還有用戶表示，像 Cursor 這種代碼生成工具早已成日常編程中的常態(tài)了，只是要謹(jǐn)慎使用它們。

難以置信代碼生成這么快就成了新常態(tài)?，F(xiàn)在審核 AI 生成的內(nèi)容需要更多時間，但這確實讓我免去了很多重復(fù)的工作。不過，還是要謹(jǐn)慎對待。

Cursor 的傳奇不僅僅是又一個獨角獸的故事。Cursor 幾乎打破了之前所有軟件公司增速紀(jì)錄，甚至超過了 Wiz 和 Deel 等傳奇的快速增長公司。這個由四位麻省理工學(xué)院好友開發(fā)的 AI 編碼工具，是如何成為商業(yè)史上最快達到 1 億美元 ARR 的公司？在由 Cursor 引領(lǐng)的智能編碼浪潮中，軟件開發(fā)的新形態(tài)是什么樣的？AI 時代開發(fā)者核心價值又將遷移到何處？

當(dāng)數(shù)百萬開發(fā)者通過 Cursor 將編程效率提升 10 倍時，其團隊正用更激進的方式重構(gòu)開發(fā)范式——用 AI 工具開發(fā) AI 工具，在自我迭代的閉環(huán)中突破語言模型的能力邊界。

最近，Cursor 的聯(lián)合創(chuàng)始人 Aman Sanger、機器學(xué)習(xí)工程師 Jacob Jackson、智能系統(tǒng)工程師 Lukas M?ller 與 Anthropic Claude Relations 負責(zé)人 Alex Albert 坐在一起，探討了 Cursor 成功背后的原因、如何進行自我迭代、后臺 Agent 功能開發(fā)進展、下一個編程瓶頸以及 Claude 4 等話題?；谠摬タ鸵曨l，InfoQ 進行了部分增刪。

核心觀點如下：

? 新模型能力的持續(xù)演進提供了調(diào)試和探索的空間，進而反哺產(chǎn)品迭代并催生新功能。
? 優(yōu)秀代碼的核心原則對人類與模型實則相通：避免重復(fù)、保持簡潔。
? AI 將參與幾乎所有代碼編寫，但開發(fā)者理解需求、把握品味、指導(dǎo)軟件方向的核心作用將比以往更關(guān)鍵。

如何用 Cursor 構(gòu)建 Cursor
Alex： 對關(guān)注 AI 行業(yè)的人來說，顯而易見，今年是 Cursor 意義重大的一年。你們在短短一年多的時間里，收入已突破 3 億美元，這令人驚嘆。如今，數(shù)百萬開發(fā)者都在使用 Cursor。今天的 Cursor 版本與一年前有何不同？

Aman： 我認(rèn)為有幾個顯著的變化。一直以來，鑒于當(dāng)前語言模型的水平，人們對其實際應(yīng)用潛力存在很高的預(yù)期，但實際應(yīng)用效果與預(yù)期之間存在一定的差距。我認(rèn)為 Cursor 至少在編程領(lǐng)域，是最早能夠通過多元化功能在一定程度上彌合這一差距的公司之一。與此同時，你也看到這些模型在編程能力上取得了巨大進步，我認(rèn)為 Claude 3.5 Sonnet 是這方面第一個顯著的范例，標(biāo)志著編程能力質(zhì)的飛躍。

在此之前，Cursor 在諸如制表符補全、預(yù)測下一個編輯等方面確實非常實用，僅此一項功能就帶來了相當(dāng)快速的增長，同時它也擅長在單個文件內(nèi)進行編輯。但我們發(fā)現(xiàn)，當(dāng)你將像 Claude 3.5 Sonnet 這樣智能的模型與我們用于檢索的其他幾個自定義模型相結(jié)合，并應(yīng)用這個更強大模型生成的修改建議時，就具備了進行跨文件編輯的能力。我認(rèn)為正是這種躍階函數(shù)，促成了 Cursor 的大規(guī)模普及。此后，一方面模型本身持續(xù)改進，另一方面我們也在底層不斷優(yōu)化，致力于探索這些模型能力的邊界。

