Cursor

Shopify 工程主管法尔汉·萨瓦尔谈当AI编写大部分代码时工程师的职责转变 0:00 - 你现在的工作是什么？ 0:55 - 软件开发生命周期如何演变 3:13 - 学习是副产品 4:33 - 瓶颈永远在移动 7:58 - 托比的备忘录 11:17 - 招聘1000名实习生 12:48 - 半人马时代的终结 19:39 - 原型不等于生产 20:46 - Shopify如何运用AI 25:22 - 什么改变了，什么没变

Mercor 本质上是一家数据公司。整个组织的团队负责创建、审查和审计用于训练和评估 AI 模型的数据，由于领先模型可能每周都在变化，这项工作进展迅速。 他们最初使用 Cursor 进行内联编辑和 Cmd+K，随后将其扩展到同步和异步开发、PR 审查、Cloud Agents 和 Bugbot。在此基础上，他们将其开放给工程以外的团队，搭建了一个包含 MCP 和工具的工作台，使操作员也能在 Cursor 中审查和审计数据。 观看视频，了解 Mercor 如何通过 Cloud Agents 将繁重计算从本地机器上卸载，为什么 Bugbot 能覆盖人类无暇顾及的审查类型，以及他们如何在模型相互超越时将 Cursor 视为不变的核心。 了解更多：https://cursor.com/product

在本工作坊中，我们将介绍一个由 Bot 组成的产品团队如何进行研究、撰写、设计和发布。 涵盖的关键工作流 • 专业团队成员：你为参谋长、分析师、产品经理、设计师和工程经理配备命名的 Bot。每个 Bot 都有自己的记忆和工具，因此你可以直接私信该职位的专业 Bot。 • 注意力清单：一个 Bot 监控 Slack、Gmail 和 Notion，并列出你的注意力去向。使用该清单过滤噪音，并将你的关注点与既定优先级进行比较。 • 例行任务：要求 Bot 按计划重复执行某项工作。我们为参谋长设置了每小时收件箱分类，并在 X MCP 发布后设置了每小时安装脉冲。 • 从研究到 PRD：产品经理 Pete 将社交媒体、Slack 和用户研究整合到 Notion RFC 中，用于语音模式。Pixel 使用 Figma 和设计系统将模拟图放入同一文档。 • 使用 Cloud Agents 发布：Pete 和 Emily 加入了一个群聊。Emily 将 PRD 拆分为任务，并将编码工作交给 Cloud Agents，在需要登录或审批时暂停。 有用资源 • Grok Bot：https://x.ai/bot • Grok Bot for PMs：https://x.ai/bot/guides/grok-bot-for-pms • Grok Bot overview：https://docs.x.ai/grok-bot/overview • 即将举办的工作坊：https://cursor.com/workshops

在本次工作坊中，我们将介绍 Grok Bot —— 一个由始终在线的智能体组成的团队，这些智能体拥有记忆、工具和自己的计算机 —— 涵盖个人与工程使用场景。 涵盖的关键功能： 始终在线的智能体团队： Grok Bot 为你提供基于角色的机器人，它们可以担任角色、相互委派任务并来回发送消息。你就像 CEO 一样组织你的团队。 三大支柱： 每个机器人都有存储在 S3 中的持久记忆，且没有上下文限制；可以访问你已连接的插件和账户；还拥有自己的远程计算机，在你合上笔记本电脑后仍会继续运行。 Chief of Staff 演示： 启动收件箱、日历和待办事项机器人，让它们在群聊中协调配合。通过语音或文字安排你的一天，并像在群消息中那样标记特定的机器人。 技能与任务教学： 保存可共享的技能，或在机器人的电脑上演示一个工作流程——比如预订航班——它会将演示转化为可复用的技能，填补任何插件都无法覆盖的空白。 例程与控制： 按计划、消息或事件触发机器人。设置细粒度规则，让机器人在执行敏感操作前先征得同意，例如向外部供应商发送电子邮件或编辑共享日历。 -------------------- 实用资源： 获取 Grok Bot：https://x.ai/bot -------------------- 这是我们在 2026 年 8 月 20 日直播活动的录播。 如需了解更多类似活动，请访问 https://cursor.com/workshops?source=attended_workshop 查看即将举办的工作坊。

