Basis 如何運用 Cursor 打造長時程會計代理
Basis 從第一天起就建立在 Cursor 上。其會計代理完成合夥事業報稅表的速度最高快 6 倍，並深受前 25 大會計師事務所中 40% 的信賴。
Basis 專為會計師打造 AI 代理。這些代理能在背景自主完成長時程、高複雜度的會計工作流程，並產出可直接審查的成果，讓會計團隊專注在專業判斷與客戶服務上。
這些代理為頂尖會計團隊承擔動輒數小時、且不容出錯的工作：月結、企業與合夥事業報稅表、審計規劃與實地查核。Basis 從創立第一天起就將整間公司建立在 Cursor 上。他們以對待程式碼的同等嚴謹態度，處理代理所讀取的上下文 (提示詞、技能、指示、工具說明) ，而 Cursor 正是他們讀取與修訂這些內容的地方。
無法濃縮成單一提示詞的工作
長時程並不只是指代理會連續執行好幾個小時，而是指在一條 軌跡 上要做出數百個決策，且後續步驟往往取決於先前的步驟。系統必須保留相關狀態、納入 tool call 的結果，並在失敗後復原，有時處理的資訊量還超出單一 上下文 window 所能容納的範圍。錯誤會層層累積：早期的一個小失誤，可能影響後續的研究、計算、tool call 與產物，而最終結果卻未必看得出問題從何而來。
會計工作讓這件事更加棘手，原因有三：
- 許多結果並沒有低成本且客觀的檢驗方式。
- 取自真實生產工作的標準答案範例，建立成本高昂且難以規模化。
- 最終成果可能需要數小時甚至數天才能產出並完成審查。
即使最終結果正確，也可能掩蓋了不可靠的過程。代理可能在缺乏研究依據的情況下得出正確的報稅表、在未保留來源的情況下擷取到正確的數字，或是透過無法通用的流程做出一份可用的工作簿。結果評估仍然重要，但執行成本高昂，而且無法解釋一條長 軌跡 中每個關鍵決策的來龍去脈。
上下文是正式環境的輸入
代理的最終輸出只是整個系統的一環。它的行為取決於工作過程中所接收到的上下文：指示、領域知識、範例、工具說明、技能、記憶，以及其他執行期資訊。這些上下文以自然語言撰寫，因此工程師必須親自讀過。
傳統程式不論檔案整理得多整齊，對同一份有效程式碼的解讀都不會改變。但在語言模型上，上下文的組織方式與用字遣詞會左右模型接下來的行為。一句含糊的敘述、一個被埋沒的例外情況，或一個具誤導性的範例，都可能改變正式環境中的行為。產生上下文檔案後未經閱讀就直接上線，是一種正式環境的風險。
行為規格讓標準變得明確
行為規格是一份 Markdown 檔案，用來定義 代理 在特定情境中應反覆展現的行為。它是寫給審查已記錄軌跡的人員與評審者看的，既不是提示詞，也不會顯示給 代理。
一份好的規格會清楚說明：該行為在何時適用、代理 應檢視哪些證據、應做出什麼決策、後續應採取什麼動作、證據不完整時該怎麼辦，以及什麼情況算是失敗。目標是讓行為能被評判，而不必為每個步驟寫死腳本。
評審者會收到規格、可觀察的軌跡，以及證據 (tool call、產物、檢索到的來源、決策紀錄) ，並回傳 true、false 或 NA。如此一來，團隊即使沒有整體任務的標準答案，也能評估流程中選定的部分。
Cursor 是他們修訂 代理 的地方
Basis 使用 Cursor 來打造並完善自己的 代理。工程師會用 Markdown 開啟一份行為規格文件，逐句檢視，詢問模型某段敘述是否太過模糊或太過脆弱，接著修訂該段落，並在同一個視窗中預覽完成的文件。他們也在同一個環境中完善 代理 實際看到的提示詞與上下文：技能、指示、工具說明。
Cursor 之所以適合這類工作，原因在於：
- 真正的編輯器，能讀取並修訂上下文與規格的用字。
- Markdown 預覽 (編輯與即時預覽並行) 。Basis 共同創辦人 Mitch Troyanovsky 稱這是在迭代規格、技能與其他 Markdown 文件時，最被低估的差異化優勢。
- 直接與模型協作，就在文字所在的同一個環境裡。
- 迭代過程中可以輕鬆切換模型。
- 並排檢視：檔案與 代理 視窗形成一個循環。人人都有 代理 視窗，差別在於能否檢視並修改上下文。
Cursor 是我們檢視形塑 代理 之上下文的地方，並在此不斷修訂，直到行為穩定為止。
開發循環
Basis 的工程師在 Cursor 中撰寫並完善行為規格。代理在 Basis 執行環境中運行，由評審者依據規格評估所記錄的軌跡。
- 團隊就一項值得衡量的重複性行為達成共識。
- 工程師在 Cursor 中撰寫或完善行為規格。
- 代理在生產環境中執行工作，產生一筆軌跡記錄。
- 評審者依據規格評估每項行為，回傳 true、false 或 NA。
- false 的判定代表預期行為與執行環境實作之間存在落差。
- 團隊更新執行環境的上下文、工具、提示詞或執行框架，並在 Cursor 中修訂相關措辭。
- 團隊再次運行代理，衡量行為是否有所改善。
規格與執行環境彼此分離。規格即為標準，實作則持續調整，直到代理能穩定達成標準為止。
行為規格這套做法，源自 Basis 為會計領域打造生產級代理的經驗。Basis 與 Braintrust 將其以開放標準的形式發布，讓其他團隊也能以相同的通用格式定義並評估代理行為。
就算稅務答案正確，背後仍可能藏著糟糕的流程。我想知道的是代理有沒有查核主要依據，而不只是答案對不對。規格就是我們評判這件事的依據。
作品本身就是最好的證明
以下就是這些成果在實際生產環境中的樣貌。
- Basis 的代理能針對單一交付成果執行 5 小時以上的作業。
- 在 Form 1065 合夥事業報稅表上，人力約需 30 至 40 小時的工作，Basis 代理約 6 至 7 小時即可完成。
- 前 25 大事務所中有 40% 信賴 Basis，更多領先的會計師事務所也在採用。
最有力的證明就是作品本身：代理在漫長的軌跡中做出大量決策，交付專業會計師實際審查並使用的成果。
隨著代理承擔更長期、影響更重大的工作，其上下文也成為一項正式環境的輸入。工程師必須檢視它、了解它，並加以修訂。
Cursor 正是 Basis 維護這些上下文的地方。行為規格讓選定的預期明確化；Braintrust 則評估這些行為是否真的出現在實際軌跡中。失敗案例會告訴團隊該在執行環境中調整什麼。