大家好，我是十二。专注于分享AI编程方面的内容，欢迎关注。

Cursor 前两天上线了最新的 OpenAI Codex 模型，GPT-5.1-Codex-Max，并且宣布 12 月 11 日之前都可以免费使用。

另外，Cursor 团队还专门写了一篇文章，来介绍为了让 GPT-5.1-Codex-Max 模型在 Cursor 中更好地工作，Cursor 团队做了哪些优化。

文章还挺有意思的，里面有不少有价值的细节，一起来看下。

构建稳健的 agent harness

harness 是 Cursor 的一个重要的 agent，Cursor 中的每个模型都需要针对性的指令和对 agent harness 的微调，以提升输出质量、防止模型偷懒、更有效地调用工具等。

因为模型训练时接触到的模式不同，直接上线往往会“水土不服”，所以 Cursor 团队需要对这些模型做一轮“本地化调校”。

Cursor 团队会用 Cursor Bench 这样的内部评测体系来不断测试模型，最终通过成功率、工具调用能力、以及用户采纳情况来判断模型是否真正准备好上线。

Cursor 团队为 Codex 做的关键更新

OpenAI 的 Codex 系列模型是他们最新前沿模型的某些变体，专门针对 agentic 的编码场景训练，为了让它在 Cursor 里稳定工作，Cursor 团队针对性地做了不少调整。

1. 更贴近 shell 的使用方式

Codex 的训练偏向 CLI / shell 的工作流，它更习惯用 shell 来找文件、读文件、做编辑。

为了不让 Codex 在 Cursor 里到处跑 shell 命令，Cursor 团队把 Cursor 的工具名称改得更像 shell 工具（比如 rg），并明确告诉模型：如果有工具可用，优先用工具而不是 shell 命令。

Cursor 的沙箱机制也能确保就算 Codex 真的跑了 shell，也不会造成安全问题。这种设计既不破坏 Codex 的习惯，又能让动作更加可控。

2. 对“推理摘要”的控制

Codex 会在执行过程中输出一些“推理摘要”。Cursor 团队希望这些信息既能帮助用户了解进度，又不要太啰嗦，于是他们在提示中规定了：

推理摘要保持在 1–2 句
仅在发现新信息或策略切换时出现
不要写“我正在解释给用户听”这种元话语

值得注意的是，Cursor 团队发现，减少这些中途沟通的要求后，Codex 的最终输出质量更高。

3. 阅读并处理 linter 错误

Cursor 团队为 agent 提供了读取 linter 错误的工具，按理说模型修改代码后应该主动检查 lint。但实际情况是：仅提供工具定义不够，需要明确告诉模型“什么时候该用这个工具”。

所以 Cursor 团队干脆给了非常直接的指令，比如：

在进行实质性编辑之后，使用 read_lints 工具检查最近编辑的文件是否存在 linter 错误。如果你引入了任何错误，并且你能很容易地找到解决方法，就去修复它们。

这种“字面化”的说明反而最有效，让 Codex 能主动执行标准化流程。

4. 保留推理轨迹

这一条非常重要。Codex 在工具调用之间依赖内部推理轨迹来维持连贯的计划。如果这些轨迹丢失，模型就会忘记前面做过什么、为什么那么做，造成性能大幅下降。

Cursor 团队的实验显示，丢失推理轨迹会让 Codex 的性能下降约 30%。

为了避免这种情况，Cursor 团队加入了机制，确保推理轨迹能在多轮中正确传递，让模型的计划始终连贯。

5. 引导模型主动采取行动

Cursor 的目标是：除非用户明确说“不要动代码”，否则 agent 应该尝试直接解决问题，而不是一遍遍询问。

Cursor 团队在提示里写得很清楚：

除非用户明确要求查看计划或其他明确表示不应写代码的意图，否则假定用户希望你进行代码更改或运行工具以解决问题。在这些情况下，把拟议解决方案输出为消息是不合适的，你应该直接去实现更改。如果遇到挑战或阻塞，你应该尝试自行解决。

这个调整可以让 Codex 行为更果断，减少用户等待时间，体验也更流畅。

6. 避免提示冲突

因为 OpenAI 模型会强烈依赖提示顺序（system > user > tool），Cursor 团队必须非常小心 system prompt 中的每一句话，不然可能无意中压制模型完成任务的动力。

他们举了一个例子：

如果 system prompt 强调“节省 tokens”，这条信息会影响模型去执行更有野心的任务或大规模探索的意愿。

有时 Codex 会停下来固执地说，“我不应浪费 tokens，我认为不值得继续这个任务！”

于是 Cursor 团队调整了 harness，以确保 Cursor 提供的提示不会包含可能无意中与用户消息相矛盾的指令。否则，Codex 可能进入一种不愿遵从用户请求的状态。

总结

从这次 Codex 的适配过程可以看出，模型能力越强、agent 行为越复杂，对工具链、提示设计、推理轨迹管理的要求也就越高。

Cursor 团队的做法是一个非常值得参考的实践示范——既关注模型本身，也关注模型在产品环境里的行为稳定性，这样才能尽可能的发挥每个模型的能力。