在本次工作坊中，我们将介绍使用 Cursor 迁移遗留代码库的四步方法。 涵盖的关键工作流程： 使用 Canvas 进行审计： 使用 /canvas 来映射测试覆盖范围以及需要迁移的组件。演示将审计一个 WordPress 代码仓库，然后将画布作为动态文档分享。 计划模式（Plan Mode）： 将迁移编写为包含需求和步骤的 Markdown 策略。计划模式不会编写代码，因此你可以先审查方案。 通过插件生成工单： 使用类似 Atlassian 的插件，将该计划拆分为 Jira 工单。插件还可以通过 MCP 引入供应商的技能。 云端智能体： 将这些工单交给云端智能体，它会在你合上笔记本电脑后继续工作。它可以使用相同的 MCP，并带着拉取请求、截图和视频回来。 自动化： 安排一个云端智能体，比如每周清理功能开关的任务，让迁移不会腐化。你还可以从模板开始，用于覆盖范围、扫描或事件分类。 -------------------- 实用资源： 计划模式：https://cursor.com/docs/agent/plan-mode 云端智能体：https://cursor.com/docs/cloud-agent 自动化：https://cursor.com/docs/automations 插件：https://cursor.com/docs/plugins -------------------- 这是我们在 2026 年 8 月 13 日直播活动的录播。 如需了解更多类似活动，请访问 https://cursor.com/workshops 查看即将举办的工作坊。

In this workshop, we cover what tokens are, what burns them, and how to pick a model without slowing down. Key topics covered: Tokens: You are billed for tokens in and out of the model, not for agent actions like search. The harness wraps the model and is tuned per model. Four token types: Input, output, cache write, and cache read. Output costs more than input. Cache reads cost less, and a rule or model change can rewrite the cache. Context: The harness feeds context back each turn. Near 90% it compacts the middle of the chat, not the prefix or your latest ask. Model choice: Explore in Ask Mode, plan with a stronger model, then build with Composer. Auto can send harder turns to a stronger model. Habits: Start a new chat per task, mention past chats, and keep always-on rules short so they do not ride every turn. -------------------- Helpful resources: Models and pricing: https://cursor.com/docs/models-and-pricing Plan Mode: https://cursor.com/docs/agent/plan-mode Rules: https://cursor.com/docs/context/rules Skills: https://cursor.com/docs/skills -------------------- This is a recording from our live session on August 25, 2026. For more events like this, check out upcoming workshops at https://cursor.com/workshops

在本工作坊中，Krista Letz（SpaceXAI 的 GTM 负责人）展示了如何利用 Grok Bot 进行潜在客户挖掘、通话准备、幻灯片制作、预测以及客户研究。 涵盖的关键工作流程： 机器人作为专业团队成员： 每个 Grok Bot 都有一个人设和一份工作，而非一次性任务。它们异步工作——在夜间、通话中或离开电脑时——你像对待新员工一样引导它们入职。 参谋长与例行程序： 设置例行程序来扫描收件箱、标记并草拟回复，以及为你准备当天的通话。询问 Grok Bot 还有哪些可以自动化，然后将重复性工作转化为例行程序。 潜在客户挖掘机器人： 它研究账户和潜在客户，观看他们的播客和网络研讨会以寻找个人切入点，提取意图数据，并大规模地将消息直接放入你的 Gmail 草稿中。 幻灯片与工程师机器人： 幻灯片机器人使用你的 Figma 品牌套件，从 Granola 和 Gong 笔记中构建客户演示文稿。工程师机器人实时从你的代码库或文档中回答技术问题。 预测与客户专家： 预测机器人从电子邮件、Slack、Gong 和 Granola 更新 Salesforce 中的下一步行动。每个客户专家跟踪 Slack、笔记、功能请求、Linear 工单和新闻。 技能、计算机使用与控制： 通过演示工作流程来教授一项技能，通过插件或机器人自己的计算机（当没有插件时）连接工具，并在敏感操作前设置审批规则。 -------------------- 有用资源： 获取 Grok Bot：https://x.ai/bot -------------------- 这是我们在 2026 年 8 月 26 日直播活动的录制。 如需更多此类活动，请查看即将举办的研讨会：https://cursor.com/workshops

