重塑编程：Cursor的全新旅程

AI 编辑器的崛起：Cursor 的故事

本文来自微信公众号：王智远，作者：王智远，题图来自：AI生成

Any Sphere的联合创始人兼 CEO Michael Tun 最近参加了Y Combinator的播客，你可能对这两个人名不太熟悉，但他们的产品Cursor你肯定听说过。

这款看似低调的AI编辑器，在过去一年悄然崛起，成为许多开发者心目中的“AI编程必备神器”；它不仅帮助程序员更快地写代码，更在重新定义“编程”这件事情。

在访谈中，Michael Tun回忆了Cursor从无到有的过程，讲述了一个关于远见卓识、判断力和执行力的故事。

我觉得，这段经历为所有关注AI未来的人提供了一个值得深思的视角。

一

Cursor的诞生并不是从“写代码”开始的；最初，Michael Tun和他的团队专注于开发一个机械CAD工具，主要服务于工程师和设计师，帮助他们绘制零件图和建模。

虽然听起来很专业，Michael Tun后来却坦言：“我们做的只是一个小众市场的小众产品。”

真正促使他们转变方向的是一次对技术趋势的“顿悟”。

2022年初，GPT-3已经问世一段时间，GitHub Copilot也开始被开发者尝试。尽管那时的AI还不如现在这么成熟，但他们却看到了一个信号：模型变得越来越强大，这种趋势是持续的。

Michael Tun说：“创业本来就不容易，那就做让你最兴奋的事情吧。”他们甚至总结出一句话，作为后来所有决策的指导原则：

Follow the line，沿着趋势线走，别追热点。

这句话的意思是：与其去猜测下一个热门产品，不如认真观察当前的趋势线，判断它在未来某个时刻是否会带来质变。

他们看到的趋势是：

语言模型不断壮大，训练数据日益丰富，生成代码的能力也在提升。因此，他们做出了一个大胆的决定——放弃CAD，转向AI编程工具。

这个判断并不容易。当时大部分人还未把AI视为主要的编码工具，更多人认为它只是“辅助插件”，甚至是“玩具”。但Cursor团队坚信：

AI不仅仅是让程序员更快地写代码，最终会取代人类写代码的工作。所以，他们重新设计了整个编辑器体验，以适应AI的原生交互。

而且，他们非常重视内部自用测试。Michael解释说：“我们像苹果一样，首先使用自己的产品；这样可以快速迭代，发现问题并进行改进。”

这种策略不仅验证了产品的可行性，还使他们能够更早地识别用户真正需要的功能，哪些地方需要进一步优化。

正如Michael所说，如果连我们自己都不愿意每天使用这个工具，其他人又怎么会愿意呢？因此，他们在2022年就预测到AI将彻底改变编程，并用行动证明了这一判断。

二

但问题是：当所有人都把AI视为“插件”或“辅助功能”时，他们为什么敢于选择一条完全不同的产品路径呢？

例如：为什么不做VS Code插件，而是从零开始构建一个全新的编辑器？

这个问题听起来简单，背后其实隐藏着一个更根本的判断：AI不只是一个“辅助工具”，它需要一种全新的交互方式和产品形态。

Michael Tun在访谈中提到，当时很多人建议他们做一个VS Code插件：毕竟VS Code是最受欢迎的代码编辑器之一，拥有庞大的用户基础，做插件能快速上手、易于推广。

但Cursor团队却认为，这种做法就像是在“给车加灯”：虽然让用户体验稍好，但并没有真正思考，当AI变得足够强大后，我们该如何写代码？

Michael Tun说：

如果你相信AI最终会取代人类写代码的工作，那就必须重新思考整个交互流程。他们想要的是为“AI原生”的编程方式设计一个合适的编辑器。

VS Code的架构并非为AI而设计，更多是面向“人类程序员”的工具。AI需要什么？更快的响应速度、更深的上下文理解、更强的实时协作能力……而这些，在插件中很难实现。

