Basis 专为会计师打造 AI 智能体。它们在后台自主完成长周期、高复杂度的会计工作流，并交付可直接审查的成果，让会计团队得以专注于专业判断与客户服务。

这些智能体为顶尖会计团队承担耗时数小时、事关重大的工作：月末结账、企业与合伙企业纳税申报、审计规划与现场作业。Basis 从第一天起就把整家公司构建在 Cursor 之上。对于智能体读取的上下文 (提示、技能、指令、工具描述) ，他们像对待代码一样严谨，而 Cursor 正是他们读取和修改这些内容的地方。

#无法化简为单条提示的工作

长周期并不只是指智能体要运行数小时，而是指在一条轨迹上要做出数百个决策，且后续步骤往往依赖于先前的步骤。系统必须保留相关状态、吸收工具调用的结果，并从失败项中恢复，而所涉及的信息量有时会超出单个上下文窗口所能容纳的范围。错误还会层层累积：早期的一个失误可能影响后续的研究、计算、工具调用与产物，而最终结果却未必能看出问题究竟始于何处。

会计场景让这件事更加困难，原因有三：

1. 许多结果没有低成本、客观的检验方式。
2. 取自真实生产工作的基准真值样例创建成本高昂，且难以规模化。
3. 得出并审查一个最终结果可能需要数小时甚至数天。

即便最终结果正确，背后也可能是一个并不可靠的过程。智能体可能在缺乏研究依据的情况下得出正确的纳税申报表，可能提取出正确的数字却未保留其来源，也可能通过一套无法推广的流程产出一份可用的工作簿。结果评估依然重要，但运行成本高昂，而且它无法解释一条长轨迹中每一个关键决策。

#上下文是一种生产输入

智能体的最终输出只是整个系统的一环。它的行为取决于它在工作过程中接收到的上下文：指令、领域知识、示例、工具描述、技能、记忆以及其他运行时信息。这些上下文都以自然语言写成，因此工程师必须亲自阅读。

传统程序无论文件组织得是否整洁，对同一段有效代码的解释始终一致。而对语言模型来说，上下文的组织方式和措辞会直接影响模型接下来的行为。一句含糊的表述、一个被淹没的例外情况，或是一个具有误导性的示例，都可能改变生产环境中的行为。生成一个上下文文件却不加阅读就直接上线，本身就是一种生产风险。

#行为规格说明让标准变得明确

行为规格说明是一个 Markdown 文件，用于定义智能体在特定情境下应反复表现出的行为。它写给审查记录下来的轨迹的人员和裁决者看，不是提示，也不会展示给智能体。

一份实用的规格说明应当讲清楚：该行为在何时适用、智能体应检查哪些证据、应做出什么决策、随后应采取什么行动、证据不完整时该怎么办，以及怎样算失败。目标是让行为可被裁决，而不必把每一步都写死成脚本。

裁决者会收到规格说明、可观察的轨迹以及证据 (工具调用、产物、获取到的来源、决策记录) ，并返回 true、false 或 NA。这样，团队无需为整个任务准备完整的标准答案，也能评估流程中选定的环节。

#他们在 Cursor 中修订智能体

Basis 使用 Cursor 构建并打磨自己的智能体。工程师在 Markdown 中打开一份行为规格说明，逐句推敲，向模型确认某句话是否过于含糊或过于死板，修订该段内容，并在同一个窗口中预览成稿。他们也用同一套环境来打磨智能体真正看到的提示与上下文：技能、指令、工具描述。

Cursor 之所以适合这项工作：

• 真正的编辑器，可以阅读并修订上下文和规格说明的措辞。
• Markdown 预览 (编辑与实时预览并行) 。Basis 联合创始人 Mitch Troyanovsky 称，这是迭代规格说明、技能及其他 Markdown 文档时一项被低估的差异化优势。
• 直接与模型协作，就在文本所在的同一环境中。
• 迭代过程中可轻松切换模型。
• 并排布局：文件与智能体窗口构成一个循环。人人都有智能体窗口，区别在于能否检视并修改上下文。

#开发循环

Basis 的工程师在 Cursor 中编写并打磨行为规格说明。智能体在 Basis 运行时中运行，由裁决者依据规格说明评估记录下来的轨迹。

1. 团队就某个值得衡量的重复性行为达成一致。
2. 工程师在 Cursor 中编写或打磨行为规格说明。
3. 智能体在生产环境中执行工作，产生一条记录下来的轨迹。
4. 裁决者依据规格说明评估每项行为，返回 true、false 或 NA。
5. false 的裁决说明预期行为与运行时实现之间存在差距。
6. 团队更新运行时上下文、工具、提示或执行框架，并在 Cursor 中修订相应措辞。
7. 团队再次运行智能体，衡量行为是否有所改善。

规格说明与运行时保持分离。规格说明即标准，实现则不断调整，直到智能体能稳定达标。

行为规格说明这一方法源自 Basis 为会计场景构建生产级智能体的经验。Basis 与 Braintrust 将其作为开放标准发布，让其他团队也能用同一套通用格式来定义和评估智能体行为。

#工作本身就是最好的证明

这些工作在生产环境中是这样的。

• Basis 智能体在单个交付成果上完成 5 小时以上的工作量。
• 一份 Form 1065 合伙企业纳税申报，人工大约需要 30 到 40 小时，Basis 智能体大约 6 到 7 小时即可完成。
• 前 25 大事务所中有 40% 信赖 Basis，更多领先会计师事务所也在使用。

最有力的证明就是工作本身：智能体在长轨迹中做出大量决策，交付出可供专业会计师审查和使用的成果。

随着智能体承担的工作周期更长、影响更大，它们的上下文也成为一种生产输入。工程师必须能够检视、理解并修改这些上下文。

Cursor 正是 Basis 维护这些上下文的地方。行为规格说明把选定的预期明确写出来，Braintrust 评估这些行为是否真的出现在实际轨迹中，失败项则告诉团队该在运行时中改什么。