Alex：這種能力的演進是自然形成的，還是當(dāng) Claude 3.5 Sonnet 首次發(fā)布時，你們突然意識到“天啊，現(xiàn)在我們可以實現(xiàn)許多以前不可能的功能了”？當(dāng)時的場景是怎樣的？

Aman： 這一過程是循序漸進的。模型質(zhì)量提升是階段性的，但在此前的頂尖模型中已有征兆。事實上，我們曾因模型測試方法不足而飽受質(zhì)疑——內(nèi)部使用方式與產(chǎn)品發(fā)布后用戶的實際應(yīng)用場景差異顯著。然而，我們確實觀察到每個新模型在推理能力和代理式編程方面的持續(xù)進步。隨后需要大量調(diào)試與實驗：驗證有效方案，分析失敗原因。我認(rèn)為 Claude 3.5 Sonnet 是首個真正實現(xiàn)高效跨文件交互的模型。 此后又經(jīng)歷了多次能力躍升，例如工具使用功能，使模型能在編輯器中真正發(fā)揮智能代理的作用。

Alex： 新模型能力的持續(xù)演進為你們提供了調(diào)試和探索的空間，進而反哺產(chǎn)品迭代并催生新功能。

Aman： 是的，的確是這樣的。

Alex： 這就引出了我的下一個問題：我聽說過很多關(guān)于你們團隊如何用 Cursor 構(gòu)建 Cursor 的事跡。它就像一個自我反饋的遞歸循環(huán)。能否具體闡述這種開發(fā)模式在日常工作中的運作方式？例如在開發(fā)新功能時如何實踐？

Lukas： 這很大程度上取決于每個人的具體職能和所負責(zé)的產(chǎn)品模塊及其發(fā)展階段。如果是在初始構(gòu)建代碼庫或新功能時，Agent 功能能有效啟動項目；當(dāng)面臨具體技術(shù)難題時，思維模型（Thinking Models）可以幫助你查看你所面臨的單個框，然后進行非常精確的編輯。在最初使用代碼庫時，人們可能對此不太了解，需要大量使用 QA 功能和搜索工具——Claude 3.5/3.7 在代碼庫研究及厘清模塊交互關(guān)系方面表現(xiàn)卓越。

Alex： 意思是利用這些功能探索代碼庫能提升效率，同時在使用過程中發(fā)現(xiàn)功能缺陷并推動優(yōu)化？

Lukas： 確實如此。Cursor 的發(fā)展核心在于解決自身痛點：我們在使用中識別開發(fā)瓶頸，進而優(yōu)化產(chǎn)品。團隊秉持“全員可自由嘗試”的理念，鼓勵直接為產(chǎn)品添加新功能，通過內(nèi)部使用收集反饋并持續(xù)迭代。

Alex：您是否認(rèn)為，或許在更本質(zhì)的層面上，當(dāng)企業(yè)自身成為其產(chǎn)品的最佳內(nèi)部用戶時，會形成一種獨特優(yōu)勢？

Aman：100% 是這樣的。我認(rèn)為這就是我們能快速構(gòu)建新功能，并丟棄明顯不起作用的功能的原因。因為我們可以誠實地對待自己，判斷某些功能是否有用，無需先向用戶發(fā)布并追蹤使用數(shù)據(jù)，這顯著縮短了功能迭代周期。

那說回到我們?nèi)绾问褂?AI 編程這個問題時，其實公司內(nèi)部每個人使用 AI 的方式都不同，因為每個人的工作性質(zhì)也是不同的。部分員工在熟悉的代碼庫區(qū)域工作時，他們的腦子里已經(jīng)有了想法，直接編寫代碼并利用 Tab 功能加速，使傳達效率更高。但在陌生代碼領(lǐng)域或需編寫大量代碼時，則可借助模型分擔(dān)編碼及部分邏輯推理工作。如 Lukas 所述，當(dāng)接觸全新代碼庫時，這些模型能帶來質(zhì)的飛躍。隨著模型與 Cursor 協(xié)同優(yōu)化，開發(fā)者對代碼庫的掌控力將持續(xù)增強。

