Cursor 近日公布了 Agent Trace 开放规范草案，目标是解决 AI 生成代码在软件项目中的归属与标注问题。该提案以 RFC 形式发布，定义了一种厂商中立的格式，用于在版本控制系统中记录 AI 与人类协作产生的代码贡献。
基于其在 AI 辅助编程工具方面的实践经验，Cursor 发现，代码变更过程中对上下文的追踪能力仍然明显不足。以常见的 git blame 等工具为例，它们只能显示某一行代码“何时被修改”，却无法说明这次修改是由人类完成、由 AI 完成，还是二者协作的结果。Agent Trace 正是为了解决这一缺口，试图以结构化、可互操作的方式捕获这些关键信息。
从技术角度看，Agent Trace 是一套数据规范，使用基于 JSON 的 trace record（追踪记录）来关联具体的代码范围，以及背后的对话过程和参与者。代码贡献可以在文件级或行级进行追踪，按会话进行分组，并被标注为“人类”、“AI”、“混合”或“未知”。该模式还支持为 AI 生成的代码附加可选的模型标识，从而在不绑定具体厂商的前提下，实现更精确的归属记录。
在设计上，这一规范刻意保持了对存储方式的“中立性”。Cursor 并未规定追踪记录必须存放在哪里，开发者可以根据自身需求，将其保存为普通文件、git notes、数据库记录，或采用其他机制。Agent Trace 同时支持多种版本控制系统，包括 Git、Jujutsu 和 Mercurial，并引入了可选的内容哈希，用于在代码被移动或重构后，依然能够追踪其原始归属。
可扩展性是 Agent Trace 的核心设计目标之一。各厂商可以通过命名空间键（namespaced keys）附加额外的元数据，而不会破坏规范的兼容性。同时，该规范刻意回避了对 UI 形式、代码所有权语义的定义，也不试图评估代码质量或追溯训练数据来源，而是将关注点严格限定在“代码归属”和“可追溯性”本身。
Cursor 还提供了一份参考实现，展示 AI 编程代理如何在文件发生变化时，自动捕获并生成追踪记录。尽管示例基于 Cursor 自家的工具链，但其设计模式被明确定位为可复用方案，适用于其他编辑器和智能代理。
来自开发者社区的早期反馈，普遍强调了这一规范在代码审查和调试流程中的潜在价值。一位 X 用户评论道：
这才是真正在收拾 Agent 生成代码的烂摊子。等不及在 Review 里用了。
另一位用户则从可复现性的角度给予了肯定：
团队一旦搞不清 Agent 为啥跑偏，就会直接停工。Trace 解决了这个痛点，开放得正好。
作为一份 RFC，Agent Trace 明确欢迎社区反馈，同时也有意保留了一些尚未解决的问题，例如在合并（merge）、变基（rebase）以及大规模代理驱动代码变更场景下应如何处理。Cursor 将该提案定位为一个共同标准的起点，而非终极答案，以应对 AI 代理在软件开发流程中日益普及的现实趋势。
原文链接：
