P.1
后厨里的一万道菜
嘿嘿，我现在一秒能做一万道菜！
这是「能造 AI」的时代——生成答案（做菜）便宜到爆。可问题来了：菜这么多，谁来尝一口、说这道对不对？
P.2
美食评委 = 验证器
这道——不合格！
啊？可我做了一万道了耶……
叮！
整门课的地基：会做一万道不值钱，能自动尝出对错（验证器）才值钱。硬验证器=跑测试/比对答案；软验证器=再叫个 AI 当评委（会偏心）。
P.3
分身海战术
别慌，把自己复制一万次同时做！
就这一份——对！
同一道难题，让 7B 小模型采样上万次 + 验证器挑对的那份，覆盖率能反超「大模型只答一次」。小 × 很多次 × 验证器 > 大 × 一次。
P.4
把招式练进肌肉
把评委夸过的对招，反复练！
练进芯片！
推理时算力是「租的」，训练时扩展是「买的」：用验证器给轨迹打分，强化学习把好做法固化进权重（RLVR / STaR / GRPO）——从临时查攻略变成本能。
P.5
装上手，也装上记性
有工具和记忆，才炒得动大菜！
给模型装手（调用工具 / 跑测试）和记性（记忆管理）。妙处在于——锅糊了会冒烟报警：反馈来自真实世界，不是模型自说自话。
P.6
别放养，搭条流水线
生产级 Agent 的可靠性不靠「更自主」，而靠受控流程：先手搭固定 pipeline、每步设验证关卡，再一点点放权。放养=误差累积。
P.7
今日特别篇 · 最先跑通的厨房 = 写代码
代码天生满足全部条件：单测=现成验证器、git=能倒带、报错=秒级反馈。大厂真买单的活：代码迁移 / 补测试 / 数据清洗。
P.8
一句话心法
记住这一句，就记住了 CS329A：生成便宜，稀缺的是「不靠人也能自动判定对错」。
📌 本页知识清单 · CS329A 的 8 个工程模块
- ① 验证器（地基）：硬=测试/比对，软=LLM 当裁判，弱验证器集成投票。
- ② 推理时算力：多采样 + 验证器挑优，小模型也能盖过大模型单次。
- ③ 训练时 RL：RLVR / STaR / GRPO，把验证器筛过的好轨迹固化进权重。
- ④ 工具 / 代码 / 记忆：ReAct 想-做交替、执行反馈、记忆管理。
- ⑤ 规划编排：受控流程 > 放养，每步设关卡，再逐步放权。
- ⑥ 评测：回归测试集 + 自动评分器；前沿=AI Scientist / AlphaEvolve 式自我进化。
- ⑦ 落地首选：软件工程 Agent（单测=验证器、git=可回滚）。
- 精读顺序：第 2→3→6→7→13 讲。检查语：这一步对错谁来判、成本多少？