AI 快速迭代，大学课程也在持续更新。以下罗列著名大学公开的 AI/ML 相关课程，所有链接均为课程官网，可免费访问课件、视频或作业。

最近半年，我发现一个很有意思的现象：

大学课程更新的速度，已经开始跟不上软件工程本身的变化。

真正值得关注的，不再是「哪些大学开了 AI 软件工程课程」，而是整个软件工程学术界正在重新定义 Software Engineering。2026 年已经出现了几篇我认为未来会成为里程碑的论文。

1. SE 3.0：Towards AI-Native Software Engineering（目前最重要）

这是我认为目前影响力最大的愿景论文。

Towards AI-Native Software Engineering (SE 3.0): A Vision and a Challenge Roadmap (DOI)

作者提出了一个很清晰的演进路线：

flowchart LR
SE1["SE 1.0<br/>Human writes code"]
SE2["SE 2.0<br/>Copilot assists coding"]
SE3["SE 3.0<br/>AI teammate"]

SE1 --> SE2 --> SE3

他们认为：

SE 2.0（Copilot）的问题是：

AI 只是 Autocomplete++
人仍然管理所有复杂性
Cognitive Load（认知负担）反而增加

因此提出 SE 3.0：

Intent-centric Development
Conversation-oriented Development
AI Teammate
Compiler.next
IDE.next
Runtime.next

这已经不是 Coding Assistant。

而是：

Developer 与 AI Teammate 共同开发系统。 (DOI)

2. ASE-26：第一份完整的 Agentic Software Engineering 教材

第二篇让我很惊讶。

ASE-26: a curriculum for agentic software engineering as a discipline (arXiv)

它不是论文介绍一个想法。

而是真的设计了一整套本科课程。

论文提出：

软件工程师未来工作的主要内容已经逐渐从写代码转变为指导 Agent 工作。(arXiv)

它设计了 21 个 Module。

其中大量内容已经不是传统软件工程：

Intent
Agent Collaboration
Evaluation
Verification
Multi-agent
Evolutionary Spiral
Human Supervision

而 Coding 已经只是其中很小一部分。

如果以后真有一本《AI Native Software Engineering》，我猜它会大量参考这套课程。

3. AI-Native Software Engineering（系统综述）

另一篇值得读的是：

The Rise of AI-Native Software Engineering: Implications for Practice, Education, and the Future Workforce (arXiv)

作者分析了 2016–2026 的 48 篇论文。

最后提出：

未来的软件工程能力可以概括成九类：

Intent

↓

Specification

↓

Agent Orchestration

↓

Verification

↓

Critical Evaluation

↓

Collaboration

↓

Metacognition

↓

Continuous Learning

↓

Ethics

最重要的一句话是：

教育重点应该从 Code Production 转向 Judgment、Verification、Orchestration。 (arXiv)

这和 Aalto 的课程思想几乎一致。

4. ICSE 2026 已经开始讨论课程如何改

ICSE 2026 的 SEET（Software Engineering Education and Training）专门出现了一篇：

AI-Driven Software Development: A New Course Concept and Assessment Model (Conf.researchr)

重点不是课程内容。

而是：

考试怎么办？

以前：

学生

↓

写代码

↓

老师评分

以后：

学生

↓

AI

↓

共同开发

↓

老师评估：

为什么这样做？

Prompt 如何设计？

为什么相信 AI？

如何验证？

这说明教育界已经开始把**验证能力（Verification）**作为核心考核对象。(Conf.researchr)

5. 软件工程教育本身正在重写

还有一篇偏教育学：

A Systemic View of a Software Engineering Education Curriculum (Sage Journals)

它认为未来的软件工程课程需要加入：

Systems Thinking
Ethics
AI
Enterprise Architecture
Human Collaboration
Lifelong Learning

而不是：

更多语言
更多 Framework

一个共同趋势

把这些论文放在一起，会发现它们其实在描述同一个未来。

flowchart TD

A["Requirements / Intent"]
B["Context Engineering"]
C["Agent Planning"]
D["Multi-Agent"]
E["Tool Calling"]
F["Verification"]
G["Evaluation"]
H["Observability"]
I["Deployment"]

A --> B
B --> C
C --> D
D --> E
E --> F
F --> G
G --> H
H --> I

这里几乎已经没有「写代码」这个独立阶段了。

代码变成整个流程中的一个产物，而不是中心。

如果我是大学教授，我会这样设计教材

结合这些研究，我觉得未来一本真正经典的教材，大概率会采用下面这样的结构：

Part	内容
Part 1	Intent Engineering（需求表达、问题建模）
Part 2	Context Engineering（上下文构建）
Part 3	AI Collaboration（人与 Agent 协作）
Part 4	Agentic Software Engineering（单 Agent、多 Agent）
Part 5	Verification（测试、评审、形式化验证、AI 审核）
Part 6	Evaluation（离线评估、在线评估、A/B、Evals）
Part 7	AI Architecture（RAG、Memory、Tool、Workflow）
Part 8	AI DevOps（Observability、Guardrails、Cost、Security）
Part 9	Human Governance（责任、伦理、团队协作）

你会发现，它与经典教材如《Software Engineering》（Sommerville）最大的区别，不是增加了一个“AI 章节”，而是整个软件生命周期都围绕 AI 重构。

结合你的背景，我还有一个建议。 我认为完全可以自己整理一套 《AI Native Software Engineering Reading List》，不局限于课程，而是按主题（Intent Engineering、Context Engineering、Verification、Evaluation、Agent Architecture、Observability、AI DevOps）持续跟踪 ICSE、FSE、TOSEM、SEET、Anthropic、OpenAI、Google DeepMind 等来源。相比等待大学教材出版，这样更有机会走在这一领域的前沿。