你对Cursor的看法是什么？听听“无空归来”是怎么说的吧！

忘了 cursor 吧，最多一年后，大家都不会再提到它了……

并不是说 cursor 不行，而是这种依赖人力的“vibe coding”方式，注定会让位于更新的“Async Agent Coding”（异步代理编程）……

让我分享一下我最近的实践，大家就明白我说的是什么了。

事情是这样的，我在 GitHub 上发现了一个开源搜索引擎集成项目 [searxng](https://github.com/searxng/searxng)，于是我想把它的核心功能整合到我自己的项目里。

对于那些长期从事开发的朋友们来说，这种情况一定不陌生。通常，第一步就是要阅读代码，听说过“读代码比写代码难”这句话吧？即使是没怎么做过开发的人也知道这事儿有多让人挠头。当然，现在有了 deepwiki、Cursor 、Copilot 这些利器，能大大减轻压力，特别是遇到不明白的地方，问它就行。但这依然需要我们深入参与，没注意时间可能就过去几个小时……

有人说可以用 cursor 来帮你改代码？这个主意不错！但试试看你就明白，给 agent 的第一个 prompt 可能连怎么开口都不知道（其实这一步是最难的）……是的，“vibe coding” 的前提就是我们能提出好的问题，而这恰恰是个挑战。

就我刚才提到的情况来说，我遇到的第一个难题是，searxng 的代码风格和我的差异很大，原作者似乎特别喜欢模块化，一个功能通常会涉及很多相对导入。如果我想从中提取出自己需要的部分，就得先搞清楚怎么“切割”。结果我一晚上看代码，觉得光理解这个项目就得花一天，这在以前是没问题的，但现在是2025年了呀！

于是，我找来了三个书签栏里放了很久的助手：Google Jules、Manus 和 Minimax Agent，分别给他们下了这样的指令：

研究一下这个代码仓：[https://github.com/bigbrother666sh/searxng](https://github.com/bigbrother666sh/searxng)，目前的结构过于复杂，显然这是为了追求并发性能。我们需要把这个项目简化，目标： 1、只保留以下引擎：arxiv.py、baidu.py、bing.py、ebay.py、github.py、quark.py、wikipedia.py； 2、去掉复杂的异步和线程池管理，保留下来的引擎脚本要简单，能被另一个异步架构的主流程按需调用； 3、扁平化代码结构，目录层级不超过三层。

(不过Google Jules的产品设计和GitHub打通，所以我给了它访问和写入权限，而不是单纯提供链接。)

之所以选择这三个，除了之前听说过他们不错，最大的原因是他们现在都免费。openai的codex理论上更强大，但每月要20美元……

半个小时后，三个助手都交了作业，粗略一看，结果还算可以。

先看看 Google Jules

改造得不够彻底，还是留了不少我不需要的部分，但确实满足我给出的三条核心要求，能够独立使用，没有复杂的引用结构……

再看看 Manus

它声称已经测试过，没问题。

解压缩后的代码包，感觉还是挺规范的，没有明显的错误。

最后看看 Minimax Agent

这家伙也挺会来事，声称自己测试过，肯定没问题，还给我了一份改造报告，贴心地准备了 word 和 pdf 版本。如果我还在大公司上班，靠这两个报告，简直能轻松混一天……

不过现在我并不需要这些，于是我直接问他最终修改后的代码在哪，下载后打开一看，哇~这是改造得最彻底、最清晰的，完全是几个独立的脚本。除了一个明显的语法错误（中文引号用成了英文引号），好像也没啥问题……

那么到底哪个更好呢？如果一个个去看、去试，那得花不少时间，于是我请出了第四个助手——Amazon Q！

Amazon Q 可以理解为一个集成在命令行终端里的助手，类似的还有 Gemini CLI 和 Claude CLI，不过现在 Amazon Q 完全免费，提供 claude-4-sonnet 模型。

我先让 Amazon Q 逐一跑了一遍上面三个代码包，不然我还得手动建三个虚拟环境，真觉得麻烦……

让我惊讶的是，manus 和 minimax agent 生成的代码都一次通过！当然了 minimax 的明显语法错误是我之前手动修正的。

在测试中还发现 Manus 的 ebay 脚本存在一些问题（程序没有 bug，但解析结果偏差），amazon q 自己进行了调试，甚至写了一个脚本，拿到了 ebay 返回的原始 HTML 自己分析了一遍，然后改写了提取方案，效果竟然非常好……

至于 Google Jules，它没有提供完整的测试代码，我只好用 cursor 的 agent 功能进行补充。当然这个相对简单，只需说出需求，生成的结果我连看都懒得看，直接给 Amazon Q，居然也是一次完成。

接下来我把 Jules、manus 和 minimax 生成的代码放到一个文件夹下的三个子文件夹里，然后在终端中进入这个目录，启动 Amazon Q，给它下了这样的指令：

分别进入三个子文件夹，找到相应的测试脚本（如果有多个，就找最新修改的那个），进行测试，然后进行横向对比，主要对比内容包括是否成功、提取结果的数量、结果的完整度（至少要有 url、title 和内容三项），还有耗时，最后对结果进行评估。

然后过了五分钟，我得到了这个……

各个阶段 AI 生成的代码，如果你感兴趣，可以查看这里：

让我们聊聊我的项目吧

点这里了解更多信息

在这个过程中，我在做什么呢？仔细想想，我觉得可以用四个字来概括：把握全局……

与其说要人坐在旁边监管，或者和 AI 搭档一起编程，不如试试 Async Agent Coding 模式。在这个模式下，你只需明确最终目标，选择一个或多个代理（有点像赛马），然后就可以去忙别的事情了。等 AI 完成任务后，再让另一个代理来评估结果，最后再做出决定……这就是“异步”的魅力所在，AI 工作的时候你可以轻松离开。

后记：

虽然亚马逊建议我使用 minimax agent，但我最终还是决定以 manus 为基础，并在 cursor 中指导 claude-4-sonnet 尽量将核心算法换成 Jule 方案。

虽然 minimax 的方案看起来效果不错，但它的实现太过简单，没考虑到很多突发情况的处理。相比之下，Jules 更加保留了原始代码库的核心实现。我相信，这个接近 2w star 的项目中的每一行代码，虽然看上去“无关紧要”，但其实都可能隐藏着某种边缘情况，这才是真正高质量项目的珍贵之处，不应该被忽视。不过，正如我之前所说，Jules 在工程架构上的改动并不彻底，所以我选择了 Manus 作为架构。

我能做出这样的决策，自然是因为我对编程有一定的理解，甚至比 AI（哪怕是像 claude-4-sonnet 这样的顶尖模型）更了解我的产品和业务。这恰恰说明了，编程这个职业可能会消失，但作为一门手艺和知识，它的价值将永远存在，甚至会被 AI 无限放大。

最后，再聊聊我正在做的项目

我正在开发的项目叫 wiseflow（中文名：AI 首席情报官），这是一款利用大型模型帮助用户从海量信息和多种信源中挖掘真正感兴趣内容的开源应用。目前在 GitHub 上已经收获了 7.6k star 和 1.4k fork。

wiseflow 非常适合用于行业情报、客户信息、招投标信息、竞争对手动态、舆情监控以及知识情报等需要信息“广度”收集的场景。相比传统的 RPA 类爬虫，项目支持无需手工提取 xpath 的“开箱即用”模式，并且利用大模型对每条信息进行严格的分析、过滤和总结，依据用户设定的关注点。最近发布的 4.0 版本还增加了对社交媒体信源的支持。感兴趣的小伙伴可以去 GitHub 搜索一下哦！