斯坦福 CS329Z《Agent 工程》第 11 讲上的核心主题是搞清楚 Agent 到底需要什么样的数据,和普通大模型指令数据不一样,Agent 数据重点是交互轨迹、示范样例、反馈信号,同时要区分优化训练数据和评估测试数据,课程还介绍了数据飞轮、合成数据生成、人机交互采集这些落地方案,这也是当前限制 Agent 稳定性、泛化能力最核心的一环,很多 Agent 效果差,根源不是基座模型弱,而是缺少高质量的 Agent 专属交互数据。
Agent 数据两大基础分类
- 交互轨迹(Traces):记录 Agent 从接收任务、思考、调用工具、观察环境反馈,一直到任务结束的完整步骤流,包含任务描述、每一步动作、环境观测结果、最终结果,适合做监督微调。
- 环境任务(Environments):由任务本体、可执行沙箱、结果校验规则组成,重点用来做强化学习、自动化评测,环境要能重复复现、自动判断任务是否成功。
三类核心 Agent 数据清单
- 示范数据(Demonstrations):人类或者成熟 Agent 完成任务的正确交互过程,用来教 Agent 标准的解决路径,是 SFT 阶段最常用的数据。
- 反馈数据(Feedback):包含成功 / 失败标记、偏好打分、错误标注,用来做偏好优化、在线微调,修正 Agent 错误动作。
- 轨迹日志数据:Agent 自主运行产生的原始交互记录,经过清洗筛选之后,可以持续回流形成数据飞轮,不断扩充数据集。
数据采集与生成方式
- 人机交互采集:让人和 Agent 交互,保存交互过程和人工标注的好坏反馈,数据真实但是采集成本偏高。
- 合成数据生成:在构造好的环境里自动生成任务和交互轨迹,能快速扩量,难点是保证任务逻辑、环境一致性。
- 轨迹挖掘:从开源代码库、运行日志、历史任务记录里提取可用轨迹,获取成本低,需要严格清洗过滤无效和错误样本。
数据使用的关键区分
| 数据用途 | 数据特点 | 使用方式 |
|---|---|---|
| 优化训练 | 示范轨迹、反馈样本、合成轨迹 | SFT、RL、偏好优化 |
| 评估测试 | 独立环境、未见过的任务集 | 离线评测、自动化基准测试 |
整节课的核心思路就是,Agent 不是靠纯文本指令就能做好,它需要带环境交互信息的结构化数据;单纯堆数据量作用有限,优先保证轨迹逻辑自洽、环境可验证、任务多样性,再搭建数据飞轮持续迭代,才能稳步提升 Agent 的执行稳定性。
【相关 FAQ】
问题 1,斯坦福 CS329Z《Agent 工程》第 11 讲上提到 Agent 需要什么数据?
回答 1,斯坦福 CS329Z《Agent 工程》第 11 讲上指出 Agent 主要需要交互轨迹数据、示范数据、反馈数据,同时区分训练优化数据和评估数据,还包含合成数据、人机交互采集数据。
问题 2,CS329Z 课程里 Agent 的交互轨迹数据指什么?
回答 2,CS329Z 课程里 Agent 交互轨迹数据是 Agent 完成任务的完整记录,包含任务输入、思考步骤、工具调用、环境观测、最终结果,是 Agent 监督微调的核心素材。
问题 3,CS329Z 第 11 讲上提到的 Agent 数据飞轮是什么?
回答 3,CS329Z 第 11 讲上的数据飞轮是 Agent 运行产生交互数据,经过筛选标注后回流训练,训练后的 Agent 产生更多新轨迹,持续循环扩充高质量 Agent 数据集。
问题 4,Agent 用的环境任务数据和轨迹数据有什么差别?
回答 4,Agent 轨迹数据侧重记录一次任务完整执行过程,多用于 SFT;环境任务数据自带可复现沙箱和自动校验器,更多用来做强化学习和自动化评估。
【参考资料】
[2026-11-21](CS329Z: Engineering AI Agents What Data Do Agents Need?)斯坦福大学
[2026-11-21](Stanford CS329Z | Engineering AI Agents)斯坦福课程官网
[2026-08-03](Engineering AI Agents CS329Z)Stanford Online
[2026-11-11](斯坦福 CS329Z Agent 工程课程笔记)微博
【免责声明】
本文内容基于斯坦福 CS329Z《Agent 工程》第 11 讲公开课件整理,仅为课程内容科普解读,不代表课程全部完整观点;Agent 数据方案落地效果受环境、模型、业务场景影响,内容仅作学习参考,不构成工程落地建议。
