Cursor Automations 解决了代理编码所带来的问题。 工程师现在可以同时管理 10 个以上的编码代理，但人类的注意力成了瓶颈。 你无法在做实际工作的同时照看十几个代理。 自动化颠覆了这一模型：不是你启动代理，而是事件来启动。合并的 PR 触发安全审计。 PagerDuty 警报启动一个代理，查询日志并提出修复建议。一个 cron 任务每天早上检查测试覆盖率的缺口。 每个自动化都在一个隔离的云沙箱中运行，完全访问你通过 MCP 配置的工具（MCP 是一种标准协议，允许代理连接到 Slack、Linear、GitHub、Datadog 或任何自定义 API）。 代理遵循你的指示，验证自己的工作，并通过内置的记忆系统从过去的运行中学习。 Cursor 每小时在内部运行数百个这样的任务。 他们的安全自动化通过审计每次推送到主分支而不阻止 PR，捕获了多个漏洞。 这解锁了四个以前不切实际的事情： 1. 持续的代码审查，深度超出人类的跳过 2. 事件响应在你被通知之前就开始调查 3. 维护工作按计划进行，而不是等到有人记得 4. 跨工具的知识综合 未来两年将由谁建立最好的工厂而不是最好的代码来定义。 移动最快的公司不会是那些拥有最佳工程师的公司。 而是那些工程师花时间配置自动化而不是编写代码的公司。

一个拥有240亿参数的模型刚刚在一台笔记本电脑上运行，并在不到半秒的时间内选择了正确的工具。 真正的故事是，调用工具的代理终于变得足够快，感觉像软件一样。 Liquid使用混合架构构建了LFM2-24B-A2B，该架构以1:3的比例混合了卷积块和分组查询注意力。 每个令牌仅激活23亿个参数，尽管完整模型拥有240亿个参数。 这种稀疏激活模式是它能够适应14.5 GB内存并在M4 Max上以385毫秒的速度调度工具的原因。 该架构是通过硬件在环搜索设计的，这意味着他们通过直接在将要运行的芯片上测试来优化模型结构。没有云翻译层。 没有API往返。模型、工具和您的数据都保留在机器上。 这解锁了之前不切实际的三件事： 1. 受监管行业可以在员工的笔记本电脑上运行代理，而数据不会离开设备。 2. 开发人员可以原型化多工具工作流程，而无需管理API密钥或速率限制。 3. 安全团队可以获得完整的审计记录，而无需供应商子处理器参与。 该模型在跨越13个MCP服务器的67个工具上实现了80%的单步工具选择准确率。 如果这种性能在规模上保持不变，则需要更新两个假设。 首先，设备上的代理不再是电池寿命的权衡；它们是合规特性。 其次，代理工作流程中的瓶颈正在从模型能力转向工具生态系统的成熟度。