Nokia产品与工程高级副总裁Kal De分享了他的团队如何使用Cursor重新设计整个SDLC。在短短两周内，Nokia使用Cursor分析了超过5000万行代码，并制定了一个基于证据的计划，将一个单体网络功能过渡到更分布式的、基于服务的架构。 Nokia还在使用Cursor将复杂、协调密集型工作转变为简化的工程工作流。在不到一周的时间里，一位工程师从最初的问题陈述出发，完成了详细的PRD和一个可运行的项目管理工具——自动化和可视化了大约80%的流程，而此前这一流程需要6到10名项目经理和项目负责人进行协调。 当出现影响客户的缺陷时，Cursor帮助Nokia将根因分析从几周缩短到几天，加快了补丁的发布速度。 这些结果体现了Cursor正在如何更广泛地改变Nokia的软件工程方法。 了解更多关于Cursor如何帮助团队转变整个软件开发生命周期：https://cursor.com/product

Benchling 的开发者生产力软件工程师 Emily Reed 分享了她的团队如何使用 Cursor 将复杂的本地开发环境迁移到云端，减少手动设置，并承担一项大规模测试迁移，该迁移曾拖慢了主要的 React 升级。 Benchling 没有要求团队逐个迁移数千个遗留的 Enzyme 测试，而是并行编排了数百个代理，将时间线从一年缩短到一个季度。 如今，Benchling 约 30% 的合并拉取请求来自云代理。推出后，Benchling 的开发者满意度提升了 20%，现在 95% 的开发者表示对 AI 工具感到满意。 了解更多关于云代理的信息：https://cursor.com/docs/cloud-agent

通过启动始终在线的云代理，随时随地构建。或者从应用中远程控制运行在电脑上的代理。 了解更多：cursor.com/blog/ios-mobile-app

Thrive Capital 的工程师 Linus Lee 谈论符号智能：我们记录想法的方式如何塑造我们的思维，以及深度学习如何可能发明全新的符号系统。 00:00 符号智能 01:27 什么是好的符号 02:28 抽象 03:18 暗示性和自然变换 05:28 图形符号 06:27 坐标平面和箭头 08:14 编程语言作为符号 09:28 用深度学习发明新符号 11:13 构建玩具模型 13:42 讲义和训练结果 15:03 使符号有意义的不变量 15:56 我们的世界与外星思想世界 16:30 模型作为任何事物的模拟器

加州大学伯克利分校助理教授 Alane Suhr 谈论语言中的能动性：我们用词语创造的意义种类，语言模型实际上是什么，以及为什么我们，而不是 AI 的概念，拥有能动性。 00:00 语言中的能动性 06:31 当今 AI 的指涉 06:57 什么是大型语言模型 09:10 指令微调和 RLHF 10:20 AI 的内涵 13:13 我们拥有能动性，而不是概念

Ramp 的研究工程师 Ben Geist 谈论智能效率：为什么为更多 token 支付更多费用会带来递减的回报，以及更好的上下文（而不仅仅是更多的计算）如何使模型更高效。 00:00 智能效率 01:00 更智能的模型并不更高效地聪明 02:04 Ramp 的 token 支出数据 03:01 熵减机器 03:45 熵的两种观点 05:01 上下文，而不仅仅是工作 06:09 潜在空间中的三个例子 06:39 具有共享上下文的多代理系统 08:56 上下文学习和稀疏注意力

Baseten 研究团队的 Mudith Jayasekara、Charlie O'Neill 和 Harry Partridge 谈论长时程代理的记忆问题：压缩 KV 缓存，以在推理时近乎无损地检索相关上下文。 00:00 记忆问题 03:15 选择与综合 04:22 摊销和稀疏自编码器 05:38 压缩 KV 缓存 08:39 迭代压缩 10:41 压缩缓存是 MLP

Paul Ford，Aboard 联合创始人，探讨技术专家可以从杂志实际运作中学到什么，以及为什么文化是一种分布式、有损的预测模型，而非其输出。 00:00 向技术解释文化 00:58 杂志实际如何运作 03:09 修辞大于事实 04:03 文化的本质 05:27 意识模型 06:15 文化作为操作系统 07:17 科技行业与风险

Claire Vo，ChatPRD 创始人，探讨当代码充足但市场不再时，产品管理会变成什么。 0:00 - 任何人都可以构建任何东西 1:38 - 发明不构建的方法 7:13 - 约束条件已改变 9:42 - 丰裕时代 11:51 - 产品现在应该是什么 13:03 - 构建人们想要的东西 15:41 - 实现新颖想法 17:50 - 带领人们同行 20:17 - 产品经理已死？ 24:42 - 找到钱，构建公司

