Cursor 团队放出自家心得 prompt：专治 agent harness 的 token 浪费
_AustinCalvert_ · x · 2026-09-25
Cursor 团队成员分享了一个可复用的 prompt，用于系统性优化 LLM agent harness 的 token 成本，涵盖系统提示、工具定义、请求组装、上下文缓存、压缩与检索等环节。
核心观点：
- 目标是降低「每个完成任务的价格加权 token 成本」，且任务质量无可测下降；要按任务而非按请求来度量，因为每轮都会重发前缀，压缩单次请求但增加轮数反而可能更贵。
- token 要按计费类型加权：output、未缓存 input、缓存 input 价格差异巨大。
- 优化顺序：先梳理 harness 结构并测基线 → 排序机会点 → 做收益最大的改动。
「编程与Agent」频道最新
- LangSmith 推出 Trajectories 视图，长程 Agent 运行分析更直观 — LangChain · 2026-09-25
- 「破窗理论」在 vibe coding 代码库里百试百灵 — generativist · 2026-09-25
- 非工程师分享多模型 Agent 分工编排：隔离容器做范围漂移监督 — alexcovo_eth · 2026-09-25
- Primus Society 打造全自主 AI 研究员社会，宣称提升训练效率 30% — JayAlammar · 2026-09-25
- Gauntlet AI 开放申请:全免费 10 周 AI 工程训练营,落地奥斯汀 — petrusenko_max · 2026-09-25
- GitHub 开源 AI 自动化模糊测试管线:agent 自写 harness 并分诊漏洞 — GitHub Blog AI/ML · 2026-09-25