@omarsar0:推荐阅读。(收藏)注意价格以及模型组合能为你解锁什么。你……

X AI KOLs Following 新闻

摘要

一条讨论Cursor实验的推文:一组AI代理根据手册用Rust重写了SQLite,实现了100%的测试通过率,但成本因模型组合不同而有显著差异。要点包括:使用前沿模型进行分解,使用更便宜的工人进行实现。

推荐阅读。 (收藏它) 注意价格以及模型组合能为你解锁什么。 你不需要在每个任务上都使用绝对最好的模型。 我对那个Rust版SQLite副本印象不深。一个全新且改进的SQLite(或者更有创意的新东西)会是一个更有趣的测试。 要点: - 使用前沿模型进行分解、架构设计、关键设计选择和权衡。 - 让更便宜、更快的工人执行定义明确、范围狭窄的实现任务。 - 不要让规划者执行代码,也不让工人做广泛的决策。 使用带有递归任务树的群集或框架:规划者将原始规范分解为子树,分配任务,工人在叶节点操作。Cursor认为这样做的主要好处是每个代理的上下文被限制,而不仅仅是因为多个代理并行运行。特别注意可能因代理协调不佳/效率低下而产生的偏见和失败。
查看原文
查看缓存全文

缓存时间: 2026/07/21 14:45

推荐阅读。(记得收藏)

关注定价以及不同模型组合能为你解锁的能力。

你不必在所有事情上都使用最顶尖的模型。

我对那个用 Rust 重建的 SQLite 副本并不太感冒。一个全新且改进的 SQLite(或更有创意的新事物)会是更有趣的测试。

要点:

  • 使用前沿模型进行任务分解、架构设计、关键决策及权衡取舍。
  • 让更便宜、更快的执行者完成定义明确、范围狭窄的实现任务。
  • 不要让规划者去做实现,也不要让执行者做宽泛的设计决策。

使用带有递归任务树的群组或编排结构:规划者将原始规范拆解为子任务树,进行委派,而执行者在叶节点上操作。Cursor 认为这之所以有用,主要是因为每个代理拥有受限的上下文,而不单是因为多个代理并行运行。额外注意因代理协调不佳或低效而可能产生的偏差与失败。

Cursor (@cursor_ai): 我们让一组代理根据其 835 页的手册重建了 SQLite。

它创建了一个 Rust 副本,并通过了 100% 的预留测试集。

有趣的是,根据使用的模型组合不同,成本差异高达 15 倍。

相似文章

Agent 集群与新型模型经济学

Hacker News Top

Cursor 的新型 Agent 集群设计采用规划器与工作器模型,将任务分解为树状结构,实现了显著的降本增效。在一项用 Rust 从头重写 SQLite 的测试中,新型集群在四小时内达到 80% 通过率,而旧集群则失败了。

@leerob: https://x.com/leerob/status/2065469795529588940

X AI KOLs Following

Cursor AI 描述了其用于扩展 Composer 模型训练的递归代理系统,该系统使用一组自我管理的代理,在出现问题时向人类发出警报。该系统支持并行实验并加速研究,将研究人员的时间视为最稀缺的资源。