編輯 | 云昭

出品 | 51CTO技術棧（微信號：blog51cto）

Cursor 火了，但 Cursor 究竟是如何誕生、發跡的？為什么只有它可以從眾多“套殼”應用中破繭，從 0 到年收入 1 億 美元僅僅只用了 18 個月？而如今更是突破了3億美元。

這款“靠感覺編程”的 Vibe Coding 神器是如成功擺脫“套殼”的標簽的？它是如何巧妙處理“模型與產品”的平衡的？

背后的 16 人團隊究竟是怎樣一群狠人？這群頂尖天才都是怎樣被面試招聘進來的？

未來的軟件行業真的是 AI 工程師的天下嗎？后代碼時代，人類工程師如何保持對代碼的控制力？

五一假期期間，AnySphere 的聯合創始人兼 CEO、Cursor 之父 Michael Truell 接受了Cursor出圈以來后僅有的第二次采訪。這次采訪正值 Cursor 新一輪融資和競品環伺的當口。

Michael 似乎沒有受到“悲喜交加”的環境影響，一如上次采訪，激情地分享自己創業和產品思考。

整個播客采訪時長 70 分鐘有余，可謂每一分鐘都信息密度值拉滿。如果你只是看摘要版，很容易漏掉這位AI產品天才很多價值“不菲”的觀點，比如：

除了大家都報道的“后代碼時代”之外，Michael 曝料：Cursor 誕生之前還有一個失敗的 AI 項目，而 Cursor 的誕生其實是一場“先有方案，后有問題”的反直覺邏輯；

再比如，他給出了Cursor“防被抄襲”的方法論，甚至自曝了自家產品的模型策略邏輯。

此外，還有很多意想不到細節，比如：如何搞到世界級頂尖人才的招聘細節——給每一個候選人都安排一個整兩天高密度的的 on-site 項目。“我們不太在意項目最終做成什么，而是看你在過程中怎么思考、怎么設計、怎么迭代、遇到問題怎么 debug”等等。

對于 Cursor 這樣級別的 AI 產品而言，每一個料都堪比干貨。這里話不多說，這就為大家奉上誠意滿滿的全文整理。諸位，不管是開發者，還是AI產品開發者，都建議收藏細讀，自行摘選金句。

Cursor 奇跡以及 Cursor 之父

主持人：歡迎收聽本期節目，今天我們邀請到的嘉賓是 Michael Truell，他是 AnySphere 的聯合創始人兼 CEO，而他們打造的產品 Cursor，是目前最前沿的 AI 編程編輯器。如果你還沒聽說過它，那你可能真的是“與世隔絕”了。Cursor 正在重新定義工程師和產品團隊的開發方式——上線不到兩年就實現了年化收入 1 億美元，如今更是突破了 3 億美元，是增長速度最快的科技產品之一。

Michael 從 MIT 畢業，主修計算機科學和數學，曾在 MIT 和 Google 從事 AI 研究，對技術和商業史有著深入的研究和濃厚的興趣。你很快就會發現，他對于未來軟件開發形態的理解和思考非常深刻。

在本期節目中，我們聊了 Cursor 的誕生故事、Michael 對“后代碼時代”的預測、他在構建 Cursor 過程中得到的一些顛覆性認知、以及他對工程師未來角色的判斷等等，干貨滿滿。

順帶一提，Michael 平時很少接受采訪，除了這次，他唯一的一次播客訪談是在 Lex Fridman 的節目上。所以這次能請到他，真的非常榮幸。

軟件開發的未來——后代碼時代：描述代碼，而非拼湊代碼

主持人：我們之前聊天時你提到了一個有趣的概念——“后代碼時代”。你能展開講講你對未來軟件開發的設想嗎？也就是說，當人們不再直接編寫代碼時，軟件開發將會是什么樣子？

