Cursor 宣布 Agent 模式 token 成本降低 7%

AI 编程助手 Cursor 在其官方 X 账号上宣布，已将 Agent 模式的 token 成本降低 7%，且智能体输出质量未出现下降。这一消息由 Cursor 自行披露，属于其工程团队对生产环境 agent 工作流的优化总结。

优化手段

根据 Cursor 的说明，本次成本节省来自四项工程层面的调整：

• 精简提示词（tighter prompts）：压缩 prompt 结构，减少冗余 token 消耗；
• 选择性工具加载（selective tool loading）：按需加载工具描述，而非一次性注入全部可用工具；
• 改进缓存策略（better caching）：提升上下文复用率，降低重复计算带来的额外开销；
• 压缩文件读取（compressed file reads）：在读取代码文件时采用压缩格式，减少单次调用所占用的 token 数量。

背景与意义

Cursor 是当前主流的 AI 编程助手之一，其 Agent 模式能够自主调用工具，完成多步骤编码任务。随着 agent 工作流不断变长，单次会话的 token 消耗会显著增加，进而影响用户使用成本和产品毛利率。在这一背景下，即便 7% 的成本压缩幅度并不算大，也说明在不牺牲输出质量的前提下，工程侧仍有可挖掘的优化空间。

信息边界

需要指出的是，该帖文并未披露具体的基准测试数据、A/B 对照实验或上线时间，相关技术细节也仅停留在方法名称层面，未给出每一项优化各自的贡献比例。因此，本文所述内容适合作为工程实践的参考方向，而非可直接复用的定量结论。