AI 时代编程怎么教?斯坦福给出答案:禁止手写代码

最近，AI 编程的热度依旧高涨。 Twitter几乎每天都能看到各路大佬分享自己的新体验。尤其是 Google DeepMind 的首席工程师发的一条帖子，说 ClaudeCode 用 1 个小时完成了一个团队一年的构建。这个话题更是引来八百万次围观，上千个讨论。“AI 会怎么改变软件和编程”是讨论的热点。

热闹之外，一个更现实的问题摆在面前。今天的计算机科学和软件工程，尤其是编程教育，到底该怎么教、怎么学？

不断有老师和学生提出质疑，AI 已经编程这么厉害了，编程到底教什么？怎么教？不然学生用 AI 写代码交作业，老师用 AI 批改，这个就...是自循环了吧。

正好今天翻到斯坦福在 2025 年秋天开设的# CS146S: The Modern Software Developer (现代软件开发) 课程。已经全部完成，并且把所有的内容都放到了课程网站上。https://themodernsoftware.dev/还有作业的代码库https://github.com/mihail911/modern-software-dev-assignments

我很好奇这个号称不允许学生手写代码，必须通过 AI 辅助编程完成的课程，到底怎么讲的。

看完觉得，这可真是个宝藏课程～

这个为期 8 周的编程课程，设计很巧妙。提供了很多案例，用渐进的方式从精细化控制提示词起步，囊括了软件工程的模块化，前后端接口，测试，代码 review，不同架构等软件开发中的问题。确实是面向专业软件的开发教程，而不是一般做一个玩具程序的思路。

我觉得很值得把这八周的作业和课程环节拿来拆开研究。它是学生的训练路径，也可能为一线教师提供一种新的课程设计思路。接下来我会对这八周安排分别能训练什么能力做一个更具体的介绍，希望能给计算机系的老师和学习者带来一些启发。

 Week1：6 个 prompt 技术，先练“能验收”的那种

Week1 的任务很直白：练 6 种提示词技术。

做法也很直白：每个 task 对应一个 .py 文件，你只需要把 TODO 标注的 prompt 或函数补齐，然后反复跑脚本，直到测试通过。

6 个点分别对应：

• k_shot_prompting.py：k-shot，让模型稳定输出指定字符串
• chain_of_thought.py：解模运算题，最后一行固定 Answer: 43
• tool_calling.py：输出纯 JSON 触发工具调用
• self_consistency_prompting.py：多次尝试，多数投票要收敛到 Answer: 25
• rag.py：从给定 CORPUS 选 context，让模型生成包含关键片段的函数实现
• reflexion.py：失败后做一次反思迭代，争取第二版过测试

Week1 的教学目的就是怎么通过提示词控制 AI的输出稳定

作业也不用靠老师主观意见批改。

能让测试过，就算完成任务。

后面的 Week2-Week8：从“会 prompt”到“会把系统做出来”

这门课后面几周的设计，是一层一层往“真实开发”上递进的。

我简单给你扫一眼，你就知道它想怎么训练学生的。

Week2：Action Item Extractor（行动项提取器）

基于一个已有的 FastAPI + SQLite 小应用，把“会议/随手记”的自由文本变成结构化待办。

你不仅要加一个 LLM 版本的提取函数（extract_action_items_llm()），还要补单测、重构工程、加新的endpoint、前端加按钮、最后再从代码库生成 README。

说白了：

你要把 AI 从“写函数”用到“做产品”。

Week3：Build a Custom MCP Server（打造自定义 MCP 服务器）

自己做一个 MCP 服务器，包装一个真实外部 API。

要求至少 2 个 tools，参数要 typed，要输入校验，要超时与错误处理，要考虑限流，还要写清楚文档怎么跑、怎么配 client。

这就已经很贴近“真正能上线的工程”了。

Week4：The Autonomous Coding Agent IRL（自动化编码智能体）

在一个全栈 starter app 里，设计并实现至少 2 个能提升开发效率的 automation自动化流程（包括 claudecode 的slash commands、CLAUDE.md、subagents 或 MCP 集成等）。

重点不是你有没有写出功能。

而是你能不能把“可复用的工作流”设计出来，并证明它让你更快更稳。

Week5：Agentic Development with Warp（多智能体协作）

你要展示 Warp Drive + 多智能体并行协作。

还要写清楚自动化层级、并行的收益与风险，甚至建议用 git worktree 避免多个 agent 踩文件。

这周就很像“把你当成小团队的技术负责人来训练”。

Week6：Semgrep 扫描与修修漏洞

扫描给定的代码库，至少修 3 个安全问题，还要写 write-up：规则是什么、风险是什么、你改了哪里、为什么能降低风险。

这一步很关键。

因为真实世界里，写出功能只是及格。

能让它安全、可维护、可解释，才是软件工程。

Week7：Graphite + AI Code Review（代码审查）

对任务文档中的每个 task 开分支，用一句话提示词实现功能，然后你自己逐行 review，再用 Graphite Diamond 做 AI code review，对比并写反思。

这一周其实是在教一件事：

AI 帮你写得快，但你必须学会 review 得更严。

Week8：Multi-Stack + AI 加速多技术栈开发

同一个 web app 做 3 个不同技术栈版本。

至少一个用 bolt.new，至少一个包含非 JS 语言，还要端到端可用、持久化、UI 可用、每个版本都要 README文档。

这就是“把你从学生，推到半个独立开发者”。

写在最后

我为什么说这门课是宝藏？

因为它很现实。

它承认 AI 已经进入业界的真实使用。

它用一整套课程和作业，把学生培养成一个能够驾驭 AI 的工程师：

会提问，会规划，会验收，会迭代，保证安全，对 AI 生成的代码付责任。

作为一流学府的课程，确实成体系，更实际。

如果你是学生，这门课可以当作一条训练路线。

如果你是老师，它也许能给你一个课程设计的新思路。

希望对你有用~