编者摘要：MIT 2026 秋季新开选修课 6.S950《Agency with AI》，面向具备机器学习、算法、编程基础的本科生，它并非 AI 工具教学课，而是一门塑造 AI 时代工程判断力的课程。课程核心概念 Agency（代理权），即判断任务中哪些委托 AI、哪些必须验证、哪些需要亲自完成。课程提出 “增量四问法”，审视任何 AI 技术：解决什么问题、方案是什么、有哪些传统思想支撑、创新增量在哪，破除 AI “魔法化” 认知。
课程沿机器学习项目生命周期分为四大模块共 12 讲：定框与阅读、构建与 Harness 工程、数据与评测、反思与写作。标志性理念为Spec 先于 Prompt：写提示词前必须定义规格、边界条件与验收标准；同时强调 Git 作为人机协作的问责账本，保留改动溯源证据。课程强调模型失效是架构权衡的必然结果（fail by construction），评测本质是实验设计，并且要双重审计产出物与裁判，LLM 评审乃至人类评审都自带偏见。
配套 Lab 极具巧思，通过控制 AI 是否参与，把人机分工决策本身作为实验，要求预先预判 AI 缺陷，留存证据，最终脱机答辩。考核由 Lab 答辩、学期项目、个人资产库 Portfolio 三部分构成，核心规则：允许使用 AI，但无法解释、不能辩护的成果不得分。课程最后探讨作者性、默会知识等议题，警示过度外包会侵蚀人的研究能力。整体是 MIT 对 AI 时代工程教育的系统性回答：工程重心从产出成果，转向决策的可辩护性。
10个关键问题Q&A
-
Q：这门课和普通 LLM 提示词课最大区别是什么？ A：普通课教怎么用 AI 工具；本课训练工程判断力，重点是人如何做「委托 / 验证 / 自留」决策，要求决策可辩护。 -
Q：Agency 代理权在课程里的准确含义？ A：判断哪些任务交给 AI、哪些结果要核验、哪些工作必须自己动手完成的工程判断力。 -
Q：什么是四问增量思维（Delta Thinking）？ A：分析技术四维度：解决什么问题、方案是什么、哪些旧理论可解释、真正新增的创新点，避免神化 AI。 -
Q：“Spec 先于 Prompt” 是什么意思？ A：先写输入输出、边界条件、验收标准的规格文档，再写提示词；Prompt 只是规格的口语化表达。 -
Q：课程提到 fail by construction，如何理解？ A：模型失败不是偶然 bug，是底层架构设计权衡带来的固有缺陷，理解机制才能提前预判风险。 -
Q：为什么课程仍然要求学生亲手写代码？ A：看懂、验证代码的前提是理解；亲手构建培养调试能力，项目责任不能外包给 AI。 -
Q：双重审计（audit artifact and judge）指什么？ A：既要审计 AI 产出（代码、数据集），也要审计评审者，不管是 LLM-as-judge 还是人类，二者都存在固有偏见。 -
Q：Git 在 AI 人机协作中的新定位？ A：不再只是备份工具，是责任溯源账本，区分人与 AI 改动，用于审查、回滚，留存证据。 -
Q：课程考核是否禁止使用 AI？ A：不禁止 AI 使用。但任何成果，只要学生不能解释决策、无法辩护，直接不得分。 -
Q：课程第 11 讲 “What the human had” 核心警示是什么？ A：大量任务委托 AI 会慢慢丢失研究者独有的默会知识、问题品味与作者性，存在隐性能力损耗。 附录 MIT 6.S950《Agency with AI》课程全景解读整理
课程定位：MIT EECS 2026 秋新开本科选修课，12 学分，讲师 Shen Shen；不是 AI 工具课，是 AI 时代工程判断力课程。前置硬门槛：机器学习 6.390、编程 6.101、算法 6.121，面向已有扎实 ML 与 CS 基础的学生，不讲授基础，聚焦「在真实机器学习项目里正确使用 AI」。 官网：https://agencyai.mit.edu/
一、核心定义：Agency（代理权）
Agency, the judgment about what to delegate, what to verify, and what to keep for oneself to do. 代理权：判断什么委托给 AI、什么必须验证、什么必须自己亲手完成。
核心学习递进链
会使用 AI 工具 → 理解工具为什么有效 → 理解工具天生的失效机制（fail by construction）→ 对每一项任务做出「委托 / 验证 / 重定向 / 保留」决策，并且能够有理有据地辩护该决策。
贯穿全课的四问分析法（Delta Thinking 增量思维）
审视任意 AI 技术 / 论文概念，固定问 4 个问题，将 AI 放回计算机科学思想谱系，祛魅，拒绝把 AI 当成魔法：
-
它要解决什么问题？（动机 motivation） -
给出的解决方案是什么？（方案 solution） -
有哪些经典旧思想可以解释它？（old idea） -
它真正新增的差异是什么？（delta）
二、课程整体架构：跟随 ML 项目全生命周期，4 模块 12 讲
模块一：定框与阅读｜AI 时代如何做研究阅读
Lec1 What this course is｜课程立宪
-
定义 Agency；确立四问法；建立评分契约：允许使用 AI，但无法解释理由的作业不得分。考核的不是用不用 AI，而是决策的可辩护性。
