推荐语
AI技术如何革新软件开发行业?Cursor创始人Michael深度分享。核心内容:1. Cursor的宏大愿景:后代码时代与编程新范式2. Cursor创立背后的战略调整与关键认知3. 未来工程师技能展望:品味与逻辑设计的重要性
杨芳贤
53A创始人/腾讯云(TVP)最具价值专家
Cursor是一款由人工智能驱动的集成开发环境,它支持通过自然语言指令编写或修改代码,并集成了多种大型语言模型(如GPT-4、Claude、DeepSeek-R1等),提供代码生成、智能补全、错误修复等功能。
近日,Cursor 的创始人 Michael 分享了他对于 AI 技术如何革新软件开发行业的深刻洞见。从“后代码时代”的宏伟蓝图,到 Cursor 的创立初心与发展策略,再到对未来工程师技能的展望,Michael 描绘了一个由 AI 驱动、更加高效与智能的编程新范式。
一、后代码时代:Cursor 的宏大愿景与编程新范式
Michael 指出,Cursor 的目标是创造一种全新的编程方式,从根本上改变软件构建的方法。
- • 核心理念:未来的编程将从繁琐的“如何实现”(how)转变为更高级别的“意图表达”(what you want)。开发者只需清晰描述软件应有的功能和外观,AI 将辅助完成大部分底层实现。
- • 不同于当前依赖 TypeScript、Go、C++ 等形式化编程语言的文本编辑。
- • Cursor 设想的未来编程界面将“更奇特”,代码逻辑的表现形式会更接近自然语言或伪代码,人类依然拥有精准的控制权和编辑能力。
- • “品味”(Taste):对构建“正确”产品的直觉和判断力将愈发重要,这包括视觉设计和更核心的“逻辑设计”能力。工程师将更像“逻辑设计师”。
- • 减少“谨小慎微”:随着 AI 能力增强,工程师或许可以不那么过分关注底层实现的每个细节(尽管目前“Vibe Coding”仍有其局限性,AI 尚未达到完全可靠的程度)。
二、Cursor 的诞生与成长:从机械工程到AI编程的战略转向
Cursor 的创立并非一帆风顺,其背后是团队对 AI 潜力的深刻洞察和一次关键的战略调整。
- • GitHub Copilot 的早期测试版展现了 AI 在编程领域的巨大潜力,是团队首次体验到真正实用的 AI 产品。
- • OpenAI 等机构发布的 Scaling Law 论文,揭示了即使没有理论突破,仅通过扩大模型和数据规模,AI 性能也能持续提升。
- • 最初的尝试:团队最初选择了一个看似“冷门”的领域——AI 辅助机械工程。
- • 失败原因:缺乏领域知识(创始人非机械工程师)、3D 模型数据难以获取和处理、团队对此领域热情有限。
- • 战略转向:在机械工程项目受挫后,团队重新审视了 AI 编程领域,认为现有工具的“雄心”不足,未能充分挖掘 AI 的潜力。这促使他们下定决心开发 Cursor。
- • 关键认知:即使市场看似拥挤(如已有 Copilot),如果发现现有参与者不够“雄心勃勃”或其方法存在缺陷,仍然存在巨大机会。
- • 最初版本的 Cursor 是从零开始手写的,团队在约5周内就开始全职使用自研编辑器。
- • 产品在约3个月内上线,远超预期的用户兴趣和反馈促使团队将 Cursor 底层切换到基于 VS Code 构建,以满足用户对稳定性和扩展性的需求。
- • 产品驱动增长:早期几乎没有在销售和市场营销上投入,专注于把产品做好。
- • 深入理解跨学科挑战:Cursor 的开发介于传统软件公司和基础模型公司之间,既要打造优秀的产品体验,也要在模型科学层面不断突破。
三、Cursor 的技术核心:IDE 的战略选择与自研模型的深耕
Michael 详细阐述了 Cursor 选择构建完整 IDE 而非插件,以及为何投入自研模型的原因。
- • 掌控力与未来形态:坚信编程的交互界面和形态将发生巨变,现有 IDE 的扩展性不足以支撑这种变革,因此需要掌控整个应用。
- • 人类主导:确保人类开发者始终处于主导地位,对软件拥有完全控制权。
- • 深度集成 AI:将 AI 能力深度融入开发流程的各个环节,而不只是一个辅助工具。
- • 未来展望:IDE 的概念会持续演化,未来可能无缝整合后台自主运行的 AI 代理任务和前台的人机协作。
- • 避免成为“AI 工程经理”,疲于审查大量低质量 AI 生成的代码。
- • 【 actionable 】Cursor 建议:将任务分解成小块,AI 完成一小部分后即进行审查和调整,形成快速迭代循环,而非一次性交付大型任务给 AI。