Alex：因此，功能適用性存在差異，某種程度上就想一個頻譜？

Aman： 正是如此。就像這個頻譜的一端是“Tab”，適用于完全掌控編碼場景；中間是“Command K”，用于編輯特定代碼段或單文件；另一端是“Agent”，擅長編輯多個文件；最末端則是我們正在研發(fā)的“后臺 Agent”，可完成完整拉取請求（PR，Pull Request）級別的任務(wù)。

下一個編程瓶頸是什么？
Alex：你們剛發(fā)布了后臺 Agent 的預(yù)覽版，其具體功能是什么？

Aman： 當(dāng)前模型端到端任務(wù)能力雖持續(xù)提升，但尚未完全成熟。加速開發(fā)的關(guān)鍵在于并行化處理——后臺 Agent 允許任務(wù)在后臺運行。若完成度達 90%，開發(fā)者可快速接管并利用 Cursor 功能完善剩余部分，實現(xiàn)后臺與前臺的無縫切換。該功能尚處早期階段，未來或可支持同時處理多項變更并自由調(diào)度前后臺任務(wù)，這將深刻改變軟件開發(fā)和 Cursor 的使用方式。

Lukas： 我們將后臺 Agent 視為可廣泛應(yīng)用的基礎(chǔ)能力。當(dāng)前實現(xiàn)形式簡潔：輸入指令即可推送至后臺獨立運行。未來可拓展更多集成方式，具有廣闊的產(chǎn)品化空間。

Alex：這是否意味著將代碼庫置于虛擬機中？具體如何實現(xiàn)環(huán)境遷移？

Lukas： 正是。我們構(gòu)建了足夠小的獨立環(huán)境，預(yù)裝完整的開發(fā)工具鏈及所有 VS Code 擴展，使 Agent 能夠充分利用這些資源執(zhí)行任務(wù)。

Alex： 當(dāng)前異步任務(wù)與后臺處理已成為編碼乃至研究領(lǐng)域的趨勢，如何看待未來可能出現(xiàn)的數(shù)千 Agent 協(xié)同解決復(fù)雜問題的情況？

Aman： 下一瓶頸將是軟件驗證、代碼驗證。模型越來越擅長生成大量代碼，假設(shè)開發(fā)者 30% 時間用于編碼，70% 用于審查，或者情況反過來用 70% 的時間審查代碼，30% 的時間編寫代碼，即使徹底解決編碼問題，軟件開發(fā)效率提升仍不超過三倍。因此亟需優(yōu)化代碼審查流程，確保 Agent 修改不僅符合規(guī)范（規(guī)范本身可能存在模糊性），更需精準(zhǔn)匹配開發(fā)者預(yù)期。這是我們重點關(guān)注的領(lǐng)域。

Alex：關(guān)于驗證機制是否有初步構(gòu)想？

Aman：公司內(nèi)部已有若干方案。我們的 CEO Michael 尤為推崇代碼庫的抽象化表達——例如以偽代碼形式呈現(xiàn)變更，并確保其與真實代碼的映射關(guān)系可驗證，這將大幅壓縮驗證時間。但該方案面臨挑戰(zhàn)：氛圍編程（Vibe coding）的驗證依賴于實時交互測試，這在擁有數(shù)百萬行代碼的生產(chǎn)環(huán)境中極難實現(xiàn)。

Alex：小型原型項目與大型生產(chǎn)代碼庫的核心差異是什么？當(dāng)前模型處理這兩類環(huán)境的能力處于何種階段？

Jacob： 后臺 Agent 設(shè)計時已深入考慮此問題。以修復(fù)失敗測試為例：模型需能運行測試。小型倉庫操作簡單，但企業(yè)級代碼庫的依賴配置極為復(fù)雜。我們聚焦于兩方面，首先簡化開發(fā)者創(chuàng)建可運行測試環(huán)境的流程；其次，建立可重復(fù)的快照機制以適配代碼狀態(tài)變更。通過后臺虛擬機支持 Agent 進行多輪實驗，開發(fā)者僅需關(guān)注成功案例。這要求底層基礎(chǔ)設(shè)施與用戶體驗的深度優(yōu)化。

