北京
生產級的編程Agent不是單一模型，而是一套精密協作的系統架構。Cursor最近展示了其Agent系統的核心組件，讓我們得以窺見這類產品背后的工程復雜度。
系統頂層是一個智能路由。Cursor集成了多個Agent模型，包括自研的Composer模型。"Auto"模式會動態分析每個請求的復雜度，自動選擇最適合的模型處理任務。這解決了大材小用或力不從心的問題。
核心在于Agent編程模型的訓練方式。與標準LLM只預測下一個token不同，這類模型基于"軌跡"訓練——即展示如何使用工具解決問題的完整行動序列。模型需要學會編碼的流程邏輯：先搜索、再編輯、最后驗證。據Cursor介紹，這涉及海量數據準備、訓練和測試，是整個系統中最重的工程投入。
模型通過工具 harness 連接超過十種工具，覆蓋搜索代碼庫、讀寫文件、應用編輯、運行終端命令等核心操作。但真實代碼庫太大，無法一次性塞入提示詞。上下文檢索系統會主動搜索，只拉取當前步驟最相關的代碼片段、文檔和定義，避免溢出上下文窗口。
編排器（Orchestrator）是控制循環的核心。模型決定下一步做什么、調用哪個工具，編排器執行工具調用、收集結果（搜索結果、文件內容、測試輸出）、重建工作上下文，再送回模型進入下一輪。這種迭代循環將系統從聊天機器人轉變為真正的Agent。一種常見實現是ReAct模式：模型在推理步驟和工具動作之間交替，基于觀察結果調整策略。
安全是最后一道關卡。Agent需要運行構建、測試、linter和腳本來驗證工作，但開放終端權限風險極高。Cursor的解決方案是沙箱：工具調用在隔離環境中執行，通過嚴格的安全護欄保護用戶主機。用戶可選擇本地運行或遠程云虛擬機，兼顧靈活性與安全性。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
