# Grok Bot 泄露：为什么 agent 的系统提示词必须冻住

> 原标题：Grok Bot 泄露：为什么 agent 的 system prompt 必须冻结

- 来源：Computing Life · Share · 鸭哥调研
- 发布时间：2026-08-27T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/53352
- 原文：https://yage.ai/share/grok-bot-context-engineering-20260827.html

## 摘要

社区逆向 Cursor 的桌面 agent Grok Bot 0.18.0 发现，它把系统提示词里的记忆和身份信息冻在压缩边界内，同一个周期里字节完全不变。这么做是为了保住 KV 缓存前缀的命中率：缓存输入每百万 token 0.30 美元，没缓存要 3.00 美元，前缀一变整个缓存就失效。Manus 在 2025 年的 Context Enginee...

## 推荐理由

社区逆向 Cursor 桌面端 agent 的源码，发现它用冻结系统提示词的方式来保住 KV 缓存前缀命中率，从而把推理成本从每百万 token 3 美元压到 0.3 美元。这个发现和 Manus 2025 年 Context Engineering 的文章互相印证，说明这不是某个团队的奇技淫巧，而是硬件成本倒逼出来的设计约束。我会先打个折：正文没披露 Grok Bot 具体在哪些任务上跑、缓存命中率实际稳不稳，但两个独立团队撞上同一个结论，这个信号本身就值得从业者重视。

## 锐评

这条新闻值得看，因为它不是博客声明，而是从泄露的生产代码里扒出来的真实设计。Grok Bot 把 system prompt 里的记忆和身份信息冻住，同一个 epoch 内字节完全不变，目的很直接：保住 KV 缓存前缀的命中率。缓存输入每百万 token 0.30 美元，没缓存要 3.00 美元，前缀一变整个缓存就失效。在 agent 输入输出 token 比约 100:1 的场景下，前缀稳不稳直接决定运行成本。

代码还展示了另外两条纪律：运行时状态通过 mcp_status 块动态注入，不破坏冻结前缀；工具返回超过 12KB 就外置到文件系统，context 里只留路径，并用 hasReadPath 校验模型是否真读过。这些和 Manus 2025 年那篇 Context Engineering 文章里的原则高度吻合，两个团队相隔一年独立收敛到同一套解法，说明这些约束是底层模型特性逼出来的，不是谁的风格偏好。

正文没披露这套冻结机制在 compaction 频率不同的场景下，缓存命中率的具体实测数据。也没说当 memory 在 epoch 内发生关键变化时，模型基于过时信息做出错误决策的概率有多高。这两个缺口让成本收益的量化判断还差一口气。