
前言
嘿,朋友们!作为一个热衷于AI的设计师/科技迷,我最近发现AI编程助手的进步快得让人目不暇接!不过,不知道你们是否和我有同样的烦恼——有时候给AI的指令过于复杂,反而让它“崩溃”,表现出来的效果不太理想。
Cursor团队最近提出了一个超级有趣的概念:叫做「动态上下文发现」。这就像给AI编程助手装上了“智能雷达”,让它能自主判断所需信息,而不是把所有东西一股脑地灌输给它。这不仅是技术上的突破,更展现了一种优雅的设计思维。今天就来和大家好好聊聊这个新玩法!
正文
代码助手正在以惊人的速度改变软件开发的方式。这种飞速的发展,既有赖于更强大的模型,也得益于更精细的“上下文工程”——也就是我们如何引导和“输入”信息给模型。
Cursor团队观察到一个有趣的现象:随着模型越来越能扮演“智能体”的角色,「提供过多的细节反而会给它带来负担」。更好的方法是让Agent学会根据需要主动获取信息。他们把这种新模式称为「动态上下文发现」,与我们习惯的把所有信息堆在一起的「静态上下文」形成了鲜明的对比。
🎯 动态上下文发现:更聪明,更省“流量”
动态上下文发现的优势非常明显:
- 「超高“Token”效率」:只引入必要的数据,大幅节省了上下文窗口的使用空间。
- 「提升回复质量」:去掉了可能互相矛盾或让人困惑的“噪音”信息,让Agent的思路更加清晰。
那么Cursor具体是怎么做到的呢?他们分享了五个非常实用的技巧:
1. 将冗长的工具响应变成“文件”
想象一下,AI执行一个Shell命令,返回了一大堆日志。传统方法可能是截断信息,但这样可能会漏掉关键错误信息。Cursor的聪明做法是:「把输出写进一个临时文件」,然后告诉Agent:“嘿,结果在这个文件里,想要的话自己去查。” Agent会先调用 tail 命令查看末尾,如果需要更多信息,再继续读取。这样既保留了完整信息,又避免了上下文的无谓膨胀。
2. 在“总结”时,给AI一个“历史档案库”
当对话时间太长、上下文快要满时,Cursor会让Agent进行“总结”,提炼出一个简洁的工作摘要。但这样可能会遗漏一些重要细节。
现在,Cursor会把完整的对话历史作为一个“文件”提供给Agent。如果AI发现总结里有缺失的内容,它可以主动去这个“历史档案库”里查找,找回丢失的记忆!

3. 拥抱开放的「Agent Skills」标准
Cursor支持Agent Skills这个开放标准。可以把Skills看作是给AI的“技能包”(例如如何写一个特定的API调用)。这些技能包本身也是由文件定义的。
AI会先了解有哪些技能包(静态上下文),然后在需要执行特定任务时,动态去查找并引入相关的Skill文件。这就像给AI一本“技能百科全书”的目录,想用哪章节再翻哪一章,而不是把整个书都记住。
4. 按需加载MCP工具,告别“全家桶”
MCP(Model Context Protocol)让AI可以访问各种外部资源,比如生产日志、设计稿等。但有些MCP服务器自带了很多工具,描述信息长得令人头疼,塞进提示词里简直是场灾难。
Cursor的解决方案很“文件系统”:「把工具描述同步到一个文件夹里」。AI只会拿到工具名称列表(静态上下文),当它需要某个工具时,再去对应的文件夹里查找详细信息。
「效果有多好?」 在一次A/B测试中,这个策略「让Agent的总token消耗降低了46.9%」!而且,基于文件的方案还能让AI感知工具状态(比如某个MCP需要重新认证),并主动提醒用户,体验感直线上升!

5. 终端会话?那也是“文件”!
以前,你得手动把终端输出复制粘贴给AI。现在,Cursor会自动将集成终端的所有输出同步到本地文件系统。你可以直接问:“AI,我这个命令为什么失败了?” AI会自己去相关的输出文件里查找原因。对于查看长时间运行的服务器日志,这个功能尤其实用。
💡 简单的力量:文件即接口
Cursor团队坦言,文件不一定是LLM工具的最终接口形态。但在编码助手快速演化的今天,「“文件”是一种极其简单且强大的抽象」。它比重新发明一套可能不适应未来需求的复杂系统要靠谱得多。
这些基于「动态上下文发现」的改进将在未来几周逐步推向所有Cursor用户。背后是Cursor团队(Lukas Moller, Yash Gaitonde等大咖)智慧的结晶。如果你也想用AI解决最酷、最具挑战性的编码问题,不妨去和他们聊聊哦!
写在最后
从“填鸭式”的静态提示到“引导式”的动态发现,这不仅是AI技术的优化,更是一种设计理念的转变——「从控制到赋能,从复杂到优雅」。作为设计师和科技先锋,我们追求的就是这种“智能且无感”的体验。Cursor的探索告诉我们,最好的互动,是让工具在合适的时机出现,而在不需要时优雅地隐退。期待AI编程助手能带来更多这样的“设计感”革新!

「更多 AI 前沿技术与设计灵感,欢迎关注「设计小站」公众号(ID:sjxz00),一起探索科技与设计的融合创新。」
*原文:https://cursor.com/cn/blog/dynamic-context-discovery










听完介绍,我觉得这个动态上下文发现简直是编程界的黑科技!有没有开发者试用后的反馈?
我用过类似的AI工具,动态上下文的思路真心好!有没有人分享自己的使用体验?
我最近也在用类似的AI工具,感觉动态上下文真的能让编程体验顺畅很多。
感觉这种方式能省不少不必要的“流量”,很实用!
听说动态上下文能减少Token使用,这对开发成本有多大影响呢?
我猜这个方法能节省不少时间,谁会先试试?期待看到大家的反馈!
想问问大家,使用这个功能后,AI的响应速度有明显提升吗?我对这个变化很感兴趣。
这让我想起以前使用AI时,常常因为信息过载而困惑,动态上下文的设计确实值得期待。
希望能看到更多关于动态上下文的案例分析,这样能更好地理解其优势。
用这个方法后,感觉AI变得更聪明了,编程时不再那么麻烦,赞一个!
动态上下文的设计让我想起了以前的AI使用经历,信息过载真的是个大问题,期待能真正解决这个困扰。
给AI装上智能雷达的想法太棒了,感觉编程会轻松很多!
我使用AI的时候经常感到信息过载,期待这个方法能真的解决我的烦恼。
能否分享一下动态上下文在实际项目中的应用案例?这样能帮助理解更具体的优势。
这让我想起之前在使用AI时,信息过载的确让我抓狂,动态上下文如果能解决这个问题,那真是太好了。
这个动态上下文发现的概念听起来真的很酷,AI能自动获取信息,感觉编程会变得简单很多。
我觉得可以考虑增加用户自定义的技能包,进一步提升AI的灵活性和适应性。
这种给AI装上“智能雷达”的做法,真想看看它会怎么反应!
我在使用AI编程时,确实经历过信息过载,希望这个动态上下文能有效改善!
这个方法能否在大型项目中应用?我想知道它在复杂情况下的表现。