从 LLM 到 Agentic Workflow：一部影片看懂 Stanford AI 系统课程

最近花 27 分钟看完了 Gary Chen 的这部视频，它把斯坦福 CS230（2025 秋）的《Beyond LLM》一讲浓缩成了一支「AI Builder 技术地图」。从 base model 的限制讲起，一路到 Prompt Engineering、Fine-Tuning、RAG、 Agentic Workflow 与 Multi-Agent——每层技术解什么痛点、什么时候该用，看完心里就有数了。

原文课程（约 2 小时）在斯坦福官方频道，下面是我按自己的理解重写的要点，加了一些个人批注。

一、LLM 的限制与「纵轴思维」

课程开篇先立了一个框架：base model 本身是有边界的。它不知道私有数据、容易幻觉、不能保证实时更新、也不擅长数学。所以与其纠结"换更大的模型"，不如建立纵轴思维——在横轴（模型尺寸）之外，用工程手段沿着纵轴把模型的能力"撑起来"。

这不是在骂 base model 弱，而是说：模型的能力上限，由你给它搭的"脚手架"决定。

图 1 · 纵轴思维：同一个模型能有多强，取决于你在纵轴上给它搭的脚手架（进入视口时逐层亮起）

二、强化单一 LLM 的三大工具

Prompt Engineering——最便宜的手段。零成本、见效快，但能力天花板低，适合原型验证。
Fine-Tuning——改变模型行为本身。当你想让它学会一种"风格"或"领域口吻"时用它，比 prompt 更持久。
RAG（检索增强）——给模型接上外部知识。解决私有数据、时效性、幻觉问题，是目前工程上最通用的手段。

三者不是互斥的，而是可以叠加：先用 prompt 调优到极限，再决定要不要 fine-tune；只要涉及领域知识，RAG 几乎是必选项。

三、Agentic Workflow 的系统设计

当单次 LLM 调用不够时，就进入 Agentic Workflow：把一个大任务拆成多个步骤，让模型在循环里"思考—行动—观察"。课程强调系统设计层面的几个关键问题：

任务分解：怎么把目标拆成可执行的子任务；
工具调用：模型如何决定调用哪个工具、传入什么参数；
记忆与状态：跨步骤的上下文如何保留；
反馈回路：拿到工具结果后如何修正下一步。

图 2 · 客服 Agent 示例：从一问一答到理解意图 → 查政策 → 调 API → 组织回复 → 更新记忆的多步流程

四、评估系统与客服 Agent 实作

课程里用了一个很接地气的例子：客服 Agent。它的价值在于展示了完整的工程闭环—— 光有 Agent 循环还不够，你要有评估集来衡量每次改动是变好还是变坏。没有评估的 Agent 系统，就像没有测试的代码库，迟早会悄悄退化。

五、Multi-Agent 与学习路线

最后一节讲 Multi-Agent：多个专用 Agent 分工协作，而不是一个全能 Agent 硬扛所有事。但课程也泼了冷水——Multi-Agent 带来的是协调复杂度，只有当任务真的需要分工时才有必要。

学习路线大致是：先把 Prompt 用好 → 掌握 RAG → 上手单 Agent → 再考虑 Multi-Agent。每一步都有清晰的"什么时候该上"的判断标准，这也是这门课最值钱的地方。

我的几点体会

"纵轴思维"是整部影片的题眼。很多人面对模型能力不足，第一反应是"换个更大的模型"，但工程上的杠杆往往在模型之外的系统里。
RAG 是当前最通用的第一性方案。它把"模型不知道的事"变成"模型可检索的事"，是最接近工程本质的解法。
评估先于优化。客服 Agent 的例子提醒我：迭代之前先想清楚怎么衡量成功，否则改进都是盲目的。

如果你也在学 Agent，这部 27 分钟的浓缩版是个不错的入口；想深入的话，直接看斯坦福原课。