Cursor Meetup 杭州站分享实录：小团队如何用 AI 撑起万级日活产品？

我是 iMean AI 算法负责人孔德涵，今天想和大家聊聊：一个十人左右的小团队，如何借助 Cursor 快速迭代出能够稳定支撑万级日活的产品。

这个标题包含两个关键点：

• 我们的产品不是简单的 MVP 验证，而是需要保证长期稳定运行的生产级产品；

• 我们是一个相对较小的团队，每个成员都是"超级个体"，Cursor 极大程度地扩展了超级个体的能力边界；

我是理工科背景，但不是计算机专业出身，曾在多所高校实验室和大厂参与过一些 AI 项目研究。坦白说，我并不喜欢写代码，但不影响我对研究和构建产品始终充满热情。

也正因为如此，当 Cursor 这样的工具出现时，我毫不犹豫地开始尝试使用。实际使用后，我发现除了那些用自然语言描述成本更高的场景（比如一行代码就能解决的问题），我真的做到了一行代码都没有写，刚上手就非常无痛地 vibe 了起来。

基于这样的体验，我也把它推荐给了公司里的小伙伴们。几个月前开始，我们公司已经实现了全员使用 Cursor 开发。

先介绍一下我们团队，我们公司 iMean AI 的愿景是让旅行更快乐。这个目标包含两个方面：

• 一是“更简单”：我们致力于提升旅行信息获取的效率和个性化，让用户放下手机、放下社交媒体和信息流平台，把更多时间和注意力用于真正的旅行体验，而不是被繁琐的规划环节拖累。；

• 二是“陪伴”：这正是我们选择 “Coyage” 这个名字的初衷。我们希望打造一种全新的旅行方式，不只是工具，更像是一位始终在身边的旅行搭子。

在开发过程中，我们确实发现 coding agent 在某些环节已经比人类做得更好：

1. 信息处理带宽更大。agent 能处理的信息带宽一定比人类更大，在面对海量数据时，agent 可以更敏锐地发现数据之间的关系和错误，我们前段时间发现某个数据源的格式错误，Cursor 自主发现了这个问题并在代码中保证了算法的稳定性，而我们的团队成员在几天之后才发现 AI 帮我们兜了底。

2. 推理与计算效率更高。在规划算法策略或代码实现时，我们可以优先让 AI 完成整个逻辑分析，给出设计思路。
   

3. 数据视觉呈现已经足够惊艳。对于审美判断和创意构思，对于意图的理解，甚至共情能力，AI 目前还不如人类，但我们也发现已经在快速提升。

少即是多是写 system prompt 的一个体会。

开发过 multi-agent 复杂业务流程的同学可能都有这样的体验——Prompt 随着边界情况的增多越来越长，但效果却在逐渐变差，而且尾大不掉。在某个时间点，把之前所有的 Prompt 重新抽象和精简，效果反而可能会变得更好。

抽象能力的重要性。

在脑机接口出现之前，我们仍需要用文字与 AI 协作，因此抽象能力和表达能力变得非常重要。从现在开始学习写诗可能是非常重要的一步。

如果 Agent 足够强大，处理信息和做决策的能力都比人强，那么人应该去做什么？我认为，应该回到自己想做什么，更关注自己的感受和信号，以及不断培养自己的审美。

这两点加起来是领导力——这可能是 Agent 时代最重要的能力。

我觉得未来社会可能会有两种人：

• 一类是能够很好地领导 AI 完成工作的人，和以比 AI 更便宜的价格完成工作的人。

• 另一种分类方式是：能够很好地管理自己注意力、认清自己需求并构建的人，和注意力崩塌、只能消费内容的人。

对我们来说，重要的问题是：我们想成为哪种人？我们想为哪种人构建产品？这一定是要持续思考的问题。

问题1：您提到 AI 在感知接收信息方面比人强，但旅行这种体验性的活动，看网上视频和实际体验是完全不同的。Agent 如何获取信息帮助人做出实际的决策呢？ 

回答：这确实是一个核心问题。在旅行过程中，如何收集环境信息是关键。理想情况下，我们希望通过更好的设备去收集多维度信息，并与用户的个性化需求更好地结合。 目前我们能获取的主要是在线信息，现场信息确实难以获取。但我们依旧可以基于用户的位置和长期偏好来推荐，比如旅行过程中的机票、酒店、餐厅、活动选择等，这里面能做的事情还有很多。 

问题2：大型 OTA 公司也在做类似的 AI 功能，如何应对竞争？ 

回答：我们现在在做的是加速信息检索过程，在旅行领域，交易确实是大品牌的生命线，他们会投入最大精力把控这个环节，所以这部分作为我们这样的初创只有靠技术和速度取胜。但随着技术的提升，旅行当中可以定义出大量颠覆性的新体验，这也是我们后续努力的方向。 

问题3：机票等信息实时性要求很高，你们的数据是通过 B 端合作还是爬虫获取？ 

回答：这是一个很细致但很重要的问题。我们目前主要是与 OTA 合作获取数据。这涉及到行业知识壁垒和数据质量保证的问题。 对于任何做产品的团队来说，确保自己行业知识库的稳定性和质量都是核心挑战。我们后续可能会在这方面有更多的技术投入。