Cursor 於二零二六年九月二十三日在官方研究網誌公布：過去數月對代理（agent）執行框架（agent harness）的改動，已在不降低代理品質的前提下，把用戶端 token 成本平均降低約百分之七。來源真實性已驗證：一級來源為 Cursor 官方網誌〈Improved token efficiency for longer agent runs〉；發現路徑來自鎖定來源帳號 cursor_ai 同日帖文。

本文整理其系統提示精簡、工具動態載入、快取斷點與檔案讀取壓縮等技術手段，並評估對開發團隊、企業代理工作負載與香港市場的啟示。數字與機制描述均以 Cursor 官網為準，不以第三方轉述替代。

Cursor：代理框架優化令 token 成本降約百分之七——系統提示、動態工具與快取斷點並進

一、核心事件：長程代理時代，成本瓶頸轉向「上下文組裝」

技術細節

Cursor 研究團隊（Jediah Katz、Connor O’Keefe、Calvin Yee）指出，隨代理能處理更長、更跨步驟的任務，推論開支結構已改變：代理需在多輪之間攜帶更多上下文，「如何組裝與管理上下文」成為可控成本的關鍵。官網稱，對 harness 各層的改動合計為用戶降低約百分之七的 token 成本，且代理品質未因此下降。

同日官方 X 帖文亦概括節省來自更精簡的提示、選擇性載入工具、更佳快取，以及壓縮後的檔案讀取。網誌則把措施拆成五條可核對的工程軸線，下文逐一說明。

二、技術原理深度解析

系統提示大幅精簡。 每一輪代理請求都會帶上 Cursor 提供的系統提示與工具定義。模型能力較弱時，團隊需詳列工具用法、任務管理與「禁止」行為；隨模型進步，大量指令變得冗餘。官方寫道，跨模型家族可把系統提示約削減百分之六十六，改為清楚定義工具行為，讓模型自行遵守。

內建工具改為按需載入。 工具定義隨背景 shell 監控、雲端子代理、網絡讀取等能力膨脹，但多數工具在少於百分之二十的對話中才會用到。Cursor 早前已把 MCP 工具改為動態上下文，並稱在有呼叫 MCP 的會話中總 token 可降約百分之四十六點九；今次把同一思路套用到內建工具。A/B 測試後，讀寫搜尋與 shell 等高頻工具留在靜態上下文；其餘改為需要時才載入。官方稱此舉令靜態上下文中的工具描述 token 減少約百分之六十。

改善提示快取重用。 多輪請求的前綴（工具、系統指令）往往穩定，後段對話則持續增長。自 GPT-5.6 起，OpenAI API 允許客戶端標明明確快取斷點；Cursor 把斷點放在穩定層之後、成長中的對話之前，並把較易變動的設定移到「phantom user message」。官方稱冷快取未命中率因此下降約百分之二十。

壓縮檔案讀取的行號。 Read 工具過去為每一行標號，方便模型引用；長會話讀數萬行時累積可觀。現改為每十行才標一次行號，官方稱快取讀取 token 再降約百分之一點六，且品質無損。

子代理策略收斂。 長程任務可把工作委派給子代理以隔離上下文；過度鼓勵探索式子代理反而造成重複勞動。團隊移除「強烈鼓勵用子代理探索程式庫」的指示，並收緊子代理換模型規則：僅在用戶或 harness 明確指示時才選用不同模型。

三、代幣經濟學／協議層影響

本事件屬開發工具與推論成本工程，不涉及鏈上代幣或協議經濟；本節從略。若企業以用量計費的 API 或代理平台為主，token 節省會直接反映在月結單，屬營運成本而非代幣供應機制。

四、日常應用場景

1. 開發者與技術團隊

長時間代理重構、跨檔案除錯、多步驟遷移，正是 harness 優化最容易「看得見」的場景：同樣任務所需輸入／快取讀取減少，意味著在預算內可跑更長的代理回合，或把節省轉成更多並行實驗。

2. 企業與隱私敏感行業

金融、法律、醫療等行業若以代理自動化內部程式庫工作，token 成本常與合規審批掛鉤。降低無謂的系統提示與工具定義佔比，有助在不犧牲可審計流程的前提下控制雲端／API 開支。需要數據不出境時，仍應把敏感程式與文件留在私有環境，而非僅依賴公有代理的成本優化。

3. 一般用戶

個人訂閱者未必看到「百分之七」的明細，但較少冷快取未命中與較短靜態上下文，通常表現為相同配額下可完成更多代理步驟，或延遲略為改善。實際感受仍視乎所用模型與會話長度。

4. 香港與亞洲市場視角

香港中小企業與外包團隊普遍以用量或座位混合計費採購 AI 編程助手。當代理任務變長，成本曲線往往陡於「單次補全」。Cursor 這類 harness 層優化，提醒本地技術主管：除議價模型單價外，亦應檢視提示、工具與快取策略是否可自建或向供應商要求透明度。若專案涉及客戶源碼或受規管數據，可同步評估在香港境內部署私有模型與代理編排，避免成本優化與數據主權互相衝突。

五、專業評價與潛在考量

優勢

• 有官方可核對的百分比與機制說明，而非空泛「更聰明」。
• 優化落在 harness（系統可控制的組裝層），對多模型家族皆適用，抗單一供應商鎖定。
• A/B 與真實流量導向，較純評測集更能反映日常請求分佈。

需要留意的地方

• 「百分之七」是整體平均；極短會話或幾乎不用工具的請求，節省可能不明顯。
• 動態載入工具依賴模型正確「想起」何時載入；官方雖以 A/B 監控錯誤率，個別邊緣流程仍可能需保留靜態定義。
• 快取斷點與 GPT-5.6 API 能力相關；其他供應商的快取行為未必相同，跨模型比較時不宜直接外推數字。
• 網誌提及團隊亦把類似思路帶到 Grok Bot 的 harness；此屬 Cursor 側陳述，讀者應以各自產品實際帳單為準。

結語

代理式編程正從「單次補全」走向「長程多工具協作」，成本與延遲的勝負手愈來愈在上下文工程，而非單靠更大模型。Cursor 公布約百分之七的 token 成本下降，展示了系統提示、工具載入、快取與讀取格式等「不起眼」細節的累積效應。

若香港企業希望在控制 AI 開支的同時，把敏感程式與數據留在本地可控環境，可參考 YSK Limited 的企業私有 LLM 全託管（年費由 HK$88,000 起，Dataset → QLoRA/LoRA → 私有 API，強調數據不出境）：https://ysk.hk/services/ai-automation 。遠端開發與產品迭代亦可考慮開發者外判方案（HK$2,000／月起）：https://ysk.hk/services/outsourcing 。查詢：WhatsApp +852 6160 4242／[email protected]。

參考來源

1. Cursor 官方網誌：Improved token efficiency for longer agent runs（2026-09-23）— https://cursor.com/blog/improved-token-efficiency
2. Cursor 官方 X 帖文（發現路徑）— https://x.com/cursor_ai/status/2102786814633464159
3. YSK Limited 企業私有 LLM 全託管 — https://ysk.hk/services/ai-automation
4. YSK Limited 開發者外判 — https://ysk.hk/services/outsourcing
5. YSK Limited llms.txt（服務價目核對）— https://ysk.hk/llms.txt