共计 6837 个字符，预计需要花费 18 分钟才能阅读完成。
在人工智能编程领域，一场深刻的变革正在展开，Cursor 的崛起则成为这一趋势的重要体现。从其创始人的回顾中，我们可以了解 AI 编程工具如何重塑开发流程，以及在竞争中持续推出卓越产品的关键所在。
AnySphere 的联合创始人及首席执行官 Michael Truell 所开发的 Cursor，被誉为当前增长最快的 AI 编程产品之一，甚至预示着“后代码时代”的来临。
目前，团队有 60 名成员，在产品推出仅 20 个月时，Cursor 就实现了年化经常性收入达 1 亿美元，并在接下来的两年内增长至 3 亿美元，成为历史上发展最快的开发工具之一。这一成就的背后，不仅是代码生成能力的提升，更是对软件开发整个流程的重新构建与定义。
Michael 在人工智能领域已有十年的技术积累，他的学术背景包括在麻省理工学院主修数学和计算机，之后在谷歌从事研究型工程。因而他对 AI 技术的演变及其商业背景都有着深刻的理解。
在与海外科技博主 Lenny 的对话中，他清晰地描绘了一个与主流假设截然不同的未来：代码不会被完全取代，但它将不再是人类输出的主要形式。人们将以接近自然语言的方式表达对软件功能和行为的设想，而系统则负责将这些意图转换为可执行的程序逻辑。
他指出，当今主流对 AI 编程未来的两种看法都存在偏差。一方面，有人认为开发方式将维持现状，继续依赖 TypeScript、Go、Rust 等语言进行程序构建；另一方面，也有人相信未来只需与聊天机器人对话，便可完成整个开发流程。
多样化的开发方式共存
谈及 Cursor 的起步，Michael 回忆了两个重要时刻：
第一个时刻，是他们首次接触到 GitHub Copilot 的内部测试版本。这是他们第一次使用到真正实用的 AI 开发工具，它不仅是个噱头，且显著提升了工作效率。
第二个时刻，是他们深入研究 OpenAI 和其他研究机构发布的一系列 Scaling Law 论文。这些研究让他们意识到，即使没有新算法，只要不断扩大模型的参数和数据规模，AI 也会持续进化。
在 2021 年底至 2022 年初，他们坚定了一个判断：AI 产品的时代确实已经来临。然而，与大多数创业者围绕“构建大模型”的思路不同，Michael 和他的团队从知识工作的角度出发，反向思考在 AI 辅助下，各个具体工作场景将如何演变。
起初，他们选择了一个看似冷门的方向——机械工程。他们认为该领域竞争较少，问题空间明确，于是开始尝试 CAD 工具的自动化。然而很快，他们发现自己对机械工程缺乏足够的热情，且缺乏数据素材，开发进展非常困难。
最终，他们决定重返最熟悉的领域：编程。尽管市场上已有 Copilot、CodeWhisperer 等产品，他们依然认为没有人真正将愿景推向极致。尽管这是一个竞争激烈的热门领域，他们仍然坚信“天花板”极高，足以支持一家具备突破性的产品公司。因此，他们选择了“在热门领域深耕”的策略，而非“避开热区”。
Cursor 的核心决策之一是，不仅仅做插件，而是建立一个完整的 IDE。在他们看来，现有的 IDE 和编辑器架构无法适应未来的开发方式与人机交互逻辑。
“我们希望对整个界面拥有控制权，以重新定义开发者与系统之间的交互方式。”这不仅是为了实现更自然的控制粒度，更是为了构建一套真正能够承载下一代编程范式的系统基础。
Michael 认为，未来的开发方式将是多样化并存的。有时，AI 会作为助手，在 Slack 或问题追踪器中完成任务；有时则会在 IDE 中进行前台交互；也可能是在后台运行某个流程，前台再进行迭代控制。这些形式都是相辅相成的，只要用户能在全自动与手动控制之间灵活切换，便是一个合格的系统。
对于目前业界流行的“代理热”，他也持保留态度。如果完全将任务交给 AI 执行，开发者可能变成“工程经理”，需要不断审查、批准、修改一群“笨拙的实习生”的输出。“我们并不相信这样的方式。最有效的方式是将任务细分为多个步骤，让 AI 一步步补全，而人类始终保持主导地位。”
