XNews

Cursor与Grok代理系统

Cursor与Grok代理系统

Cursor分享了其在递归模型改进方面的系统化方法,并开源了Grok Build——为其编码代理提供动力的代理框架。一项关键实验基于835页文档用Rust重新实现SQLite,结果表明,经过框架优化的代理集群能够以极低的成本达到仅使用前沿模型的质量水平。 - 外循环使用真实用户交互数据;内循环改进训练本身(强化学习环境、奖励模型、更困难的任务)。 - 集群结构为树形:强大的规划器分解目标,快速/廉价的工人执行狭窄任务,避免上下文漂移。 - miniSQLite结果:Opus 4.8规划器 + Composer 2.5工人成本为1,339美元,而全Fable-5集群为20,057美元,两者均达到100%通过率。 - 框架改进大幅减少了浪费性提交(从68k次冲突降至<1k次),代码从19k行减少至4.6k行,并防止了脑裂、合并冲突和僵化等协调失败。 - Grok Build开源揭示了七层架构:Leader进程、Session Actor、AgentActivity、Turn抽象、Sampler、子代理协调器、工具索引,并配备两遍分层压缩和死循环防御机制。 - 递归自我改进:更强的模型蒸馏出更好的评判/奖励模型,加速整个训练循环。

Key insights

在长时间运行的编码任务中,代理集群框架质量优于模型组合

在miniSQLite实验中,使用相同模型但改进后的框架将总提交次数从约6.8k次减少至稳定架构(冲突少于1,000次),代码行数从19,013行降至4,645行(100%通过),并消除了代理的失控行为。无论使用Fable 5、Opus 4.8还是Composer 2.5作为规划器/工人,新框架均持续优于旧框架。团队结论:框架设计(而非仅模型选择)决定了长期任务能否无混乱地完成。

前沿模型仅需用于高熵决策;执行任务可依赖廉价模型

重新实现SQLite的成本从20,057美元(全Fable 5)降至1,339美元(Opus 4.8规划器 + Composer 2.5工人),最终质量完全相同。工人消耗了大部分令牌(≥69%),但规划器成本驱动了大部分费用。由于规划器只需解决模糊的设计决策,一个强大但非前沿的规划器配合廉价工人即可获得近乎相同的结果。这验证了一种成本架构:前沿模型仅用于根分解和关键权衡。

集群中的协调失败是系统性的,可通过版本控制层机制缓解

团队识别出多代理系统中的五类常见失败:脑裂(不协调的并行设计)、规划器争用、工人合并冲突、大文件热点以及僵化(代理学会避免核心文件)。通过在其自定义的面向代理的版本控制系统中构建冲突检测和审查透镜,他们将冲突减少了三个数量级。这表明代理协调是一个可在版本控制层解决的基础设施问题。

上下文效率而非并行性驱动集群可扩展性

miniSQLite集群的扩展并非源于大规模并行,而是因为每个代理的上下文范围狭窄:规划器从不编写实现,工人从不进行规划。这防止了困扰单代理方法的上下文漂移。团队采用受科斯启发的组织理论:当单个代理内部的协调成本超过分工开销时,企业(集群)便形成;新框架将协调开销保持在足够低的水平,使细分在经济上合理。

递归自我改进是运营现实,而非科幻

Cursor的训练循环利用更强的模型蒸馏出更好的评判和奖励模型,进而改进数据生成和评估质量,加速下一训练周期。与SpaceXAI共同训练的Grok 4.5是首个同时针对软件工程和更广泛知识工作的模型,借助先前模型代际加速开发。这形成了正反馈机制:每一代模型都改善下一代模型的训练条件。

Grok Build开源提供生产级代理框架,支持本地优先开发

SpaceXAI开源了Grok Build,并提供了完整的七层架构文档:Leader进程、Session Actor、AgentActivity、包含八个提示来源的Turn抽象、带死循环恢复的Sampler、子代理协调器以及使用BM25的工具索引。该框架可在本地编译,支持无头/TUI/ACP接口,并完全通过config.toml运行。这为开发者构建自己的编码代理提供了参考实现,特别关注可靠性特性,如两遍分层压缩和双重重复检测。

随着代理能力增长,抽象层次从代码行转向规范

团队将集群比作概率编译器,将规范降级为可执行代码。miniSQLite任务仅凭文档便生成了完全通过的实现。这表明瓶颈正从“模型能否编写代码”转向“规范是否正确、可执行且可检查”。工程师越来越多地在规范层面工作,而集群的任务是在每个降级步骤中缩小概率差距。

实验结果显示提示敏感性导致某些模型无法公平纳入评估

团队尝试将GPT-5.6 Sol作为独立代理进行基准测试,但发现其因提示敏感性而容易失控,因此无法将其公平纳入正式评分。这凸显了代理系统之间的基准比较是脆弱的,且高度依赖于框架与模型的调优,警告不要得出简单的排行榜结论。

Source posts