Michael：我們的目標，是通過 Cursor 重新定義“編程”本身——一種全新的軟件構建方式。本質上就是：你向計算機盡可能簡潔地描述你的意圖，它就能幫你完成構建。這是一次抽象層級的躍遷。

未來，編程不再是操作某種具體語言的技能，而是對軟件邏輯和表現形式的精準表達。我們相信，隨著技術成熟，我們可以實現一種比傳統方式更高效、更高級別的構建體驗。它不僅會提升效率，還能降低開發門檻，讓更多人參與其中。

Michael（續）：我們對未來軟件開發的設想，和目前流行的兩種觀點都不太一樣。

第一種觀點是，未來編程的形態和現在差不多。大家依然會用 TypeScript、Go、Rust 等語言，依然在文本編輯器中寫代碼。

第二種觀點是，未來你只需要和一個 AI 聊天機器人對話，比如說“幫我做一個應用”，或者“把按鈕變藍”，AI 就自動幫你完成整個軟件構建。

我們認為這兩種設想都不夠準確。后一種“聊天式構建”缺乏精確度，很難進行復雜的控制。而前一種觀點低估了 AI 技術的發展潛力。我們相信，未來是“后代碼時代”——一種介于兩者之間的新方式。

主持人：你說的這種“后代碼時代”，聽起來更像是用接近自然語言的方式去表達軟件邏輯，而不是寫復雜的代碼對吧？

Michael：是的。我們相信，未來編程的表達方式會像自然語言一樣直觀、可讀。你可以用一種簡潔明了的方式描述系統的邏輯和行為，而不再是復雜、難懂、碎片化的代碼文件。

我們正在朝這個方向努力：讓開發過程更可視、更易讀、更像“描述意圖”，而不是“拼湊代碼”。

主持人：我覺得你剛才說的很重要，不能被大家忽略。你們的設想是——未來軟件工程師甚至不再需要直接“看到代碼”，而是用自然語言描述代碼該做什么。這聽起來有點像偽代碼，但更強大、更接近真實執行。

Michael：沒錯。我們對此非常有信心。而且我們認為這個轉變會發生在現有工程師的手中，是一個漸進式的演化過程。人仍然會掌控主動權，他們仍然會對軟件的每一個細節有充分控制。

但與此同時，他們將擁有更快的迭代速度，不再需要慢吞吞地自己寫出每一行代碼。

后代碼時代，工程師的技能變化:“品味”，決定權交給人，嚴謹性交給AI

主持人：那么對于現在已經是工程師，或者考慮成為工程師、產品經理或設計師的聽眾來說——在你所描繪的“后代碼”世界里，哪些技能會變得越來越重要？

Michael：我認為，“品味”會變得越來越重要。

很多人一提到“品味”，腦海里想到的可能是視覺層面的：界面的配色、動效、UI/UX 等。但我認為，軟件的“定義”不只有視覺部分，另一半是“邏輯結構”——即它是如何工作的。

我們目前有很多出色的工具來定義視覺，比如 Figma 這樣的原型設計工具，但在定義軟件邏輯方面，最好的表達方式依然是代碼。而我相信，未來“工程師”的角色會更像是“邏輯設計師”。他們的主要任務，是明確表達出“這套系統該如何工作”，而不是糾結于具體怎么實現底層細節。

也就是說，工程的核心會從“怎么實現”轉向“你想實現什么”，而“品味”將體現為你對軟件整體運作邏輯的感知與判斷力。

Michael（續）：我們距離這個目標還很遠。目前，代碼依然是不可或缺的表達形式，也存在許多搞笑的梗圖，諷刺人們太依賴 AI 結果、卻發現應用漏洞百出。但我認為未來，我們可以讓“軟件工程”變得不那么“謹小慎微”。

今天，一位出色的軟件工程師非常講究細節、結構、魯棒性、邊界條件等等。但隨著工具演進，我們可以將一部分“嚴謹性”交給 AI，工程師則可以更多地發揮“意圖設計”的能力。