他们发现，早期的GitHub Copilot作为插件的方式也给他们带来了启发；随着AI模型的增强，局限性也逐渐显露：

它只能在已有框架中“补几句代码”，并不能真正参与整个编写过程。因此，Cursor团队决定从头开始，构建一个专为AI设计的编辑器。

这个决定并不轻松。当时这个方向并不被看好，很多人认为VS Code已经足够好，为什么还要从零开始呢？

但Michael Tun和他的团队始终坚守一个信念：如果想要服务未来，就不能被现在的产品形态所束缚。就像其他人还在优化打字机时，他们却在尝试制造电脑。

事实证明，他们的判断是正确的。

现在，越来越多的开发者意识到：AI不仅让写代码更快，更是在改变“写代码”本身，而Cursor恰恰是最早为此做好准备的一批人。

很多人以为AI产品的竞争在于模型能力，但Michael Tun认为：真正决定成败的，是那些看不见却每天影响用户体验的细节。

比如：响应速度、稳定性、交互是否流畅、是否让人觉得“就是该这样”。

三

那么，怎样判断一个功能到底有没有用？用什么标准来确认自己是否走在正确的路上？

Michael Tun在访谈中提到：

我们不太关心demo能否让人眼前一亮，我们更关注这个功能能否让用户每天都愿意打开它、使用它，甚至离不开它。

换句话说，他们真正重视的不是“第一次用就觉得牛”，而是“第五次用时依然觉得顺手”。

那么，如何打磨这些细节呢？答案是：内部自用测试（dogfooding） + 数据反馈 + 快速迭代。

Cursor的整个产品开发流程可以总结为一句话：我们先自己用，觉得好再给用户用；用户用了之后，我们再观察他们的使用情况，接着进行改进。

Cursor的成功秘诀：从细节到团队，如何在AI编程领域脱颖而出

其实啊，听上去简单的事情，背后却有着一套非常实用的产品理念：不依赖于对用户需求的想象，而是通过观察他们的真实使用行为来不断优化体验。

举个例子吧：

在一次访谈中，他们提到早期意识到，AI生成代码的速度对用户体验影响极大。就算是几百毫秒的延迟，用户也会感觉到“卡顿”或“不够聪明”；为了提升响应速度，他们投入了大量时间，甚至不惜重构底层架构。

再说一个关于交互设计的例子。

很多AI编程工具在展示结果时，往往直接插入代码。然而，Cursor发现这样做会让用户失去控制感。

于是他们改进了呈现方式，变成了“建议式”的方式：AI会给出建议，用户可以选择接受或拒绝。虽然这看起来没有那么“自动”，但却让用户感到更有掌控感，信任AI也更容易。

那他们又是如何评估这些改动的效果呢？Michael Tun提到，他们并不关注那些笼统的DAU、MAU数据，而是一个具体的指标：

“每周使用AI功能五天以上”的用户人数。

这个数字背后代表了一群人：他们不是偶尔尝试，而是天天依赖这个工具来工作的人。只有把握住这些用户，才能创造出真正有价值的产品和可持续的商业模式。

所以，当其他人还在比拼谁的演示更炫酷时，Cursor却悄悄地在打磨那些看不见，却每天影响用户体验的细节；这正是他们能在众多AI编程工具中脱颖而出的关键所在。

有了明确的方向和产品理念，接下来该怎么搭建团队、实现这些想法呢？Michael Tun在访谈中提到：“我们很清楚创业不易，如果找错人，再好的想法也可能失败。”

