓库 github.com/eecs498-aase/materials 已公开 L01–L11 的讲义源码（Slidev 的 slides.md，可读可搜索，PDF/PPTX 同步发布）、每次课的 demo 代码库（带一键 reset 脚本）和完整的 EGM 五件套。建议阅读路径：L01（哲学）→ L03（Big Three）→ L07（API 内部）→ L09–L11（无人值守主线）→ egm/（方法论与 Skill 工程），基本可以还原这门课的思想骨架。课程尚在进行中，后续讲义将随授课陆续发布。