Basis用Cursor开发长周期会计代理，行为规范开源
Basis的代理可自主完成约 7 小时的合伙税表编制，而人类需要 30-40 小时；其行为规范方法已作为开放标准发布。
AI解读：会计工作流程冗长且环环相扣，早期一个错误可能蔓延到最终结果，传统测试又很难覆盖数小时内的每一步决策。Basis的解法是把代理的上下文（指令、技能、工具描述）当作代码一样管理，并用《行为规范》明确定义每个环节该看什么证据、做什么决定。这套方法让团队能在没有完整标准答案的情况下，对轨迹中选定的行为单独打分，找出问题再修改。Basis与Braintrust已将其作为开放标准发布。对会计事务所而言，这意味着代理不再只是一个黑箱输出——你可以核查它是否检查了原始权威资料，而不仅仅是看税表数字对不对。目前Basis的代理已能在约 6-7 小时内完成 30-40 小时人力的 1065 合伙税表，服务了前 25 大事务所中的 40%。
Cursor发布博文介绍Basis（一家专为会计师构建AI代理的公司）如何用Cursor开发其长周期代理。Basis联合创始人Mitch Troyanovsky称，Cursor正是他们读取和修改塑造代理的上下文（prompts、skills、instructions、tool descriptions）的地方，其方法核心是“行为规范”（behavior spec）——一份定义代理在特定情境下应有行为的Markdown文件，供人评判已记录的执行轨迹。
长周期代理的难点与行为规范方法
据Cursor博文，Basis代理自主完成后台多步骤会计工作流，返回可直接复核的结果，覆盖月末结账、公司及合伙税表、审计规划与实地工作。其“长周期”指一次执行中的数百项决策相互依赖，早期错误可能影响后续研究、计算和工具调用，且最终结果未必能暴露问题源头。
该团队面临会计场景的三个特有难点：许多结果没有廉价客观的测试方法；基于真实生产工作的标准答案昂贵且难以规模化；最终产出需数小时或数天才能完成和复核，即便结果正确也可能隐藏不可靠的过程。
为此，Basis使用“行为规范”这一Markdown文件，定义行为何时适用、应检查哪些证据、做何决定、后续动作、证据不足时怎么办以及失败表现。规范不展示给代理，而是供人或评判者（judge）结合规范、可观察轨迹与证据（工具调用、产物、检索来源、决策记录）返回true、false或NA，从而在缺乏完整标准答案时评估局部过程。
该规范方法源自Basis的生产经验，公司已与Braintrust将其作为开放标准发布，供其他团队定义和评估代理行为。Troyanovsky强调“规范与运行时分离”，若评判返回false，则团队更新运行时上下文、工具或提示，直到代理持续符合规范。
- Cursor被用作修订代理上下文的编辑器：工程师可在同一窗口阅读、修改Markdown规范，使用实时预览，并与模型在文本环境中直接协作。
- Basis工程师在Cursor中编写和修改规范；代理在Basis运行时执行生产任务并记录轨迹评判。
- 该开发循环包括：确定需衡量的行为 → 编写或修改规范 → 代理运行产生轨迹 → 评判 → 必要时更新运行时 → 在Cursor中修改措辞 → 复测。
生产表现与客户数据
Cursor博文称，Basis代理对单一交付物可执行超过 5 小时的工作；以 1065 合伙税表为例，原本约需 30-40 小时人力，用Basis代理约 6-7 小时完成。
可靠性方面：40% 的顶级 25 事务所信赖Basis，并有更广泛的领先会计事务所用户。