主持人：這讓我想到一個術語：“Vibe Coding”（戲稱：憑感覺寫代碼）。你說的，是不是某種程度上就是“Vibe Coding”？也就是不再關注底層細節，只要跟著感覺走就行了？

Michael：這個問題很有意思。我認為是相關的，但我們希望提供比 Vibe Coding 更可靠的方式。

“Vibe Coding”指的是一種很直覺的創作狀態——你寫了一大堆代碼，但其實并不真正理解它的底層結構。這會帶來一些問題：一旦你想要修改或擴展，整個系統很快就變得不可控。

我們正在探索的，是如何讓人們在不完全理解底層代碼的情況下，依然保持對系統結構的“控制權”。這對于習慣 Vibe Coding 的人群尤其重要。

Michael（續）：現在的 AI 工具還不能讓“有品味的人”完全掌控軟件開發過程。即使你有很強的產品直覺和設計想法，AI 在執行層面也會做出很多“你無法控制的決定”。

這正是我們努力想解決的問題——讓“創意者”真正擁有掌控權，而不是把決定權交給 AI。

Cursor不是第一個產品，誕生前的思考和嘗試

主持人：你剛才反復提到“品味”這個詞，我想進一步追問一下。你心中的“品味”，到底具體指什么？

Michael：“品味”在我心中，就是對“該做什么”和“怎么做”擁有準確判斷力。

未來，軟件開發的核心將是：你對一個想法的清晰度——你知道自己想實現什么樣的產品體驗、什么樣的功能邏輯、什么樣的界面表現。而將這些想法快速無縫地轉化為計算機可以執行的內容，就是新的開發過程。

所以，未來軟件開發會越來越像“想清楚，然后表達出來”，而不是現在這樣“從想法轉譯成機器語言”的過程。所以這里的“品味”，其實更接近“判斷力”和“決策能力”。

主持人：太棒了。我之后還想回到這個話題，但我們現在先拉回開頭。我從來沒聽過 Cursor 的創始故事，我相信大多數人也不知道。你們現在做的事情，可以說正在改變整個軟件開發行業，是怎么開始的？有沒有哪些令人難忘的初期經歷？

Michael：說起來有點反直覺。Cursor 最早其實是“先有方案，再找問題”的過程。

我們當時在想，未來 10 年 AI 會不斷進化，到底能用來做什么？有兩個瞬間讓我特別興奮：

第一個是我們第一次用到 Copilot 的測試版，那是我們人生中第一次覺得“AI 真有用”。不僅如此，它還成了我們用過的最實用的 DevTool（開發工具）之一。這給了我們巨大的信心。

第二個關鍵點，是我們看到 OpenAI 等機構發表的關于模型擴展性的論文。那些論文表明，即使沒有新想法，單靠擴大模型規模和數據量，AI 也會變得越來越強。這讓我們相信，AI 產品的可行性已經到了臨界點。

Michael（續）：于是到了 2021 年末、2022 年初，我們開始真正認真思考：如果 AI 會持續變強，那我們應該從哪個知識工作領域切入？那時很多人都在研究怎么訓練模型，但很少有人在思考：“一個具體的職業、一個知識工作流，會因為 AI 的進步而發生怎樣的根本性變化？”

這就變成了一個大型的“未來工作逆推”練習——比如說，假如 AI 真的這么厲害了，設計師、程序員、分析師每天的工作會變成什么樣？我們該用怎樣的工具去適配那種工作方式？

我們當時最早其實并沒有直接做編程工具，反而做了一個“沒人競爭的領域”：機械工程。我們覺得代碼工具已經有很多人做了，像 Copilot 已經上線了，不如去找個冷門方向切入。

Michael（續）：所以，我們最早的四個月其實都在嘗試做一個針對機械工程師的 AI 工具。

但問題從一開始就顯現了——我和聯合創始人都不是機械工程師。我們雖然有朋友是搞機械的，但自己并不熟悉。等于我們像“盲人摸象”一樣在做產品。再加上機械工程的數據很少，尤其是零件的 3D 模型幾乎找不到公開數據，要從零開始訓練模型，門檻非常高。