Lec2 Reading matters｜阅读本身依然重要
-
四问法读论文；识别 AI 摘要常见幻觉；对 AI 输出做原文核验（支持 / 矛盾 / 无法判定）；产出领域地图 Field Map。 -
Lab2 实操：无 AI 粗读 → AI 辅助答疑 → 核验 AI 论断 → 无 AI 精读 → 对比「粗读 / 精读 / AI」三方认知，定位自己理解偏差。
模块二：构建与 Harness｜人机协作构建工程
Lec3 Why still build｜既然 AI 能写代码，为什么人还要亲手实现
-
核心观点：验证的前提是理解；看不懂就无法校验；亲手构建的价值不是产出代码，而是获得调试与风险判断能力；项目责任不可外包。
Lec4 Specs before prompts｜规格先行，提示词在后（课程最出圈理念）
-
Prompt 本质是一份不完整的 spec；先定义输入输出、边界条件、验收标准，再写提示词；把人和 Agent 的关系看作甲方与承包商，spec 是合同。
Lec5 Git makes a diff｜版本控制作为人机协作问责基础设施
-
Git 不只是备份；diff 记录 AI 改动、划分责任边界；利用提交记录区分「人写」与「AI 生成」，实现可审查、可回滚，保留溯源证据 provenance。
Lec6 The abstraction ladder (of programming)｜编程抽象阶梯
-
LLM/Agent 只是计算机抽象层中新的一层，和编译器、操作系统逻辑一脉相承：用可控的不透明换取效率；调试需要向下穿透抽象；上下文管理就是这一层的内存管理；Harness 脚手架工程是必备配套。
模块三：数据与评测｜信任不是默认值，评测即实验设计
Lec7 Outsourced data｜审查外部 / 外包数据集
-
核查数据源、许可、数据污染、分布偏移、标注质量；AI 批量生成数据带来新风险：垃圾数据可以自动化大规模生产。
Lec8 The machinery beyond vanilla transformers｜基础模型底层失效根源
-
跳出原生 Transformer，拆解 RLHF、MoE、RAG、工具调用、长上下文等扩展机制；失败不是 bug，是架构权衡带来的必然结果（fail by construction）；只有懂底层，才能预判失效模式。
Lec9 Evals as experimental design｜评测 = 实验设计
-
评测不是跑 Benchmark；需要假设、对照组、统计显著性；警惕 Goodhart 定律、基准过拟合、数据污染；针对预判的失效模式设计评测方案。
Lec10 Auditing the artifact and the judge｜双重审计：审计产出物，同时审计裁判
-
审计 artifact：模型输出、数据集、代码； -
审计 judge：LLM-as-judge 存在长度偏好、位置偏差、自偏好；人类评审本身同样存在偏见，人不是天然的黄金标准。
模块四：反思与写作｜守住研究者的作者性
Lec11 What the human had｜人类研究者曾经拥有什么
-
讨论默会知识、问题品味、作者署名、责任；核心命题：委托 AI 存在隐性成本，外包实践会慢慢丢失研究者自身能力。
Lec12 Closing arguments｜结案陈词
-
学生当庭辩护自己一学期的委托 / 验证决策；一页纸学术摘要范式：Claim/Evidence/Limits；学生案例甚至可以质疑课程本身的观点；课程论断本身也需要被审计。
三、实验 Lab 设计（课程教学设计精华）
Lab 设计核心思路：控制 AI 在场与否，把人机决策本身当成实验对象，留存完整证据链
- Lab1 Close Enough?
手写 kNN 分类器 1）禁用 AI，提前预估：工作量、AI 实现准确率、预期 AI 错误、验收标准； 2）允许 AI 实现，用预先定义标准校验，留存对话证据； 3）对比第三方现成模型：输出一致 ≠ 系统等价； 4）Checkoff 答辩：脱离 AI，口头解释全部逻辑。 - Lab2 Connect Four
论文对精读（如 BatchNorm vs LayerNorm） 无 AI 粗读 → AI 辅助解惑 → 核验 AI 观点 → 无 AI 精读原文 → 三方对比复盘理解偏差，迁移到新论文阅读。
四、考核体系（30+40+30）
-
30% Lab Checkoff：答辩制，重点是解释、辩护你的决策； -
40% 学期项目：可复用 UROP/MEng 科研项目，交付一页摘要 + 代码仓库； -
30% Portfolio 个人资产库：3 份可复用 AI 工作流 SKILL.md + 3 个真实 AI 使用案例，案例可以支持或反驳课程观点。
核心考核原则：AI 允许使用，不限制使用量；任何无法说明理由的成果，无论效果多好，不得分。
五、课程三大核心立场（MIT 对 AI 时代工程教育的回答）
-
重心从「产出成果」转向决策可辩护性，要求完整证据链，保证人机混合产出可审查； -
不牺牲技术深度：必须理解模型底层机制，才能预判失效；不是简单提示词技巧培训； -
将工程领域过去回避的人文议题课程化：作者性、署名、责任、默会知识，直面 AI 对研究者能力的侵蚀。