效果型效率 · 少拉扯才是真省
Super Cursor 的目标不是「让 Agent 说得更短」，而是 更快、沿正确方向、一次到位地交付可验证结果。单次会话压 token，若带来更多轮纠偏或返工，总成本反而上升。
总成本怎么算
text
总成本 ≈ 固定开销（rules · skills 描述 · 会话历史）
+ 轮次 ×（输入 + 输出）
+ 返工（改错方向 · 补测 · 回滚 · 重讲背景）智效式省钱：减少轮次与返工，而不是砍掉 thoroughness。
| 做法 | 单次会话 | 多轮合计 | 质量 |
|---|---|---|---|
| 压短回复、压缩 rules/memory | 可能更低 | 拉扯增多时常 更贵 | 易降 |
先对齐再动手、task-verify 收口 | 可能略高 | 更省 | 保持或提升 |
Super Cursor 如何落实
| 机制 | 防什么 | 对应入口 |
|---|---|---|
| 先总后分 | 方向猜错、一次改太多 | /plan · gate-check |
| 逐条验收 | 「看起来完了」的假完成 | task-verify · Acceptance 列 |
| glob 按需 rules | 每条消息背负无关栈细则 | rules/*.mdc（仅 core · workflow · cursor-standalone · super-cursor-persona 4 条常驻） |
| 项目认知沉淀 | 新会话重复解释结构 | /learn → .cursorGrowth/learn/ |
| 探索与执行分离 | 主会话被检索日志淹没 | explore / spike 子 agent |
| 可验证才 commit | 隐性返工 | verify · delivery（发版前） |
日常习惯（与母版正交）
- 一事一对话 — 目标清晰的开局；做完可关，避免历史互相污染。
- 模糊先
/plan— 大改、多文件、边界不清时，先 Goal · Done when，再/run。 - 强模型押关键决策 — 架构、安全、疑难 bug 用强；机械小改用 fast；错一次比多付一轮更贵。
- 精准投喂 —
@文件、复现步骤、报错原文；少让 Agent 全仓猜。 - 固定税做减法 — 卸载不用的全局 skill（
npx skills list -g）；用户 rules 只留高频约束。
不建议
- 为省 token 压缩
AGENTS.md/ rules / memory — 丢约束 → 返工更贵。 - 安装「压回复风格」类 skill — 细节被砍，轮次反增。
- 长会话硬扛 — 上下文过半仍「继续」→ 重读与幻觉成本陡增。
与 skills 市场的关系
skills.sh 上有 save-tokens、token-saver 等 skill，多数面向 叙述压缩 或 文件压缩。若你的标准是 不降智，优先：
- 本仓 plan/run 闸门（结构防拉扯）
- 可选：context-engineering（喂对上下文）
- 谨慎：savethetokens（强调正确性优先于压缩）
Skill 本身也是 markdown — 装太多未使用的 skill，固定开销反而上升。
一句话
快速按正确方向生成可验证答案 = 真省；单次少说几句但多拉扯几轮 = 假省。
相关：plan/run · quickstart · walkthrough