Cursor创始人揭秘：AI生成75%企业代码，Agent完成30%内部PR，自主团队模式兴起

我们曾进行一项前沿实验：让AI智能体完全自主、端到端地开发一款浏览器，整个过程无需任何人工干预。结果显示，一个由AI智能体组成的团队在连续一周无人参与的情况下，自动提交了大量PR，生成超过三百万行代码，并成功构建出一个具备基本功能的原型浏览器。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

令人惊叹的是，几十年前《星球大战》全球首映的传奇影院，如今已成为Cursor公司全新的办公场所。

近期，在Cursor迁入新址后的首场公开活动中，创始人兼首席执行官Michael Truell发表了一场题为《AI编程的下一个纪元》的重量级演讲。他通过一系列震撼数据，清晰勾勒出软件开发行业正在经历的时代变革。

演讲中，Michael将软件开发的演进划分为三个关键时代：Tab时代、Agent时代和Team时代。

Tab时代是编程的“纯手动时期”。开发者必须亲自编写每一行代码，使用正式的编程语言来构建软件，过程极为繁琐。这种底层的复杂性被简洁的用户界面所掩盖，导致非技术人员常常难以理解，为何一个看似简单的功能改动需要耗费数周时间。

我们当前正身处Agent时代。工程师们已不再直接编写具体语法，而是将编程任务委托给AI智能体。Cursor的数据极具说服力：2025年，其平台上的AI智能体请求量相比传统的Tab接受操作暴增了15倍。如今，其企业业务线中约有75%的代码由AI生成。随之而来的，是工程师角色的根本性转变——他们正逐渐成为AI智能体的管理者与协调者。

面向未来，Michael描绘了无需人类介入的Team时代愿景：由自主的AI智能体团队端到端完成整个软件开发流程。目前，Cursor公司内部已有30%的代码拉取请求（PR）由AI智能体自主完成。他们甚至进行了一次大胆尝试：让一个AI智能体团队在完全无人干预的情况下，全自动开发浏览器。仅用一周时间，便构建出一个相当成熟的网页渲染系统原型，尽管其尚未达到正式上线的标准。

Michael也坦诚表示，这一方向仍处于早期探索阶段，但团队将持续推进，不断突破AI自主编程的能力边界。

软件工程行业正站在时代变革的分水岭

欢迎大家。非常感谢各位莅临我们新办公室的首场活动。世界正处于一个激动人心的转折点，我们也很荣幸能与各位一同探讨软件的未来。在开始之前，请允许我先介绍一下我们此刻所在的这个空间，以及它在科技历史中的独特位置。

几十年前，即1977年5月，第一部《星球大战》电影正是在此地举行全球首映。这里曾是一家电影院。《星球大战》的伟大之处和重要意义是多方面的，其中之一便是它在电影技术与电影史中的地位。特别是其制作团队，他们不仅是卓越的叙事者，更在技术上实现了多项突破性创新。

例如，这里曾部署了一套名为DijkstraFlex的计算机控制摄像系统，能够精确无误地重复复杂的摄像机运动。它可以分层拍摄微缩模型，再将它们无缝合成为单一电影镜头。因此，最初的《星球大战》便运用了这项技术，在无需人工直接操作的情况下，完全由计算机和摄影系统控制完成拍摄。这项技术帮助将电影幻想变为现实，也助力《星球大战》的科幻世界得以呈现。

我认为，这完美诠释了技术如何重新定义行业，如何划清一个领域“前时代”与“后时代”的界限。而我相信，软件工程领域此刻正处在这样一个历史性的分水岭上。

过去使用正式编程语言构建软件异常繁琐

因此，我们非常兴奋能深入探讨软件是如何演变的。让我们暂且回溯到“远古时代”，审视一下代码——也许在座各位有些人已许久未曾深入接触，作为管理者，您团队中的工程师查看底层代码的时间可能也减少了。

您应该还记得，就在几年前，构建软件的唯一方式还是通过文本编辑器编写正式的编程语言。例如，这里有一个极其简单的Python脚本：创建一个列表，遍历它，向其中添加内容，再次遍历并计算结果。然而，将逻辑转化为正式编程语言，这种模式在几年前仍是人类构建软件的唯一途径。那么，它的麻烦和困难究竟在哪里？哪些环节耗费了大量时间？又是什么使得公司的研发预算动辄累积数亿美元？

关键在于，您必须将高层次的想法——即您希望计算机实现的功能——拆解成极其细微的逻辑碎片。您必须向计算机阐明一切。长期以来，您都需要使用if-then-else语句编写软件，使用循环语句遍历数据，使用“将这小块数据从这里移动到那里”之类的指令。这确实非常繁琐，要求表述极度精确和冗长。

软件开发的悖论：复杂性被隐藏

一项仅需几句话就能向人类描述清楚的功能，最终可能会演变成成千上万行此类逻辑代码。长久以来，让专业软件工程尤其困难的另一件事，是现有代码库的庞大体量。您面对的并非一个简单的Python脚本，而是数千万行交织复杂的代码。

我认为，这正是软件开发的一个核心悖论：所有这些底层复杂性实际上是被隐藏起来的。它使得软件表面看起来简单易用，但我认为这并非所有工程学科的共性。例如，观察一座哥特式大教堂，您能直观感受到建造它所承载的全部重量与复杂结构，其复杂性一目了然。

