升级模型后，你的代理持续出错。Cursor的工程笔记解释了原因。

我经常在这个论坛和我的项目中看到这样的情况：代理失败，换模型，同样方式失败。再换一次。Cursor刚刚发布了工程笔记，解释了为什么这个循环永远不会奏效。他们通过重写框架，将同一模型的工具错误减少了10倍。相同的API调用，相同的权重，不同的脚手架。这些笔记中的一些内容改变了我调试的思路：工具格式问题解释了很多静默失败。Claude模型基于字符串替换进行训练。OpenAI模型基于补丁式差异进行训练。给Claude一个补丁格式的工具虽然可行，但会强制进行实时翻译，消耗推理能力并产生更多错误。因此，Cursor为每个供应商构建了独立的框架。复合可靠性数学比人们预期的更糟糕。五个代理各自95%的可靠性串联在一起：端到端成功率77.4%。四次中一次失败。没有框架中的检查点和回滚，这个问题会静默累积。SWE-Bench Pro清晰地分离了这一点。Claude Opus 4.5在最小标准化框架下：45.9%。同一模型在Claude Code的自定义框架下：55.4%。相同任务，相同模型。他们的结论是：“两年前，框架只是代理质量的一小部分。现在它是代理质量中最重要的部分。”对于正在积极构建代理的人们：当模型显然不是问题时，故障隐藏在哪里？