因此，一开始就设定了一个原则：要建立一个“免疫系统”。

听起来有点抽象，但其实就是：一个真正优秀的团队不是靠流程和制度来维持质量，而是依赖于“每个人都足够优秀”，并且主动维护高标准。

这跟苹果早期的做法很像。

乔布斯曾说过：我愿意花一年的时间来找一个合适的人；因为他们相信，真正优秀的人，不仅能创造出好产品，还能吸引同样优秀的人加入。

Michael Tun表示，Cursor的招聘速度非常慢。前十几个人，都是他和联合创始人亲自面试、亲自挑选。他们甚至设计了一个“终极考验”环节：

两天的现场协作，模拟真实工作场景。

不考算法题，也不听你讲理念，而是直接一起工作，看你在面对真实问题时的思考、解决和沟通能力。

Michael解释道：我们想看看你有没有热情、判断力，以及那种“不把事情做好就不舒服”的劲头。

这种高标准的要求带来的结果是：尽管团队小，但每个成员都能干，而且愿意为产品负责。

另外，他们并不追求“全能型人才”，而是更看重一个特质：在模糊中前进的能力。

换句话说，能在一个没有明确答案、不断变化的环境中找到方向，并推动它向前发展，这种能力在AI领域尤其重要。

因为这个领域变化太快，今天有效的做法，明天可能就过时了，只有既能深入技术，又能快速学习的人，才能真正推动边界。

所以，Cursor的团队虽然人不多，但个个都是“高密度人才”。

四

有了产品理念和强大的团队，这场AI编程的竞争最终会走向何方呢？

Michael Tun在访谈中表示：我们现在看到的一切，才刚刚开始。Cursor的最终目标非常明确：用AI完全取代传统的编码工作。

不只是辅助写代码、让你更快完成，而是让“人类写代码”这件事逐渐变得不再必要。听上去有点激进？但Michael并不这么认为。

他说：这不是会不会发生的问题，而是何时会发生的问题。

他认为，现在AI写代码的能力还远远不完美，但它在不断进步。只要模型足够大、数据量充足、训练方法更聪明，总有一天，AI能够理解你的意图，并直接为你生成正确的代码。

就像现在打字不需要查拼音一样，未来的程序员也不需要逐行敲代码，而是通过语言和意图表达，让AI来完成具体实现。

Michael还提到一个有趣的类比：

Cursor所处的市场，更像是他们以前见过的两个领域：一是搜索引擎市场，二是消费电子市场。

搜索引擎在发展后期阶段，天花板非常高；你可以持续变得越来越好，因为用户越多，反馈越多，模型也能不断优化。

同样，Cursor也在构建一种“反馈闭环”：用户越多使用，系统就越了解他们的写作方式、习惯和常见错误。这些数据又能帮助AI更好地生成代码。

另一个灵感来自消费电子行业。苹果在打造iPod和iPhone时，不仅依靠硬件或软件，而是通过将产品做到极致，抓住“关键时刻”。

Michael相信，AI编程工具也会迎来类似的“iPod时刻”或者“ChatGPT时刻”：当某个产品让人们意识到：

原来AI真的可以帮我完成大部分甚至全部的编程任务。

谁能在那个时刻冲出来，谁就能获得巨大的机会。因此，他和Cursor团队始终坚信：如果你能比别人更快地推动技术边界，你就有可能成为未来的引领者。

五

那么，Cursor的成功现象给所有创业者带来了哪些启发呢？我认为，这里藏着一套非常清晰的“创业方法论”；这套方法论，适用于任何想在不确定环境中实现大目标的创业者。归纳起来，主要有三点：

第一，真正的远见来自于对趋势的判断。Michael说：Follow the line（沿着趋势走，别追热点）这点很难做到。

大多数时候，趋势并不性感，它不像某个爆款产品或突然火爆的功能那么吸引眼球；正是这种冷静理性的判断，让他们在2022年就决定全力投入AI编程工具。

第二，小团队也能成就大事。

Cursor的团队一直很小，却创造了一个广受欢迎的AI编辑器。因为他们一开始就坚持高标准，打造了一个像“免疫系统”一样的团队；这提醒我们：团队的质量永远比数量重要。

第三，产品思维必须领先于技术现状。

很多人等技术成熟了才开始做产品，而Cursor却反其道而行之：在技术尚未完全到位时，就已经开始设计未来的产品形态。

他们并没有做一个VS Code插件，因为他们相信：如果AI真的会取代写代码这件事，那我们就必须提前准备好适合它的工具；这是一种“产品驱动的技术演进”，而不是“技术驱动的产品演进”。

最后，AI的目标是让更多普通人也能拥有专家级的能力；Michael在访谈中提到，许多开发者使用Cursor后，工作效率明显提升，有些人因此获得了升职或跳槽的机会。

AI工具的兴起与工程师的未来

这其实反映了一个更为广泛的趋势：AI并不会直接取代我们的工作，反而会让一部分人提升到新的高度；对于各行各业来说，这无疑是一个值得深思的现象。

那么，Michael对AI工具带来的挑战怎么看呢？虽然在访谈中没有深入探讨，但他给了我们一种新的视角。

他说，以前我们评估工程师的能力，主要看代码的质量、架构设计和调试能力；现在，刚入行的开发者只要使用Cursor，就能写出以前只有资深程序员才能搞定的代码。

这就引出了一个问题：我们该怎么评估一个人的真实能力呢？

Cursor的做法是，在招聘时依然保留“无AI编程”的测试环节。“我们会给候选人设置一个限时任务，且不能使用AI工具，因为他们明白：AI是个放大器，而不是替代品。”

真正重要的是，你的基础思维能力、解决问题的能力和学习能力；AI可以帮你写代码，但你得知道什么时候该用、怎么用，甚至用错了该怎么修正。

换句话说，AI能让已经优秀的人变得更高效。但是如果基础能力不足的人，即便有了AI，也很难在行业中走得远。

因此，Cursor在招聘时更关注的是：

你能否在有限的时间内完成任务？你是否具备清晰的问题拆解能力？面对复杂问题时，你是否有自己的思路？你是否愿意不断优化和改进你的方案？

这些，才是衡量一个工程师潜力的关键标准。

他们甚至发现，一些完全没用过AI工具的候选人，加入后反而能迅速上手，并提出比老员工更具创意的使用方式。这表明，AI并不是门槛，而是一个杠杆。

当然，Cursor的故事还有很多值得关注的地方，比如：它如何从一个开发者工具迈向企业级市场？它的商业模式是什么？是否能建立真正的技术或生态壁垒？

这些问题在访谈中并未提及，但却是下一个阶段必须面对的关键议题。希望在座的你，能够思考一下。