最終，我們意識到：我們對機械工程其實并沒有那么熱情，不值得為此投入一生的時間。于是我們回到了熟悉的領域——編程。

讓我們驚訝的是，雖然 Copilot 已經推出好一陣子了，但整個開發流程其實并沒有發生質變。我們也感覺市場上的玩家可能缺乏野心，并沒有真正去思考 AI 會如何重塑整個軟件開發流程。

這就是 Cursor 真正誕生的起點。

Cursor的路徑為什么是IDE，而不是插件或者AI工程師

主持人：太有意思了。你剛才提到一件我很喜歡的事情——很多人建議“去做冷門行業，因為沒人競爭、機會大”。但你們的經歷恰恰相反：你們放棄了“冷門”，反而選擇了“熱門”——AI 編程工具，而且成功了。背后的啟示是不是：即便一個賽道看起來已經很擁擠，只要你比別人更有野心、更有洞察，依然有巨大機會？

Michael：確實如此。我認為在 AI 領域，尤其如此。因為這個賽道的“上限”極高。

即便現在已有不少成熟產品，但你如果認真觀察，會發現幾乎每一個方向都還有很多可以改進的地方。所以，我們的出發點是：即使 Copilot 存在，它所解決的問題和方式可能還遠遠不夠——我們還有更長遠的目標。

只要這個領域本身值得探索，那就一定還有“躍遷”的空間。而 AI 的特別之處在于：你真的可以一躍千里。

主持人：我們回到你們選擇的路徑。當時其實有很多可能的方向，比如只做一個很強的模型 API，也可以做一個“AI 工程師”式的全自動工具。你們為什么決定走“做 IDE 編輯器”這條路？

Michael：這其實和我們的初衷有關。

我們一開始就很明確：我們要打造的是一個“人類掌控”的工具，而不是讓 AI 全權接管。我們關心的是如何讓人類保有所有決定權——這是我們的出發點。

你剛提到的那些公司，很多在構想的是一個“全自動化”的未來，AI 從頭到尾幫你寫完代碼，用戶可能只是看個結果。但我們更感興趣的是，怎么在 AI 協助下，讓人保有主動權。

此外，我們對技術的判斷也非常現實。雖然我們對 AI 的未來充滿信心，但我們也非常清楚它當前的局限。我們并不認為，現階段的模型就已經能勝任全自動開發。

Michael（續）：所以我們從第一天起就堅持“自我使用”和“產品實用主義”。我們自己每天都用 Cursor 寫代碼，不會發布任何我們自己不覺得好用的功能。這種“自己做給自己用”的方式，讓我們始終保持對技術現狀的清醒認識。

這就意味著，我們要選擇一種讓“人類仍然在駕駛座”的方式，而不是幻想 AI 能獨立完成一切。這也使我們走上了“不是純模型公司”的道路。

至于“為什么做 IDE 而不是插件”？原因是：我們認為編程方式會根本性地改變，而現有的編輯器架構根本無法支持這種變革。它們的可擴展性太有限，無法適應全新的 UI 或工作流。只有自己掌握整個應用，我們才能真正重構開發體驗。

主持人：你們現在已經是一個完整的 IDE 編輯器了，那你怎么看“Slack 里的 AI 工程師”這種趨勢？未來大家是不是也會有 AI 工程師幫忙做事？Cursor 會不會也支持這種形式？

Michael：我認為，未來人們會希望在不同形式之間靈活切換。

有時候，你確實會希望 AI 能自己“跑去處理一段任務”；但你也會希望，能快速把它的結果拉回來、自己再調整細節、再讓它繼續去做事。

所以，我認為未來的理想狀態是：無論是“前臺互動”還是“后臺自動化”，所有的協作方式都能無縫整合到同一個平臺里。

尤其是對于某些開發任務（比如修 bug），AI 的自動化很有用。但絕大多數開發過程依然需要人主導。所以我們認為，IDE 的定義本身也會隨著時間而演化。未來的 IDE，一定會是融合式、多模態的存在。

