九月的第二波更新，Cursor 放出了两个技术含量十足的产品，正好对应了官方一直宣传的"self-driving codebases"愿景的两块拼图：Token 效率优化解决的是 Agent 运行成本问题，Rollouts + Security Reviewer 则把 Agent 的能力延伸到了代码提交之后的运维和安全环节。
Improved Token Efficiency：Harness 工程的第一份公开技术总结
这篇官方 blog 是 Cursor 第一次比较系统地披露其 Agent Harness（agent 调度框架）的工程细节，技术内容比一般产品公告要密得多。
核心数据：token 成本降低 7%，冷缓存 miss 率降低 20%，MCP 工具调用场景下总 token 降低 46.9%。三个数字对应三条不同的优化路径。
路径一：压缩 System Prompt（减少 66%）。Cursor 早期给模型的指令风格是典型的"防御性提示词"——大量"DO NOT""You must""Important"式语句。随着模型能力提升，这类指令逐渐变成冗余，因为模型能够从工具定义本身推断行为，而不需要额外的行为约束。Cursor 砍掉了大约 2/3 的系统提示词代币，且这个变化跨模型家族通用（A/B 测试验证），说明这是模型能力提升的共同红利，而不是某个特定模型的特性。
路径二：动态工具加载。Cursor 内置工具很多，但大多数工具在任何单一对话中的使用频率低于 20%。之前所有工具定义都塞在每次请求的 context 里——这是典型的"静态上下文浪费"。Cursor 参照了今年早些时候对 MCP 工具的动态加载方案，将高频工具（读、写、搜索、shell）保留在静态上下文，其余按需加载。这让 MCP 工具场景节省了近一半 token。
路径三：缓存边界优化。在 GPT-5.6 之前，缓存边界由 provider 自动决定，即使工具定义和方法说明相对稳定，也不会被标记为可复用。GPT-5.6 支持显式缓存断点后，Cursor 重新组织了请求结构：把"稳定层"（工具定义、系统指令）放在缓存断点之前，把"增长层"（对话历史、用户特定上下文）放在断点之后。冷缓存 miss 率因此降低 20%。
一个值得注意的工程哲学：Cursor 强调 A/B 测试是优化 harness 的主要手段，而不是仅依赖内部 evals。理由很实在——内部 evals 通常代表"难题"，无法反映真实用户请求的分布。这意味着 Cursor 的 token 优化是数据驱动的，而不是拍脑袋的。这套方法论本身可以被其他 Agent 系统借鉴。
Rollouts + Security Reviewer：进入 Post-PR 时代
这两款 Bot 的定位是"last mile"——即代码合并之后到生产环境稳定运行之间的那段空白。这是 Cursor 第一次把自己的 Agent 能力扩展到纯代码生成之外。
Rollouts 的核心逻辑：连接源码托管、部署系统和可观测性平台（Datadog/Grafana/Honeycomb），在 PR 阶段就生成监控计划——包括风险点、预期效果、以及"你的 instrumentation 覆盖不到的地方"。合并后，Rollouts 将实际指标与基线对比，发现 regression 后可以直接执行预设的响应动作（通知、暂停渐进发布、或直接 revert PR）。
三个具体能力值得关注：
- 能捕获局限在单区域单端点的 regression——这类问题在全局告警阈值下通常不会被发现
- 能区分"预期效果"和"真正的 regression"——避免误报
- 在合并前就能指出"缺少 instrumentation 的地方"——这是最常见的生产事故被忽视的原因
Security Reviewer 则是一个专门的代码安全审计 Agent。与传统静态分析工具（如 Semgrep、SonarQube）的本质区别在于：Security Reviewer 不是基于规则匹配，而是"读代码的方式像安全工程师"——从用户输入的入口点开始追踪，看数据流经哪些路径，最终在哪里产生危险操作。
覆盖的攻击面包括：SQL/命令/模板/LDAP 注入、认证授权缺失、敏感信息泄露、不安全反序列化、依赖漏洞、基础设施配置问题。每条发现附带严重等级、攻击路径和一键修复方案。
这两款产品放在 Teams 和 Enterprise 套餐里，也印证了上一期月报中"Cursor 向平台化演进"的判断——个人开发者的轻量使用和大型工程团队的安全/发布需求，正在被分层满足。
行业意义：Agent 竞争已从"写代码"蔓延到"管代码"
一个值得关注的趋势：GitHub Copilot 的竞争对手已经从"帮我写代码"转向"帮我管代码"。Copilot 发布会讲的是代码补全和 Copilot Chat；Cursor 这两期月报的核心内容是 Harness 优化、Post-PR 监控、安全审计——都是代码写完之后的事。
这个转向背后的逻辑是合理的：当 AI 写代码的边际成本足够低，"写的效率"就不再是瓶颈；真正消耗工程团队带宽的是"写的代码是否安全、部署后是否正常、出了问题能否快速定位"。这些恰恰是 LLMs 最适合做的——需要大量上下文理解、重复性强、有明确逻辑可循的任务。
但挑战也很现实：Security Reviewer 的安全分析能力取决于模型对代码语义的理解深度；Rollouts 的效果取决于团队可观测性基础设施的完善程度。对于没有完善监控体系的小团队，这些工具的价值会大打折扣。
本月小结
九月的两波更新凑在一起，呈现了 Cursor 同一愿景的两个切面：Token 效率优化是内功，让 Agent 系统在经济性上可持续；Rollouts + Security Reviewer 是外扩，把能力边界从"代码生成"推向"代码运维"。两者共同指向"自动驾驶代码库"这一终态。
对于技术团队而言，Security Reviewer 值得优先试用——代码安全审计是工程团队永远缺人的领域，AI 的介入门槛比人工审查低得多。