Cursor 的早期版本完全从零开始开发，未依赖任何现有的编辑器。最初，他们仅用了五周时间便搭建出可用原型，并迅速替代了原有的开发工具。整个从零到上线的过程，仅耗时三个月。发布后，超出预期的用户反馈促使他们迅速迭代，最终在性能、体验与开发速度之间找到了平衡，转而基于 VS Code 框架进行重构。
然而，在 Michael 看来，真正的成功并不在于初版的速度，而在于后续的持续优化。他承认：“最初三个月的版本其实并不理想，关键在于我们始终保持着一种执着的改进节奏。”这种持续优化的节奏，最终形成了 Cursor 非常稳定的增长轨迹。尽管初期并没有明显的“起飞”感觉，但指数曲线的积累效应，最终在多次迭代后得以显现。
每天朝着正确方向前进
虽然 Cursor 的快速崛起看似源于某个关键功能或产品决策，但 Michael Truell 强调，真正的秘诀其实非常简单：“每天朝着正确的方向前进。”
这听起来似乎平常，但要持续做到却极为不易。每一个决策、每一个迭代细节，都要从用户的角度出发，不断贴近实际场景，反复进行减法与优化。他们从不寄希望于一次性的爆款，而是深信产品的价值必须经得起持续使用与真实反馈的磨练。
这种理念也体现在 Cursor 的技术路径选择上。Michael 提到，团队在最初构建 Cursor 时，完全没有打算自己训练模型。在他看来，市场上已经有足够强大的开源与商业基础模型，投入算力、资金和人力去从零构建新模型，不仅成本高昂，而且与他们真正关注的目标——构建有用的工具、解决具体问题——相悖。
然而，随着产品的深入迭代，他们逐渐意识到，已有的基础模型虽然强大，却无法满足 Cursor 中的关键场景。这些模型大多是为通用对话、问答或文本任务所训练的，缺乏对“多文件结构化代码编辑”这类问题的原生理解。
Cursor 的一个关键特性是对“下一步编辑行为”的预测。这在写作中难以实现，但在代码场景中却充满可能性。因为程序具有强烈的上下文连贯性——当开发者修改某个函数或文件后，接下来的一些操作往往是可以预测的。
Cursor 的模型正是基于这种上下文逻辑，推理出用户可能会修改的文件、位置和结构，以近乎无感的延迟提供补全建议。这不仅限于 token 级别的补全，而是结构化的代码片段预测，背后完全依赖专为此场景训练的自研模型，而非通用基础模型。
在模型调用成本高昂的现实情况下，这类自研模型还可以大幅降低产品的使用门槛。要实现这一点，模型必须具备两个特性：响应迅速、成本低廉。
Cursor 要求每次补全推理必须在 300 毫秒内完成，并且在长时间连续使用中，不能产生过高的资源消耗。这种严格的约束，使他们必须掌控模型的设计与部署。
除了承担核心交互功能，Cursor 的自研模型还承担了另一项重要任务——作为“编排器”辅助调用大型模型。例如，在代码库规模庞大时，大型模型很难知道该关注哪些文件、模块和上下文。
Cursor 的模型会首先进行一次搜索与归纳，从整个代码库中提取相关信息，再将其提供给主模型。这就像为 GPT、Claude、Gemini 等大型模型构建了一个专业的“信息投喂管道”，使其表现更加精准。
在模型输出端，这些草图式的代码修改建议，也会由 Cursor 的自研模型进行处理与重写，转化为真正可执行、结构化的补丁。
如何高效运用 Cursor？
在打造一款面向全球开发者的 AI IDE 平台时，Michael Truell 特别关注的并非模型能力的极限，而是用户如何理解并充分利用这些能力。
当被询问如果能陪伴每位首次使用 Cursor 的用户，他会给出什么建议时，他并没有介绍具体的功能或操作技巧，而是强调一种思维模式的建立，即对模型“能做什么与不能做什么”的直觉判断。
他坦诚地指出，当前 Cursor 在引导用户理解模型的局限性方面尚显不足。在缺乏明确提示和互动反馈的情况下，许多用户容易陷入两个极端：要么对模型期望过高，试图以一条提示解决复杂问题；要么因初次体验不佳而彻底放弃。
他推荐的策略是将任务分解，通过“小提示–小生成”的方式逐步推进，与 AI 进行持续的双向交流，从而实现更稳定和高质量的结果。
此外，他提出了一个更具策略性的建议：在没有业务压力的副项目中大胆尝试，探索 AI 能力的极限。