未來，Cursor的界面會是什么樣子？

主持人： 你們現在已經是一個完整的 IDE 編輯器了，那你怎么看“Slack 里的 AI 工程師”這種趨勢？未來大家是不是也會有 AI 工程師幫忙做事？Cursor 會不會也支持這種形式？

Michael： 我認為，未來人們會希望在不同形式之間靈活切換。

有時候，你確實會希望 AI 能夠“獨立去處理一段任務”；但同時，你也需要能快速查看它做了什么、適當修改、再繼續指派任務。

所以，我認為理想的狀態是：前臺交互（你直接用 AI 寫代碼）和后臺處理（AI 自動在你 Slack 或任務管理工具里執行）可以無縫結合。

特別是像修 bug 這種明確目標、標準清晰的任務，自動化是非常有效的。但開發工作遠不止這些。所以 IDE 的定義也會不斷演化。我們對 IDE 的理解，就是“你構建軟件時所在的空間”。未來它可能既包括編輯器，也包括 Slack、issue tracker 等多種界面。

如何管理笨笨的「AI 工程師」？

主持人： 很多人現在在談“AI 代理”“AI 工程師”，但他們忽略了一個問題——這其實會讓我們每個人都變成了“工程經理”，你要不斷地審查、批準 AI 寫的東西，還要寫清楚任務需求。聽起來非常累人。你怎么看這個趨勢？你們在 Cursor 會怎么應對？

Michael： 說實話……確實挺累人的（笑）。最終我們可能會進入一種“每個人都有一堆 AI 下屬”的世界，每天都要開 1 對 1 會議。

主持人（笑）： 是啊，每天都要開好多 1 對 1，管好多“笨助理”。

Michael： 目前我們看到，使用 AI 成功的用戶往往對它們的使用是“謹慎而保守”的。他們不是一上來就把整個任務全扔給 AI，而是做得很細致。

我們提供了一種叫 “next stack edit prediction” 的功能，本質上是你像平常一樣寫代碼，我們幫你預判你接下來要做的事，并提供建議。這種方式結合傳統編碼體驗，比較容易掌控。

此外，我們發現，如果你真的要把大任務交給 AI，有兩種方式：

一種是你在最開始把所有細節都寫清楚，AI 一次性完成，然后你再 review（一次性交付）；

另一種是你把任務拆成很多小塊，一點點指定、一點點驗證。這種“分段式協作”更像自動補全，是現在效果更好、用戶最常采用的方式。

Cursor是如何判斷打磨好了：“就是它了”

主持人： 這個方法聽起來好多了。比起管理一堆“傻 AI”，逐步協作確實高效很多。那你們當初怎么判斷 Cursor 準備好了，可以發布給大家使用了呢？有沒有那個“就是現在”的決定性時刻？

Michael： 我們從一開始就非常謹慎，擔心“閉門造車”太久會脫離真實需求。

所以最初我們甚至沒有用 VS Code 做基礎，而是從頭打造了一個輕量原型（當然后來我們還是基于 VS Code 重構了）。那時候，我們花了幾周快速搭建出一個能用的編輯器，加入基礎功能——多語言支持、代碼跳轉、命令行集成、遠程服務器支持等等。