Aman： 此外還存在其他根本性挑戰(zhàn)。一種思路是讓模型通過測試驗證來確保正確性。但在大型代碼庫中，開發(fā)者常需處理類領(lǐng)域特定語言（DSL）的復(fù)雜結(jié)構(gòu)，其邏輯可能分散于數(shù)百萬文件（潛在達數(shù)億詞元量級）。我們已通過訓(xùn)練檢索模型及整合多源上下文（如開發(fā)者近期編輯軌跡、團隊成員代碼變更動態(tài)）顯著改善此問題。但核心難題在于：僅靠優(yōu)質(zhì)檢索能力，仍不足以讓模型真正理解龐大代碼庫，這是我們致力解決的關(guān)鍵問題。

Alex： 或許需結(jié)合記憶機制與長上下文處理？

Aman： 記憶機制確能提升模型對用戶行為的適應(yīng)性，但其性能增益有限。相較于處理大型代碼庫所需的高級能力，現(xiàn)有方案仍顯初級。

Lukas： 大型代碼庫不僅要求通過測試，更需遵循正確范式——需契合現(xiàn)有代碼結(jié)構(gòu)、符合規(guī)范指南。我們正通過 Cursor 規(guī)則引擎與多維度上下文整合，竭力實現(xiàn)這一目標(biāo)。

Aman： 例如：編寫全新防抖函數(shù)（Debounce）可通過測試，但正確做法應(yīng)是復(fù)用代碼庫中既有的三四種實現(xiàn)。選擇依據(jù)可能僅存于同事間的 Slack 對話記錄，此類問題在超大型代碼庫中極難解決。

Alex： 非代碼形式的決策依據(jù)對開發(fā)有什么影響？

Aman： 這在當(dāng)前并非核心瓶頸，但若模型能完美掌握代碼庫，雖可獲 5-10 倍效率提升，卻難突破上限，因為最終制約因素在于模型能否理解那些從未在 PR 或代碼中明示的隱性知識。

Lukas： 還需融合銷售等業(yè)務(wù)端的非技術(shù)因素考量。

Alex：未來 Cursor 需要集成更多外部系統(tǒng)嗎？

Aman： 該目標(biāo)距離關(guān)鍵突破尚有距離。當(dāng)前重點仍是深化用戶交互數(shù)據(jù)，如代碼細節(jié)、提交記錄的利用，以持續(xù)優(yōu)化 Cursor。

代碼品質(zhì)取決于天賦和實踐
Alex： 當(dāng)前網(wǎng)頁設(shè)計已出現(xiàn)針對 LLM（大語言模型）閱讀的優(yōu)化趨勢。代碼編寫會否因需適配人類評審與 AI 協(xié)作者而發(fā)生范式轉(zhuǎn)變？

Lukas： 是的，此趨勢已然顯現(xiàn)。API 設(shè)計正積極調(diào)整以適配模型，例如顯性標(biāo)識軟件版本變更。代碼結(jié)構(gòu)亦趨向扁平化，如將 N 層交互簡化為兩層，以提升模型處理效率。

Jacob： 優(yōu)秀代碼的核心原則對人類與模型實則相通：避免重復(fù)、保持簡潔。隨著模型能力提升，代碼量激增將使得代碼品味（Taste），即構(gòu)建優(yōu)雅簡潔方案的能力，愈發(fā)重要。

Alex： 代碼品味部分源于天賦，但更多通過實踐積累，可以通過觀察成敗案例逐漸形成。當(dāng) AI 承擔(dān)更多編碼工作時，存在質(zhì)疑聲：是否會導(dǎo)致程序員惰性？或剝奪新人接觸大型代碼庫的成長機會？如何看待自動化輔助與核心工程技能培養(yǎng)間的平衡？

Jacob： 這些工具本身具有教育價值。開發(fā)者可隨時通過指令向 Claude 詢問概念原理，這極大提升了學(xué)習(xí)效率。雖然工具可能催生更多質(zhì)量參差不齊的代碼，但總體仍是推動行業(yè)標(biāo)準(zhǔn)提升的強力工具。