在不影响主要工作的情况下，通过进行一系列实验性项目，去感受模型的真实能力和失败的界限。这种“逐步探索”的方式可以帮助开发者树立更准确的直觉，使他们在未来遇到正式项目时更加从容。
随着模型版本不断更新，比如 GPT-4.0 或 Claude 的发布，用户的判断力也应随之提升。他希望未来 Cursor 能内置引导机制，使用户不必每次都要摸索模型的特性和界限。然而，目前这仍然是用户需要主动积累的技能。
对于另一个常见问题——这类工具更适合初级工程师还是高级工程师——Michael 给出了清晰的分类。他指出，初级开发者往往过于依赖 AI，试图借助其完成整个开发流程；而高级工程师则可能因经验丰富而低估 AI，未能充分挖掘其潜力。前者的问题在于“过度依赖”，后者则是“探索不足”。
他还强调，一些公司的资深技术团队，特别是专注于开发者体验的架构师，才是最积极采用这类工具的人群。他们既理解系统的复杂性，又重视工具的高效性，因此在 AI 编程场景中能够取得最佳效果。
在他看来，理想的用户画像并非初学者或老手，而是那些“资深但仍具好奇心”的中段工程师——既具备系统理解能力，又对新方法保持开放和探索的态度。
如何打造一支顶尖团队？
当被问及如果能回到最初创办 Cursor 的那一年，会对自己说什么建议时，Michael 选择了一个不那么技术化的答案——招聘。他反复强调，“找到合适的人”是仅次于产品本身的重要工作。
尤其在早期，组建一支世界级的工程和研究团队不仅关乎产品质量，也是组织专注力、节奏和文化的重要保障。他所寻找的人才必须具备技术探索的好奇心、实验意愿，以及在浮躁环境中保持冷静判断的能力。
他回忆道，Cursor 在招聘过程中曾走过不少弯路。起初，他们过于看重“耀眼的履历”，偏向于招募来自名校、年轻且有成功路径的优秀人才。然而，他们最终意识到，真正合适的人才往往不在这些传统模板中。相反，那些经历丰厚、技能匹配度高且判断力成熟的人，才是推动团队发展的关键力量。
在招聘流程上，他们逐渐建立了一套有效的方法。最核心的是一项为期两天的“工作测试”制度。候选人需要在规定时间内，与团队共同完成一个接近真实项目的任务。
虽然这个流程看似繁琐，但实践中不仅易于扩展，还显著提升了团队的判断准确性。它考察了候选人的编码能力、协作沟通、思维方式及动手能力，甚至帮助候选人判断“是否愿意与这支团队长期合作”。
这种“共事式面试”机制逐渐成为 Cursor 团队文化的一部分。他们将招聘视为双向选择而非单向评估。在公司未被市场广泛认可、产品尚未成熟时，团队本身就是最重要的吸引力。
Michael 坦言，早期许多员工的加入，源于一次甚至多次的共事经历，而非对薪资或估值的考量。如今，这一制度仍然保留并适用于每一位新候选人。Cursor 的团队规模目前仍维持在 60 人左右，这在许多 SaaS 公司中算是相对精简的。
Michael 指出，他们有意保持这种精干配置，尤其在非技术岗位扩张上保持克制。他承认，未来一定会扩大团队，以增强客户支持和运营能力，但目前他们依然是一家高度依赖工程、研究和设计的公司。
谈到如何在 AI 行业快速变化的发布节奏中保持专注，Michael 并不依赖复杂的组织制度。他认为，组织文化的根基在于招聘本身。如果能够招到理性、专注且不被热点情绪左右的人，团队自然会拥有良好的节奏感。他承认 Cursor 仍有改进之处，但总体来看，他们在“专注于做出卓越产品”的文化引导上取得了良好成效。
许多公司试图通过流程与组织设计来解决的问题，其实可以通过“找对人”来提前避免。他们的开发流程非常简洁，能够成立的原因在于团队成员普遍具备自律性和合作精神。他特别强调了一个共同的心理特质：对外界喧嚣的“免疫力”。
这种免疫力并非与生俱来，而是在长期的行业经验中逐渐形成的。早在 2021 年、2022 年，Cursor 团队就已在 AI 编程方向进行探索。当时 GPT-3 尚未推出 Instruct 版本，DALL·E 和 Stable Diffusion 也未公开，整个生成式 AI 行业还处于技术萌芽期。
