Cursor优化agent长时运行上下文，用户token成本降7%
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
本条选题由第三方线索发现；线索方提供的摘要未被采用，本页内容依据下方信源整理。线索来源：AIHOT
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载agent长时运行趋势与降本
随着agent逐渐成熟并处理更复杂的任务，其运行时间变长，且在步骤间需携带更多上下文。这使得上下文的组装与管理变得尤为关键。过去几个月，Cursor通过改进agent harness来应对这一变化。该harness能直接控制请求组装方式、上下文复用逻辑以及跨agent的任务分配。这些层面的改动最终在保持agent质量不变的情况下，将用户的token开销降低了7%。
精简系统提示词与按需加载
系统提示词和工具定义是每轮请求中由Cursor提供的上下文主要部分。早期模型能力较弱时，系统提示词需包含大量D,大量工具,大量防错指令（如禁止F长F3禁止'You-输出长哈希#G'或表情,大量表情,大量符）。随着模型能力增强，<|cut+|>模型<|cut+|>能,;仅定义)定义工具行为即可让其遵守，无需冗长指令。这使得Cursor<|cut+|>E<|cut+|>精简了约66%的系统提示词。同时;同时，D)工具定义随功能增加而膨胀，Cursor将其改为按需加载，避免每次请求都携带全量工具描述。>。0
基于A/B测试的迭代验证
在优化harness时，Cursor依赖大规模用户群体的A/B测试，而非仅靠评估集（evals）。团队认为，evals虽能作为快速代理，但往往代表“困难”问题，无法恰当反映用户真实请求的分布。此外，随着新模型出现，团队会持续增删指令以提供新引导，这些经验也会反哺未来模型的训练。
为什么值得看
给出大模型应用层降本实操：精简提示词与按需加载工具，并用A/B测试替代eval验证效果。
信源1 家
关键事实
相关 · 产品
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。