Sam Lambert，PlanetScale CEO，探讨基础设施必须如何为代理改变，并现场演示代理优化和分片真实数据库的过程。 0:00 - 代理的基础设施 1:18 - 由代理运行的演讲 3:10 - 代理优化数据库 6:00 - 分支、部署与安全 8:36 - 捕捉并撤销不良变更 11:23 - 为什么分片很困难 14:02 - 为分片重构 19:28 - 首先为人类构建 21:34 - 代理的安全循环 24:56 - 基础设施，而非更智能的模型

Ryo Lu 探讨人工智能如何改变我们构建的方式，以及它绝不能抹去什么。 0:00 - 构建 ryOS 1:21 - 应该存在什么？ 2:11 - 人工智能改变的回环 4:17 - 黑箱风险 6:43 - 输出与材料 8:31 - Glass 界面 11:14 - 用 Cursor 原型化 Glass 14:03 - 当软件感觉有生命力 17:36 - 工艺的迁移方向 20:25 - 更人性化的未来

在 Cursor 首届 Compile 大会的开幕主题演讲中，联合创始人兼 CEO Michael Truell 讲述了 Cursor 至今的发展历程。随后，Michael、Kevin Niparko 和 Tomas Reimers 宣布了 Cursor Mobile、Origin Git 平台以及一个从头训练的新模型的最新进展。 0:00 - Cursor 如何起步 4:11 - 成为代理优先 5:10 - 95% 的使用量现在来自代理 7:47 - 给代理自己的计算机 8:05 - Cursor 作为平台 9:55 - 构建我们自己的模型 13:18 - 云端代理的更新 18:02 - Cursor Mobile 19:35 - Origin，一个原生代理的 Git 平台 23:06 - 一个从头训练的新模型

Cursor 的 Sam Whitmore 与 Baseten 的 Charlie O'Neill 和 Harry Partridge 深入探讨使用代理的未来方向：批量运行数百个代理，让它们互相发送消息和审查代码，构建系统而不仅仅是管理并行任务。

来自 https://cursor.com/insights 的新数据。

在本次工作坊中，Sasha Rush 介绍了 Cursor 研究团队如何构建 Composer 2——从基础模型选择到长周期强化学习。 涵盖的关键主题： 基础模型选择： Composer 2 基于 Kimi K2.5（1T 参数，32B 活跃，256K 上下文）。最终选择取决于基础设施适配性和初始基准评分。 持续预训练： 面向编码的预训练阶段构建领域知识。更多的 token 在强化学习阶段会转化为可衡量的更高奖励。 带自动安装的长周期强化学习： Composer 1.5 通过探索仓库、生成安装命令、在强化学习开始前编写验证测试，来引导每个训练环境。 奖励塑造与自我总结： 非线性长度惩罚平衡了速度和深度，而自我总结让模型能超越上下文限制继续运行，并在整个 rollout 中共享一个最终奖励。 Cursor Bench： 一项内部评估，使用简短的模糊提示和来自真实工程师查询的大规模多文件差异。它比 SWE-bench 更清晰地分离了强模型和弱模型。 ----------------------- 有用资源： 模型：https://cursor.com/docs/models Cursor 文档：https://cursor.com/docs ----------------------- 此录音来自我们 2026 年 5 月 14 日的现场直播。 如需更多类似活动，请查看即将举行的线上工作坊：https://cursor.com/workshops

Sualeh Asif（Cursor 联合创始人）与 Simon Eskildsen（turbopuffer 首席执行官）一同探讨了如何通过闪购扩展 Shopify、为什么每 15 年就会出现一家新的数据库公司，以及什么造就了 P99 工程师。 0:00 - 通过闪购和宕机扩展 Shopify 7:11 - Shopify 基础设施团队的演变 8:13 - 2010 年代顶级基础设施团队如何协作 10:35 - 来自 Logrus 和值班的工程原则 17:38 - Simon 著名博客 Napkin Math 背后的故事 23:05 - 为什么新的数据库公司持续胜出 32:21 - Simon 如何成为数据库爱好者 35:45 - AI 编码，以及智能体仍然失败的地方 38:44 - turbopuffer 要达到 Google 规模需要什么 42:10 - 在 AI 时代招聘 P99 工程师 48:45 - 数据库的未来是什么