但软件却不同。为了服务用户，我们致力于让它看起来极其简单。您看到的只是按钮和用户在特定时刻所需的少量信息，而看不到背后数以百万计的逻辑判断与复杂交互。

因此，几十年来，产品经理及非技术背景的同事时常向工程师提出功能改动需求，而他们也一直对实际开发所需的时间感到困惑与沮丧。这是因为专业工程师们处理的是底层数千万行的复杂代码库，而非编写简单的Python脚本。他们需要在成千上万个文件中进行修改，并调整现有的复杂逻辑。

2025年AI智能体请求量相比Tab接受操作增长15倍

让我们用数据说话。以2025年为例，我们观察到Tab接受操作与AI智能体请求量的比例发生了颠覆性变化。我们产品中的AI智能体请求量同比增长了超过15倍。2025年初，Tab接受操作的数量大约是AI智能体请求的10倍；而如今，情况完全逆转，AI智能体请求量已远超Tab接受操作。这一转变尤为重要，因为一次AI智能体请求通常对应一大块工作任务，而一次Tab接受可能只涉及几行文字或代码的修改。这清晰地展示了Cursor平台在过去一年中所经历的深刻变革。

Cursor内部30%的代码拉取请求已由AI智能体端到端完成

我们也看到第三个时代——Team时代，正在一些极具前瞻性的公司中崭露头角。以Cursor自身为例，我们的内部数据表明：截至目前，公司内部有30%的代码拉取请求（PR）是完全由AI智能体端到端自主开发完成的，中间没有任何人类介入。这些智能体拥有自己的“电脑”（远程云环境），可以为了完成一项任务连续工作数小时甚至数天，真正实现端到端的交付。这一趋势不仅出现在初创公司或中型企业，在大型企业环境中也同样显著。

目前Cursor企业业务线约75%的代码由AI生成

我记得大约一年前，我们企业业务线中由AI生成的代码比例可能仅在15%到20%之间。而如今，这一比例已跃升至约75%。人类工程师已不再亲自编写具体语法，而是将任务委托给AI智能体去执行。那么，这究竟意味着什么？

工程师转型为智能体管理者，成千上万“虚拟同事”已上线

随着我们跨越这些发展阶段，工程工作将如何演变？在Agent时代与Team时代的交界处，您会发现人们越来越少直接接触语法。他们正在转变为AI智能体的管理者。我认为，理解您的组织从Agent时代迈向Team时代的一个概念模型是：长期以来，您的软件由数千名人类工程师构建；而现在，您不仅拥有数千名工程师，还拥有了成千上万名“虚拟同事”——AI智能体，它们正与人类协作者一同构建软件。

无论是人与人、人与AI，还是AI与AI之间的协作，您都希望招募到最智能、最高效、性能最强的AI同事。但工作流也将发生巨大变化。我们看到人们正转变为智能体管理者，并越来越多地将自己的角色理解为委派和管理这些并行工作的AI智能体。同时，人们花费在代码审查上的时间也显著增加。

当然，在从Tab时代到Agent时代再到Team时代的演进过程中，组织也可能走入误区。完全有可能生成大量难以维护的代码，做出糟糕的架构决策，最终导致bug丛生。这显然是您希望避免的。因此，越来越多人将更多时间投入审查工作：工程师会花更多时间检查工作成果、审视代码语法、验证软件构建版本、进行测试。于是，大家在审查阶段投入了大量精力，并且需要同时处理多项任务。

在Agent时代，当您只是坐在电脑前，向本地运行的AI智能体分派一个个小任务时，您能同时管理的智能体数量是有限的，可能只有一到三个，因为它们基本上都在编辑同一个代码库版本。

与数十个并行工作的AI智能体同事协作

当您更接近Team模式，即AI智能体拥有独立运行环境时，您可以同时与数十个AI智能体同事协作。它们能够并行处理各自的任务，并长时间自主运行。这意味着更强的多任务处理能力、更高的并行性，同时也意味着更多的上下文切换。这或许能让您窥见当今前沿开发者是如何工作的。此外，我还想简要预告一下更远的未来，这也是我们在Cursor内部进行实验的方向：如果真能走向一个尽可能自我改进、人类介入最少的世界，那会是怎样的图景？

未来展望：探索无人类介入的AI智能体团队模式

例如，我们曾尝试让AI智能体完全端到端、全自动地开发一个浏览器，整个过程没有任何人类参与。您所看到的，是一个AI智能体系统及团队，在整整一周无人干预的情况下持续工作，生成了大量PR、超过三百万行代码，并最终构建出一个大体可用的原型浏览器。

您可以观察到进展：第一天，它还不能很好地渲染apple.com或某个落地页；但到了第二天、第三天、第四天，您最终会获得一个相当不错的网页渲染系统，而这完全是在无人介入的情况下自主开发完成的。这项实验仍处于非常早期的阶段，其成果远未达到正式上线的标准。

这里展示了一些汇总统计数据，包括生成的代码行数、同时运行的团队智能体数量、消耗的Token数量。您还可以观看一段视频，展示AI智能体团队正在生成文件。这里是代码库，展示了代码库中的文件以及这些文件之间的关联关系在一周内被逐步构建出来的过程。

这个方向目前非常早期且具有实验性，尚未准备好正式应用，但我们热切期待继续探索，将AI自主编程的边界推向更远。这也将指导我们为Cursor产品中Team时代的功能开发做出关键决策。

参考链接：https://www.youtube.com/watch?v=8h9j2rskP14