开发者分享原视频

cursor开发者，cursor技术演进

技术迭代

初代Tab(2023)

• 启发来源： GitHub Copilot
• 功能： 自动补全
• 实现方式：
  • 用户接受答案(正例)，用户不接受（负例）， 通过RL， 30分钟后模型优化
  • 需要权衡质量， 速度， 用户体验： 效果差的时候推荐， 效果好后补全

Composor(2023)

• 对话式UI， 对多文件coding
• 技术发展： 上下文窗口增大
• 功能：通过prompt， 把上下文，当前最近的code的语句放入prompt 

当前cursor( Agent 2024, 完全自主) 

上下文工程

• 使用更多token
• 自动收集上下文
• 这里需要注意的是， 并不是要把token上限占满， 而是要选有意义的Context

工具使用(RAG?)： 

codebase search

• grep 命令: 作为tool 
• 语义匹配： 自动索引代码库， 创建embedding
  • 提升匹配度： embedding模型自训练 + A/B test
  • 离线对厚重数据进行索引， 在线查找
• 合并这种搜索

阶段性的产品形式：

• CLI
• Bugbot： 帮助找代码中的逻辑错误

抽象逻辑概念： plan， memory、rule

并应用到真实项目中去

• plan模式： 
  • 如何存储计划
  • 如何编辑文件
  • 给模型新的tool
  • 维护一个to-do list
    • 关键上下文， 类似一个可以随时参考的笔记
    • todo list + code 是唯一事实来源（?）
• Command, Rules,
  • Command: 自定义命令， 允许share prompt
  • rules： 允许在每次agent对话中， 包含的重要上下文
  • 打包 commit standard + guidelines 放入 ./commit 可以放到ticket(工单？)

 人工介入与Hook

• Hooks: 介入agent运行的每一部分， 允许tab单步agent执行的每一个hook
• 举个栗子： 代码编完成后， 执行一个脚本

模型的迭代效益

• 大模型迭代带来的效益： 不需要精确地prompt

MultiAgent组合： 

• 前后太的组合
  • 前台： 正在编辑 （local）
  • 后台执行agent 并行运行（云， 长期）
    • 本地的多智能体需要考虑的内容： 
      • 监控不同端口
      • 管理， 调试数据库
      • git： 需要维护多个版本
    • agent之间的竞争

代码的evaluation（cursor的自验证）

• 要求使用浏览器， 
• 对dom文件的快照？
• 对已创建的页面的反馈

---

未来发展方向： 

人需要完成的任务

• 系统设计
• 代码审查

agent

• 可以理解代码库， 团队风格， 产品理念
• 提出想法， 帮助探索新方向
• 将复杂项目分解成可以接受、拒绝、待完善的部分
• 难题： 提供agent 尝试了的方向， log， 

---

目前已有的一些工具： 

cursor, codex, claude code(可以支持self-host? todo)