Lukas： 代碼質(zhì)量源于快速迭代與試錯。模型極大加速此過程，使開發(fā)者更快掌握有效方案。長期看，這反而是新人接觸大型項目、積累經(jīng)驗的催化劑。

Aman： 未來工程師仍需深入技術(shù)細節(jié)。有趣的是，可能出現(xiàn)新型軟件工程師——他們無需掌握底層技術(shù)，卻能通過更高階思維（如用戶體驗設(shè)計）有效工作。例如構(gòu)建 Notion 類產(chǎn)品時，核心能力在于精準(zhǔn)描述交互邏輯，這本身就是編程思維的延伸。

Alex：Claude Opus 4 與 Sonnet 4 已發(fā)布，如何評價新模型？Cursor 的集成計劃是什么？

Aman： 我們對新模型的表現(xiàn)非常滿意。Sonnet 4 的測試結(jié)果令人驚喜——盡管 3.5 版本已是優(yōu)秀的代理編碼（Agentic coding）模型，但其存在已知缺陷，如過度修改測試用例以強行通過驗證。Sonnet 4 有效修復(fù)了這些問題，智能水平實現(xiàn)顯著躍升。其表現(xiàn)可與某些智能層級更高但代理編碼能力稍弱的模型（如 GPT-4-o）相抗衡，而成本卻大幅降低。因此我們對 Opus 充滿期待，它將成為極佳的后臺智能體解決方案。

Alex： 這正是我們重點優(yōu)化的“獎勵黑客（Reward hacking）”問題，指的是模型為達目標(biāo)走捷徑的情況，新版已減少 80% 此類行為。Sonnet 3.5 的成功源于首次專注長周期編碼能力訓(xùn)練——跨文件編輯、工具調(diào)用等復(fù)雜場景的協(xié)調(diào)能力為后續(xù)模型奠定基礎(chǔ)。

Aman： 我很好奇 Sonnet 3.5 是如何誕生的？它堪稱 Anthropic 首個真正強大的編碼模型。

Alex：Sonnet 3.5 誕生源于系統(tǒng)性訓(xùn)練。自公司創(chuàng)立之初，我們就深知提升模型編碼能力的重要性——這對模型整體發(fā)展尤為關(guān)鍵。Claude 3 Opus 在其時代已是優(yōu)秀的編碼模型，但 Sonnet 3.5 標(biāo)志著我們首次集中投入：不僅優(yōu)化基礎(chǔ)編碼能力，更專注解決長周期編碼任務(wù)——例如跨文件編輯、指令執(zhí)行、工具調(diào)用與分布式修改等復(fù)合場景。該模型成功整合這些能力，為后續(xù)模型奠定了技術(shù)范式。

Aman：在 Sonnet 與 Opus 的發(fā)展規(guī)劃中，編碼能力與其他領(lǐng)域能力如何權(quán)衡？

Alex： 編碼雖是我們的核心領(lǐng)域之一，但非唯一重點。模型在編碼領(lǐng)域的卓越能力可顯著遷移至復(fù)雜決策推理與智能代理（Agentic）模式——這種能力泛化對混合編碼、知識檢索及研究類應(yīng)用尤為重要。我們持續(xù)突破模型能力邊界，同時在安全性與用戶意圖對齊方面嚴(yán)格把關(guān)。具體探索方向包括：去年十月展示的計算機視覺功能，使模型能像人類一樣通過圖像界面直接操作系統(tǒng)，而無需 API 或工具調(diào)用。以及由 Amanda Askell 主導(dǎo)的“Claude 人格（Claude’s character）”項目，深入思考 AI 作為人類生活中重要伙伴的角色定位——不僅是編碼助手，更是可深度對話的知心伙伴。這些理念深度融入模型訓(xùn)練與產(chǎn)品決策。

Aman：Anthropic 如何看待軟件工程與研究的未來走向？這些模型將在多大程度上增強、替代或承擔(dān)相關(guān)工作？

Alex： 個人認(rèn)為模型不會取代開發(fā)者，正如前述，它們承擔(dān)基礎(chǔ)編碼工作后，反而釋放了更多可能性。以自身經(jīng)歷為例：雖擁有計算機科學(xué)背景，但如今模型在封閉環(huán)境（如 LeetCode 問題）的編碼能力已超越我。然而，我的創(chuàng)造力卻達到前所未有的高度——能快速構(gòu)建原型、演示概念。這種賦能感遠勝于能力剝奪，過往的工程經(jīng)驗使我更能駕馭模型，將其潛力發(fā)揮至更高水平。

