Cursor 深度解析：如何透過「動態上下文探索」優化 AI 程式碼代理

隨著 AI 程式碼代理的快速發展，**上下文工程（Context Engineering）已成為提升模型表現的關鍵。Cursor 提出了動態上下文探索（Dynamic Context Discovery）**模式，改變以往將所有資訊塞入提示詞的做法，改由代理根據需求自行提取相關內容。這種方法不僅大幅節省 Token 消耗，還能有效減少干擾資訊，提升回應品質。

• 將長工具回應與終端機輸出轉為檔案，讓代理透過讀取部分內容來避免資料遺失。 • 在觸發摘要時參考聊天記錄檔案，防止資訊遺失導致模型遺忘關鍵任務細節。 • 支援 Agent Skills 開公開標準，透過檔案形式讓代理依需求探索領域專長。 • 高效載入所需的 MCP 工具，在 A/B 測試中成功將代理的 Token 使用量減少了 46.9%。

「隨著程式碼代理迅速進步，檔案已被證明是一種簡單且強大的原語，比盲目增加抽象層更具未來適應性。」