Jordan Topoleski（Cursor 首席运营官）主持了一场圆桌讨论，与会者包括来自 Intuit（Chris Kasten）、DoorDash（Ryan Sokol）和 Atlassian（Taroon Mandhana）的工程负责人，探讨如何大规模采用 AI 编程工具。他们讨论了开发工作流程中实际发生的变化、如何衡量生产力提升，以及给其他正在推进这一转型的工程负责人的建议。 0:00 - AI 编程如何在 Intuit、DoorDash 和 Atlassian 落地 3:41 - 软件开发生命周期中变化最大的方面 6:18 - DoorDash 借助 AI 对三家公司进行平台重构 7:47 - 钟形曲线正在反转：AI 正在吞噬软件开发生命周期的中间环节 8:14 - Atlassian 工程师仅用 15% 的时间编码，85% 用于其他工作 11:17 - 衡量 AI 编程工具的实际影响 13:42 - DoorDash 的小团队在一个月内交付了九个月的路线图 15:15 - Intuit 的 Alpha 团队与从验证到发布的包循环 17:17 - 给采用 AI 的工程负责人的一条建议

Jonas Nelle（Cursor 工程主管）演示了两项新能力，旨在消除从构建到交付之间的人为瓶颈：智能体可自行测试代码并生成视频证据，以及一个云智能体可全程看护你的拉取请求直至合并。 0:00 - 用有意识的检查点替代人为瓶颈 0:51 - 编写代码、测试并生成视频证据的智能体 1:48 - 通过观看智能体的演示视频来审查功能 2:02 - 直接控制智能体的云环境 3:12 - 全新的 Cursor 3 智能体优先视图 3:53 - 从创建拉取请求到准备合并，无需人工琐事 5:04 - 使用 Cursor 的原语构建你自己的智能体系统

Tido Carriero（Cursor 工程副总裁）分享了团队如何在软件开发生命周期的各个阶段构建智能体系统——从缺陷分类机器人到安全审查员，再到增长实验管道——以及突破 40% 生产力平台所需的条件。 0:00 - 大多数公司使用 AI 编程助手后，生产力提升停滞在 40% 2:39 - 更广泛的软件开发生命周期才是真正的瓶颈，而不仅仅是编写代码 3:03 - 判断哪些环节仍需人类参与 5:12 - 阈值问题与消除其余瓶颈 5:34 - 通过精炼的智能体产物将智能转化为软件 6:53 - 在核心构建阶段之外构建智能体团队 7:20 - 从一个 Slack 频道诞生的产品经理智能体和工程经理智能体 10:48 - 完全自主的缺陷分类系统架构 12:59 - 已修复超过两百个漏洞的安全机器人 14:22 - 智能体风险检测让低风险的拉取请求跳过人工审查 15:52 - 四个智能体改变了增长实验的吞吐量 18:53 - 智能体时代的组织变革

Michael Truell（Cursor 联合创始人兼首席执行官）讲述了软件工程从手动编写每一行代码到管理自主代理团队的演变过程，并分享了这一转变速度的数据。 0:00 - 《星球大战》首映及其在技术史上的地位 1:34 - 用形式化编程语言构建软件的繁琐 2:58 - 软件复杂性为何被隐藏以及它的代价 4:22 - 2025年代理请求与标签接受的爆炸式增长 4:57 - Cursor 的 PR 中有30%是完全由代理端到端开发的 5:29 - 企业代码中AI生成的比例在一年内从15%增长到75% 5:53 - 工程师正在成为代理管理者 7:36 - 与数十个并行代理同事协作 8:01 - 代理在一周内构建了一个浏览器，全程无人参与

PayPal 在2026年可能交付40%以上的能力。高采用率团队现在每天部署，并以6倍速度完成了3000个应用的Java升级。 了解更多：https://cursor.com/blog/paypal

我们推出了Cursor 3。它更简单、更强大，专为所有代码由代理编写的世界打造，同时保留了开发环境的深度。 在此了解更多：cursor.com/blog/cursor-3

我们推出了Cursor Automations，用于构建始终在线的代理。 这些代理按计划运行，或由事件触发，例如发送的Slack消息、新创建的Linear问题、合并的GitHub PR或PagerDuty事件。 在此了解更多：https://www.cursor.com/blog/automations