基于此，延伸一個前瞻性探討：2027 年 1 月 1 日（距現(xiàn)在約兩年），你認(rèn)為 AI 生成代碼的比例將達多少？屆時開發(fā)者的日常工作形態(tài)將如何演變？

Jacob： 這如同在 1995 年詢問“未來法律文書由 Word 生成的比例”——答案將是近 100%。AI 將參與幾乎所有代碼編寫，但開發(fā)者理解需求、把握品味、指導(dǎo)軟件方向的核心作用將比以往更關(guān)鍵。

Aman： 在 Cursor 用戶中該比例已超 90%（因廣泛使用 Agent、Command K 等高階功能）。即便是手動編碼場景，Tab 功能也完成了約 70% 的內(nèi)容，軟件生產(chǎn)的每個環(huán)節(jié)都將被 AI 重塑。

Alex：是否可能實現(xiàn)”軟件按需生成”的終極形態(tài)？

Jacob： 我們將見證非技術(shù)崗位人員（如銷售）自主構(gòu)建工具（如定制看板）。但看板應(yīng)展示哪些指標(biāo)仍需人類決策——品味的重要性在此凸顯。軟件創(chuàng)造將更普及，其瓶頸在于能否發(fā)掘未被滿足的獨特需求。

Alex： 例如：Anthropic 傳播團隊的同事曾直接提交 Claude.ai 的生產(chǎn)環(huán)境缺陷修復(fù) PR。他運用基于 Claude 的編程工具，憑借產(chǎn)品直覺與品味完成了專業(yè)開發(fā)。這昭示著未來：具備洞察力者將突破傳統(tǒng)角色限制。盡管五到十年后職能形態(tài)將劇變，但人類能力邊界持續(xù)擴展終將創(chuàng)造積極價值。

Aman： 另一種可能是軟件自適應(yīng)進化：用戶使用應(yīng)用時，系統(tǒng)根據(jù)交互體驗實時調(diào)整功能而無需主動編碼。全球用戶雖未必都想親手編程，但個性化軟件服務(wù)的潛在受益者將是全人類。

Alex：才華橫溢的工程師若在加入大廠與創(chuàng)業(yè)公司（如 Cursor/Anthropic）間抉擇，有何建議？

Aman： 當(dāng)前創(chuàng)業(yè)公司展現(xiàn)出了顯著吸引力。像 Anthropic 和 Cursor 這樣的團隊正匯聚頂尖人才，這種趨勢反映出大廠對頂尖人才的吸引力正在減弱——盡管大公司依然擁有優(yōu)秀人才，但人才密度往往偏低。而在創(chuàng)業(yè)環(huán)境中，精悍的團隊規(guī)模天然形成高密度人才網(wǎng)絡(luò)，與卓越同行并肩作戰(zhàn)本身就是獨特體驗。更重要的是，你能在十人至百人量級的團隊中深度參與改寫行業(yè)規(guī)則的產(chǎn)品建設(shè)，無論是構(gòu)建顛覆性工具還是重塑軟件開發(fā)范式的模型，這種以微小團隊撬動巨大影響力的機會，其價值不言而喻。

嘿，伙伴們，今天我們的AI探索之旅已經(jīng)圓滿結(jié)束。關(guān)于“AI代碼革命倒計時！Cursor × Claude爆論：2年后100%代碼AI生成”的內(nèi)容已經(jīng)分享給大家了。感謝你們的陪伴，希望這次旅程讓你對AI能夠更了解、更喜歡。謹(jǐn)記，精準(zhǔn)提問是解鎖AI潛能的鑰匙哦！如果有小伙伴想要了解學(xué)習(xí)更多的AI知識，請關(guān)注我們的官網(wǎng)“AI智研社”，保證讓你收獲滿滿呦！