他们经历了图像生成的爆发、对话模型的普及、GPT-4 的发布、多模态架构的演进、视频生成的兴起……然而，这些看似热闹的技术潮流中，真正对产品产生实质性影响的其实寥寥无几。
这种对“结构性创新”与“表面噪音”的辨别能力，成为他们维持专注的重要心理基础。他将这种方式与过去十年深度学习研究界的演进进行类比：虽然每年都有无数新论文问世，但推动 AI 进步的，往往是极少数优雅而根本性的结构突破。
回顾整个技术范式的变迁，Michael 认为，当前 AI 的发展正处在一个极为深刻的转折点。
AI时代的变革：从工具到平台的新机遇
在外界的讨论中，常常出现两个截然不同的观点：一方面，有人坚信 AI 革命即将来临，认为它将迅速改变一切；另一方面，也有不少人将其视作一种炒作和泡沫。然而，他的看法是，人工智能将在未来引领比个人计算机更为深远的范式转移，然而这一转变将是一个跨越多个年代的渐进过程。Jony Ive 所倡导的从 I/O 到 iO 的转变，预示着 AI 将重塑计算的方式和硬件的定义，成为新的战场。
这种演进并非单一技术或系统的结果，而是众多细分问题得到独立解决的综合体现。这其中包括科学层面的挑战，例如模型如何处理更多类型的数据、提升运行速度以及提高学习效率；也包括人机交互方面的问题，比如人类如何与 AI 协同工作、如何界定权限以及如何建立信任机制；还包括应用的实际问题，比如模型如何真正改进实际工作流程，以及如何在不确定的环境中提供可控的输出结果。
在这一过程中，他认为将会涌现出一些关键性的企业——这些公司专注于特定知识工作场景的 AI 工具开发。这样的企业将会深度整合基础模型，甚至可能自主研发核心模块，并致力于提供最佳的人机协作体验。这些公司不会仅仅是“模型的调用者”，而是会将技术与产品设计精益求精，最终成长为新一代平台型企业。这些企业不仅会提升用户的效率，更有可能成为推动 AI 技术不断演进的重要力量。
Michael 希望 Cursor 能成为这一类型的公司之一，同时他也期待在设计、法律与市场等多个知识工作领域，能够出现一批同样专注、扎实、具备技术深度与产品敏锐度的 AI 创业者。未来的舞台将不再是那些仅仅进行炒作的人，而是那些真正解构问题、重塑工具与理解人机关系的建设者。
他指出，2025 年对于 Cursor 来说尤为关键的两件事情是：首先是打造出行业内最优质的产品，其次是将其推广至更广泛的市场。他形容当前的竞争局面如同一场“土地争夺战”：市场上大多数人尚未体验过这类工具，或者仍在使用更新缓慢的替代品。因此，他们正在加大市场、销售和客户支持方面的投入，同时积极寻找能够从技术上推动产品边界的优秀人才。
谈及 AI 对工程行业的影响，Michael 发表了冷静的看法。他认为工程师不会被迅速取代，反而在 AI 驱动的未来，工程师的重要性将比以往更加突出。
短期内，编程的方式将发生巨大的变化，但他认为软件开发不太可能会变成一个“只需输入需求，系统自动完成”的简单过程。虽然 AI 能够让人们摆脱一些繁琐的低层级实现，但有关方向、意图及结构设计等核心决策，依然需要由专业的开发者来把控。
这种看法意味着，随着软件构建效率显著提升，需求端的灵活性将被充分释放。也就是说，软件的构建将变得愈加简便，成本显著降低，最终将推动市场规模的增长。将会有更多问题被建模，更多流程被系统化，更多组织将尝试定制其内部工具，而不再满足于通用解决方案。
他用自身的经历阐述了这一点。在他早年的一家公司中，团队迫切需要一套与内部流程相匹配的工具系统，但现有市场方案并不适合，而自建的效率也极其有限，最终导致大部分需求未能得到满足。
这种情况在各行各业依然普遍存在，显示出软件开发的门槛依旧较高。如果未来的软件开发能够像移动文件、编辑幻灯片那样简单，那么将开启一个全新的应用时代。
最后，他强调 AI 不会减少工程师的数量，反而会导致工程岗位的结构发生变化。那些擅长与 AI 合作、能够理解系统逻辑并具备产品直觉的工程师，将在新一代工作体系中发挥更为重要的作用。
本文由人人都是产品经理的作者【江天 Tim】创作，微信公众号为：【有新Newin】。原创/授权发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
