Grok 4.6 实战经验笔记：Cursor 团队 Eric 分享使用心得

Eric 将 Grok 4.6 作为数周日常主力模型，用于浏览器操作（如从供应商控制台获取 API key）、对运行中应用做功能和视觉 QA、精简收件箱，以及起草 Cursor SDK Bridge 和 /rename-chat 的发布帖并用 Remotion 制作视频。

为压测模型极限，他构建了电子表格应用、浏览器版帝国时代 2、MSN Messenger、给开源 Excalidraw 添加 presentation mode、虚构季度董事会 deck，以及 X TypeScript SDK 的 60–90 秒发布片。

Eric 最看重信息密度：摘要包含真正信息而非复述任务，运行中的短更新足以判断是否打断；小改动时模型保持安静，只有动大量文件时才叙述。他承认这种“何时说话、何时闭嘴”的分寸调起来比想象中费劲，模型仍会说些不需要的话。

速度与智能的组合改变了工作节奏：4.5 已很快，4.6 更快且明显更聪明。异步模式虽能在人不在时多干活，但回来需冷启动看大 diff；4.6 将他拉回同步，当他关心结果时更愿意待在同步中。

Eric 对比了长/短提示和“work very hard”等措辞，结论分三层：措辞几乎没用，模型自身会坚持相当久；长度有用但非越长越好，长 prompt 买的是具体性，短 prompt 则依赖模型品味，4.6 的品味已足够好，短提示加一条偏好即可。

长规格仍有效，例如一份含 session capture、server handler、cloud agent dispatch 的 feedback widget 规格，模型能从头跟到尾且结构合理，但组件会重复除非明确要求拆开。真正拉开结果差距的是一句验收指令。

Eric 总结出全文最重要的抽象：可自检性——模型有多容易验证自己的工作。网站最好验证，因为 DOM 是文本，可读页面、截图、对照意图，UI 验证环特别有效。

3D 更难，因多了一个读不出的维度；视频更难，时间作为额外维度，检查需截帧并推理帧间差异；物理同类，模型对世界“应该怎样”有感觉，但单张截图无法回答“是否真的那样动了”。