Cursor 优化 agent 运行架构,长时任务 token 成本下降 7%
摘要
Cursor 通过对 agent harness 进行改进,在不牺牲 agent 输出质量的前提下,将用户在长时运行场景中的 token 成本降低了 7%。这一调整直接作用于 agent 的底层运行机制,而非通过压缩模型能力实现。
AI 编程工具 Cursor 近期对其 agent 运行框架做出调整。据官方信息,此次改动聚焦于 agent harness 层面,目标是在不降低 agent 工作质量的基础上,削减用户在使用过程中产生的 token 开销。
从结果来看,这一优化使用户的 token 成本下降了 7%。值得注意的是,该收益是在 agent 质量未出现退化的前提下取得的,意味着 Cursor 并非通过限制模型输出或简化任务处理流程来换取成本节约。
agent harness 通常负责协调模型调用、上下文管理与任务执行等环节,是 agent 长时间运行时的关键基础设施。此次改进表明,在模型能力之外,运行框架层面的工程优化同样能够对 token 消耗产生可量化的影响。
对于依赖 Cursor 执行长时任务的开发者而言,7% 的成本降幅会直接体现在使用账单中。在 AI 编程工具竞争日趋激烈的背景下,token 效率正成为产品体验与商业可持续性之间的重要变量。
本文由新大陆基于公开信息编辑整理
信息来源:AIHOT AIHOT原文 ↗