用阶段验收约束 Cursor 长任务跑偏
长时间运行的编程智能体可能逐步用局部修错替代原始目标,最终偏离任务。文章建议将任务拆成短阶段,为每段写明成功条件,并在继续前用实际产物核对原始要求。
AI 深度解读
Cursor Agent 连续干了很久,每一步都像在解决问题,最后却离工单越来越远。原文把这种现象称为「目标漂移」:眼前看起来有进展的事情,逐渐取代了最初要完成的任务。
作者给出的办法是把长任务切成短段,每段交付一个可验证的产物,再对照固定的任务约定决定是否继续。这套方法值得读,因为它把「别跑偏」变成了能检查、能叫停的工作流程。
为什么每一步都合理,最后还是偏了
原文举了一条很典型的路径:Agent 开始修一个 bug,发现附近代码有问题,于是顺手重构;重构引入新错误,它又去追这个错误。几轮下来,工作已经偏离最初的工单,进度汇报却仍然很积极。
问题出在判断进展的标准变了。最初的目标是交付一项修改,并避免影响其他部分;后来却变成了消除眼前的报错。作者称之为「目标置换」(goal displacement)。
它和上下文腐化(context rot)有关,但指向不同。上下文腐化关注早期约束怎样逐渐淡出记忆;这里的漂移关注一串操作累积之后,是否还指向原任务。只看其中一次修改,可能找不出明显问题,连起来看才发现方向变了。
作者认为,长流程会叠加两股力量:原始任务在上下文中的占比越来越小,当前代码和错误信息的影响越来越大;每次编辑又会改变下一步面对的环境,让一次绕路产生继续绕路的理由。
Agent 可能一直在忙,却已经换了一道题。
检查点要验产物,先得有固定的任务约定
作者建议先写一份简短的任务约定,包含目标、允许涉及的文件或操作、明确不做的事情,以及成功条件。这份约定在整个任务期间保持固定,供每个检查点重新核对。
接着,把长任务拆成若干短段。每段只服务一个子目标,以一个具体产物结束,例如一条通过的命令、一份改动后的文件,或一个可以实际执行的请求。
分段依据是可验证的结果。原文只说通常几步即可,没有给出固定步数;如果一段需要很多步骤,作者认为它可能装进了多个目标,应当继续拆分。
到检查点时,需要重新阅读任务约定,再检查产物是否符合成功条件、有没有跨进明确排除的范围。发现越界,应当收回来,不能因为已经做了一半就继续扩张任务。
步数上限也要真的生效。一段工作没能在上限内交出产物,就结束这一轮并检查原因。否则,「再试一下」很容易变成没有终点的搜索。
中间产物还要保留。后续检查点除了验收新结果,也要确认前面已经成立的结果没有被悄悄破坏。
哪些信号该叫停,谁来决定是否通过
原文列出的漂移信号很具体:重命名工单未提及的概念、修改远离约定范围的文件、为了支撑第一次重构又启动第二次重构,以及用越来越不像原工单的措辞描述当前工作。
这些信号未必证明修改错误,但足以触发暂停和复核。尤其是任务描述变了,往往比代码报错更早暴露目标已经被替换。
检查也不能只靠 Agent 汇报「完成」。作者提到桌面工具 Powerduck,称它可以运行项目检测到的命令;如果缺少相应脚本,应标为「未验证」,而非通过。它的审查也只是给出带证据、范围有限的疑点,不直接宣布整个任务正确。原文没有展开具体命令或配置方式。
Agent 可以执行命令并报告输出,但作者认为,自检仍共享那份可能已经发生漂移的上下文。因此,最终判断应由人或独立检查关卡承担。
没有执行验证,和验证通过,是两种状态。
我的判断
这套方法最有价值的地方,是把成功条件从 Agent 的即时解释里拿了出来。对程序员而言,「改了几个文件」和「工单要求的行为成立」之间,确实需要一道检查。
但原文没有提供实测数据,也没有展示带检查点与不带检查点的对照结果。关于漂移原因、分段收益,以及检查能否抵消返工成本,主要是经验性的机制解释。Powerduck 的能力也只是文中描述,不能据此判断它比其他工具更有效。
和只增加提示词长度相比,检查点提供了重新接触约束的机会;和只在最后审查完整 diff 相比,它把发现偏离的时间提前了。不过,检查点是否有效,取决于成功条件写得是否具体。若只是「代码更好维护」,分多少段都难以验收。
固定约定也有适用前提。修复边界清楚的 bug 比较合适;探索性工作可能需要调整目标。遇到新证据时,应明确重新约定任务,不能让目标在连续操作中悄悄变化。
能拿来做什么
- 让 Cursor 修前端或 Node 问题前,先写清预期行为、允许修改的范围、明确不做的重构,以及判断完成所需的证据。
- 按可验证产物拆分工作,例如先复现问题,再完成修复,随后核对约定行为;每段结束都重新对照任务约定。
- 发现 Agent 开始跨范围改文件、重命名无关概念,或连续追加重构时,立即暂停,检查当前工作与原工单的关系。
- 把检查状态写准确:命令未运行、脚本缺失和检查通过分别记录,并保留前面各段的产物,供后续复核。