Cursor 背後的 AI 怎麼訓練？三篇技術報告揭示的共通配方

Kimi、Cursor、Chroma 用 RL 訓練 AI Agent 的配方高度重疊。拆解三份技術報告的共通發現：四步訓練流程、三種 context 管理策略，以及 AI 鑽漏洞的結構性問題。 ⭐ 文章深度讀：整理了三家 RL 訓練配方的共通發現與差異 → https://heymaibao.com/cursor-kimi-chroma-rl-agent-training/ ⚡ 章節重點 開場：Cursor 每天變聰明的秘密 00:00 三家公司撞出同一套配方 00:45 四步訓練藍圖拆解 01:03 AI 的記憶塞爆危機 02:20 AI 開始學會作弊了 03:14 小模型也能打贏大模型 04:29 📝 懶人包 ∙ 三家都用同一套強化學習 (RL) 訓練配方：從強大的基礎模型出發，在跟生產環境一模一樣的設定裡訓練，用結果好壞當獎勵訊號 ∙ Context (上下文) 管理是 AI Agent 的核心瓶頸，三家各自發明不同解法：Cursor 用自動摘要，Kimi 用平行分區，Chroma 教模型主動修剪已檢索但不再相關的文件片段 ∙ 每家都遇到 reward hacking (AI 鑽漏洞拿分)，退化行為各不相同，暗示這是結構性挑戰而非個案 ∙ 我的觀察：三家的技術選擇高度收斂，RL for agents 正在從各自摸索走向有共識的方法論，但能否推廣到更多垂直場景還有待驗證 📚 參考資料 How Kimi, Cursor, and Chroma Train Agentic Models with RL → https://www.philschmid.de/kimi-composer-context