新智元報道

編輯：peter東

【新智元導讀】Cursor提出AI編程「第三時代」：雲端智能體具備計算機使用能力，可自主規劃、編碼、調試、交付，35%代碼已由AI完成，程序員轉型AI協作架構師。

AI編程的權力結構正在重排：

2024年，Copilot式Tab補全把AI變成效率槓桿；

2025年下半年，智能體把交互推到「提示—響應」的同步循環；

而最近，一種更高階的形態正在成型——雲端Agent以資源解耦與富媒體彙報為前提，具備長時序自主規劃與迭代能力，開始以「可評審工件」而非代碼片段的形式交付成果。

Cursor披露的數據與用法遷移，正在把這條曲線清晰地畫出來。

Cursor CEO：AI軟件開發的第三時代

最近，AI編程工具Cursor CEO Michael Truell有感而發，劃分了AI軟件開發的三個時代。

回顧過去五年，AI賦能軟件開發可分為三階段，每一階段的用時越來越少。

第一階段發生在2024年，以Tab自動補全為標誌。GitHub Copilot等產品讓AI成為「超級輸入法」，擅長處理低熵、重複性代碼片段。這一階段的核心價值是「效率槓桿」——開發者仍主導邏輯設計，AI負責減少擊鍵次數。

第二階段發生在2025下半年，伴隨智能體能力的崛起。模型上下文窗口擴大、工具調用能力增強，這讓開發者可以通過「提示-響應」的同步循環，指揮AI編寫特定模塊。但此時的人機交互仍是「手把手」模式：每一步決策、每一段輸出，都需要人類實時審閱與糾偏。

在過去一年中，Cursor中的智能體使用量增長了超過15倍。如今，大多數Cursor用戶幾乎不會再按Tab鍵。

2025年3月，Cursor的Tab用戶數量大約是智能體用戶的2.5倍。現在情況已經反轉，智能體用戶數量是Tab用戶的2倍。

當下，AI編程的第三階段正在加速降臨。

Cursor團隊在最新博客中提出：新一代智能體將具備在更長時序上自主規劃、迭代與交付的能力。它們不再依賴開發者逐條指令，而是像一組資深工程師註冊的開發團隊，接收目標、拆解任務、調用工具、驗證結果，最終以」可評審的工件」形式，向用戶交付成果。

雲端Agent，

開啓並行開發新範式

第三階段的AI輔助開發，與之前究竟有何不同之處，還需要從第二階段本地運行的智能體說起，儘管這一階段看起來不會持續一年時間，卻是承上啓下的關鍵。

與Tab相比，智能體在更高的抽象層上工作。它們處理需要上下文，在完成任務時運用判斷力，但每一步都需要開發者參與其中。這種實時地交互，再加上智能體會在本地機器上競爭資源這一事實，意味着在同一時間實際可用的智能體只能是少數。

而云端智能體就不存在資源和注意力瓶頸。每個智能體運行在自己的虛擬機上，讓開發者可以將任務交給它處理，然後轉去做別的事情。智能體會在數小時內持續工作，反覆迭代和測試，直到對輸出足夠有信心，並以一種便於快速審閱的形式，例如日誌、視頻錄像和實時預覽等方式向用戶彙報進展。

由於智能體提供的預覽為用戶提供了足夠的上下文來評估輸出，而無需從零重建每個會話。人的角色也從逐行引導代碼編寫，轉變為定義問題並設定評審標準。

資源解耦與富媒體交互使並行運行多個智能體變得切實可行。

這反映到數據上，就是在Cursor內部的代碼提交中，已有35%是由在雲端虛擬機中自主運行的智能體創建的。開發者用腳投票，選擇了雲端智能體這種更高效的方式。

實戰場景

智能體如何完成複雜任務

Cursor展示了雲端Agent在真實開發場景中的四大應用，分別是

1 構建新功能：智能體接收「為插件組件添加源碼鏈接」的指令後，自主解析文件結構、構造GitHub鏈接、更新前端邏輯，並錄製自己點擊驗證鏈接有效性的全過程視頻，最終提交可直接合併的代碼提交。

2 復現安全漏洞：面對「剪貼板竊取」漏洞描述，智能體自主構建HTML演示頁面、啓動本地服務器、在應用內瀏覽器中加載並執行攻擊流程，最終輸出包含操作錄像與截圖的詳細分析報告，大幅降低安全團隊的復現成本。

3 UI自動化測試：智能體對文檔站點進行45分鐘全流程走查，測試側邊欄、搜索、主題切換等十餘項功能，自動生成測試總結與異常截圖，將QA效率提升數倍。

4 快速修復與驗證：針對「Lint標籤動態更新」需求，智能體不僅實現邏輯代碼，更在桌面應用中分別測試「有錯誤」與「無錯誤」兩種狀態，錄製驗證視頻確保修復效果符合預期。

這些場景的共同特徵是：Agent不再侷限於「生成代碼片段」，而是具備「端到端交付可驗證功能」的完整能力鏈。

人機重構

程序員成為「AI車隊」指揮官

軟件開發正變得如自動駕駛一般流暢，在這個未來裏，智能體會合併代碼提交、管理發布和監控生產環境。我們將從一個開發者使用智能體來創建代碼的世界，走向一個由智能體端到端交付已測試功能的世界。

要真正實現這一轉變，需要持續改進工具鏈、模型以及交互模式。開發者在雲端智能體時代，需要能協調多智能體間的協同工作，並構建能夠從過往運行中學習、隨着經驗積累而變得更高效的模型。

採用雲端智能體這種全新工作方式的開發者通常具有以下三個特徵：

1.幾乎100%的代碼都由agent編寫。

2.他們把時間花在拆解問題、審查結果以及提供反饋上。

3.他們會同時啓動多個agent，而不是手把手地引導單個agent直至完成。

在這種範式下，AI能寫多少代碼，取決於人類開發者如何重新定位自身價值。

開發者需要培養的技能要從「手寫優雅代碼」轉向「精準定義問題邊界」，「設計魯棒的驗收標準」以及「高效協調多智能體協作」。

編程語言的語法細節或許不再關鍵，但系統思維、領域知識與質量判斷力將變得愈發珍貴。

在這種方式成為軟件開發的標準實踐之前，還有大量工作要做。在大規模的工業化場景下，那些單個開發者能繞過的不穩定測試，或是被損壞的運行環境，會演變成導致智能體每次運行都被中斷的故障。

AI編程工具的開發者需要確保智能體能儘可能高效地運作，並完整獲取其所需的工具和上下文。

此外，對於像飛機控制軟件這樣的涉及生命的場景，人們對智能體開發對軟件普遍信心不足。如何確保智能體不會因為幻覺而不進行相應的測試，也需要開發者關注。