- • 自研模型的重要性(Counterintuitive Learning):
- • 初衷:最初并未计划自研模型,认为可以依赖现有的优秀基础模型。
- • 转变:实践中发现,为了实现极致的产品体验(如速度、成本、特定任务效果),自研或深度定制模型至关重要。
- • 代码自动补全 (Autocomplete):需要极高速度(300毫秒内响应)和低成本,且专注于预测代码片段(diffs)而非通用文本。Cursor 为此训练了专门模型。
- • 输入端:通过自研模型在代码库中进行“迷你谷歌搜索”,为大模型提供最相关的上下文。
- • 输出端:大模型进行高层次的逻辑构思,然后由更小、更快的专业模型结合推理技巧,将这些构思转化为完整的代码 diff。
- • “模型集成体”(Ensemble of Models):采用多种模型协同工作,发挥各自优势(如 OpenAI Kevin Weil 所述),并基于开源模型(如 Llama)进行定制和微调。
四、AI 时代的护城河与市场格局
在 AI 技术飞速发展的背景下,Michael 对 Cursor 的长期竞争力与市场未来格局有独到见解。
- • AI 领域的天花板极高,颠覆性创新仍有巨大空间,传统护城河易被跨越。
- • 更像消费品市场:持续提供最佳产品是关键,而非依赖企业级市场的锁定效应。
- • 类比90年代末的搜索引擎市场或70-90年代的计算机发展史。
- • AI 编程工具的市场规模远超传统开发者工具市场。
- • 未来可能出现一个主导性的通用软件构建工具,这将是一个“代际”的巨大商业机会。
- • 虽然会有服务特定细分市场或开发流程特定环节的工具,但通用平台潜力最大。
- • 结构性原因:当创新潜力巨大且用户切换成本低时,市场对现有巨头并不友好。
- • 历史性原因:Copilot 早期核心团队成员流失,以及大型组织内部协调的挑战。
五、给开发者的 Cursor 使用锦囊与职业发展建议
Michael 为 Cursor 用户和广大开发者提供了宝贵的建议。
- • 【 actionable 】Cursor 使用技巧:
- • 培养“模型感觉”:理解当前模型能处理的任务复杂度和所需的指令明确程度。
- • 任务分解:将大任务拆解成小块,小步快跑,频繁迭代。
- • 大胆试错(在安全环境中):在个人项目等非关键场景中,勇于尝试 AI 的极限,可能会发现其超出预期的能力。
- • 持续学习:新模型发布后,重新校准对模型能力的认知。
- • 高级工程师:可能低估 AI 的能力,固守原有工作流程。
- • (Michael 笑称)“中高级但非顶尖架构师”级别的人可能处于最佳适应位置,能更好地平衡 AI 的使用。
六、Cursor 的人才观与团队建设:打造世界级团队
Michael 强调,人才是 Cursor 最核心的资产之一。
- • 耐心寻找世界级人才,关注智力好奇心、实验精神、诚实坦率和强大的内心。
- • 【 actionable 】独特的面试流程:候选人会进行为期两天的现场工作测试项目(Work Test Project),与团队共同完成一个模拟真实项目。这被证明在评估候选人能力和吸引人才方面非常有效,且具有一定的可扩展性。
- • 早期曾过于关注名校背景和年轻候选人,后发现经验丰富的资深人才同样宝贵。
- • 目前团队约60人,工程师、研究员和设计师占比极高。
- • 团队已逐渐建立对行业噪音的“免疫系统”,能分辨真正重要的技术进展。
七、展望未来:AI 将如何重塑软件开发
Michael 认为,我们正处在一场将持续数十年的技术变革之中。
- • 变革的深度与广度:AI 对社会的影响将比互联网更深远,堪比计算机的发明。
- • 多领域突破:需要解决模型能力(理解不同数据类型、更快更便宜更智能、与真实世界交互)和人机交互体验等一系列独立问题。
- • 关键力量:专注于特定知识工作领域自动化和增强的公司(如 Cursor 之于编程),将成为推动技术进步和创造用户价值的核心力量,并可能成长为巨大的商业实体。
- • 工程师需求依旧旺盛:尽管 AI 将极大提升开发效率,但软件需求弹性巨大。目前构建许多看似简单的软件依然成本高昂,若能大幅降低成本,将释放海量新的软件需求,工程师将能够构建更多、更强大的工具。
Michael 的分享不仅揭示了 Cursor 背后的思考,更为我们展现了 AI 时代软件开发激动人心的未来。这不仅是一场技术的革新,更是一次对创造力、协作方式和价值定义的重新思考。