Cursor 的长时间运行 Agent 研究预览现在已在 cursor.com/agents 向所有 Ultra、Teams 和企业用户开放。

长时间运行 Agent 是我们在自主处理更宏大项目的 Agent 上开展研究的成果，其中包括我们上个月分享的这篇文章：Cursor 如何构建一个网页浏览器。

在那次实验中，我们观察到前沿模型在长周期任务上会以可预测的方式失败。我们通过构建一个自定义执行框架来应对这些限制，让 Agent 能够承担更困难的工作并将其执行到底。

我们在上周以研究预览的形式发布了这个执行框架的一个版本。结果表明：由长时间运行 Agent 生成的 PR 规模显著更大，合并率与其他 Agent 相当。

在与参与研究预览的用户交流时，我们了解到，长时间运行 Agent 成功完成了一系列以往对 Agent 来说难以企及的任务。下面是研究预览中的几个运行示例：

• 构建一个全新的聊天平台，并与现有的开源工具集成（运行时长：36 小时）
• 基于现有 web 应用构建一个移动应用（运行时长：30 小时）
• 重构一个认证和 RBAC 系统（运行时长：25 小时）

#让模型更强大

要成功完成困难任务，需要最前沿的智能和合适的编排方式。通过使用每一种前沿模型，并为每个模型构建定制的 harness，我们处在一个独特的位置，可以搭建起最优的“脚手架”，充分发挥不同模型的优势。我们发现，有两条通用原则能帮助我们取得更好的效果。

执行前先规划

当你直接与模型迭代时，紧凑的提示-响应循环可以让你监控 agent，并在需要时轻推一下，把它拉回正确轨道。但当 agent 自主去处理一个更大的任务时，一个略微错误的假设，最终可能演变成完全错误的解决方案。

Cursor 中的长时间运行 agent 会先提出一个计划并等待批准，而不是立刻开始执行，因为它们认识到，前期对齐可以减少后续来回沟通的需求。

把任务真正做完

前沿模型可以写出优秀的代码，但它们往往会忘记任务的整体目标，搞丢自己在做什么，或者只做到一半就停下。

长时间运行 agent 会基于一个计划，并让多个不同的 agent 互相检查彼此的工作，从而把更大、更复杂的任务真正执行到底。

#迄今为止的发现

参与研究预览的早期用户使用长时间运行代理来实现大型功能、重构复杂系统、修复棘手的 Bug、彻底优化性能，并创建高覆盖率测试。

这些代理通常会运行超过一天，生成的 PR 往往只需要极少的后续工作就能合并。用户可以离开，专注于其他工作，合上笔记本电脑，然后回来就能看到已经可用的解决方案。

与同步代理相比，长时间运行代理在处理问题时更为全面，写出的代码也更接近生产可用。

#在 Cursor 中使用长时间运行的 Agent

在过去一个月里，我们在内部不断测试长时间运行 Agent 的上限。我们既把它们用于探索性实验，看看能被推到多远，也把它们用在 Cursor 本身的生产工作上。下面是我们交给长时间运行 Agent 的一些任务，这些改动现在都已经合并进代码库。

视频渲染器优化

我们让一个 Agent 优化一个在部署中成为性能瓶颈的视频渲染器。它完成了将其整体迁移到 Rust，并实现了自定义内核，只基于原始逻辑就复现了完全一致的视觉输出。

针对沙盒代码的策略驱动网络访问

我们需要基于 JSON 的网络策略控制，以及一个用于沙盒进程的本地 HTTP 代理。这个代理需要在多种协议下保持正确行为、一致地执行策略，并且在失败时要安全，不能放行被屏蔽的流量。长时间运行的 Agent 创建了一个一万行的 PR，在我们用大型测试套件对其进行验证时，几乎没有发现问题。后续工作主要是补充我们在最初需求中没有明确提出的改动。

Cursor CLI 的 sudo 支持

有些任务一遇到 sudo 就会让 CLI Agent 出错，尤其是和系统管理或运维相关的任务。我们让一个长时间运行的 Agent 实现安全的 sudo 密码输入交互，这需要把多个子系统串联起来，并推理处理 Unix 认证流程。它产出了一个可用的实现，现已被 Cursor CLI 采用。

#迈向自动驾驶代码库

Cursor 中的长期运行 Agent 是通往自动驾驶代码库道路上的早期里程碑，在这种形态下，Agent 能以更少的人为干预处理更多工作。你现在可以把更大的任务委托给它们，数小时甚至数天后再回来，就能看到可用的解决方案。

我们正在改进长期运行 Agent 之间的协作能力，使它们能够把更大的项目拆分为并行的工作流，以更少的人为干预承担更具雄心的项目。

我们也在开发新工具，以应对如今被大量生成的代码。随着代码生成成本持续降低，我们需要采用新的方法，将这些代码安全地部署到生产环境中。

立即在 cursor.com/agents 体验长期运行 Agent。