大概五周后，我們就完全轉用我們自己的編輯器開發 Cursor，不再用舊工具。當我們開始覺得“它挺好用了”，就馬上推給一小批用戶試用。

Michael（續）： 我們一開始只做了一個短暫的內測，然后很快在三個月內公開上線。

說實話，我們原本以為會有一段“寂寞的打磨期”，只會有幾百個用戶。結果一上線就引發了大量興趣和反饋。

這些反饋非常有價值，也促使我們放棄手寫編輯器，轉而構建在 VS Code 上。從那之后，我們幾乎是邊用邊改，持續在“公開領域”中迭代產品。

Cursor的瘋狂增長之路：產品主導 vs 市場主導

主持人： 我注意到你剛才特別“低調”地說你們收到了用戶反饋。但其實你們在發布后，從 0 增長到 1 億美元年收入，僅僅花了一年半！這太驚人了。你覺得 Cursor 爆發式增長的關鍵是什么？你提到“dogfooding”（自己每天用自己的產品），這是核心原因嗎？

Michael： 確實，最初三個月我們做出來的版本并不算好。但我們的理念一直是：別把重點放在一開始的“轟動式推出”，而是持續迭代，讓產品變得越來越好。

我們的終極目標是：發明一種新的編程形態，真正改變人們寫代碼的方式。這個目標離現在還很遙遠。所以我們一直都很清楚：還有很多工作要做。

我們的策略從來不是“押寶一次成功”，而是持續、穩定地改進產品，逐步逼近那個理想狀態。

主持人： 那有沒有哪個時刻，是你們真正覺得“事情開始爆發了”的？

Michael： 老實說，一開始的增長感覺是“慢”的。我們當時甚至有點著急，覺得進展是不是不夠快。

不過，當你回頭看增長曲線，會發現其實它是一條很漂亮的指數曲線。只是指數增長的初期，數字都很小，看起來像“慢增長”。但當它持續累積，就變成了爆發。

有時候我們會通過發布新功能推動增長，但整體上，這是一個“穩定的指數型累加過程”。并沒有一夜之間的奇跡。

主持人： 聽你這樣說，感覺你們真的就是把產品做好，然后“自然而然地”用戶就來了。這種“Build it, and they will come”（做了好產品，自然有人用）在你們這里似乎真的成立了？

Michael： 我們確實在產品上傾注了幾乎所有時間。雖然也花時間搭建團隊、做客服支持等，但像銷售、市場這些傳統創業初期常見的事情，我們在很長一段時間內都“任由它們燃燒”（就是沒太管）。

我們相信，只要產品真的好用，用戶自然會來。

Michael（續）： 當然，說起來簡單，做起來很難。

首先，“好產品”這個定義就很難把握。你面對的用戶群不同、場景不同、需求不同，你必須非常專注地篩選方向，精確決定“該做什么”。

其次，這也是一種很特別的產品類型。我們既像傳統軟件公司，也像模型研究公司。我們不僅要做出好用的 UI/功能體驗，同時還得在 AI 模型層面不斷突破，提升智能質量。

所以，重點不只是把事情“做對”，而是“在對的地方做得極致”。

Cursor為什么不是套殼？創始人自述自家產品的模型策略

主持人： 我們剛才聊到了很多產品端的內容，現在我想回到“模型”這件事。很多人可能會以為 Cursor 就是一個“套 GPT 的殼”，你們是不是從一開始就打算自己訓練模型的？有沒有什么讓你們意外的地方？

Michael： 老實講，我們一開始完全沒打算自己做模型開發。

我們本來覺得，市面上已經有那么多優秀的基礎模型，像 GPT 系列、Claude、Gemini 等，我們只要搭配使用它們、圍繞它們做交互設計和體驗優化就好。去訓練一個大模型，不僅耗資巨大，而且好像也是“重復造輪子”。

但實際做下來后我們發現，幾乎 Cursor 每一個“令人驚嘆的時刻”，背后都離不開我們自己的定制模型。這讓我們徹底轉變了思路。

主持人： 哇，那你們現在是有完整的模型棧？能講講你們的技術堆棧和使用邏輯嗎？

Michael： 我們當然還在使用大型基礎模型，比如 GPT-4、Claude、Gemini 等——它們依然是整個體驗中不可替代的一部分。但我們在很多關鍵地方都插入了自研模型。

舉個例子，我們對“自動補全”有一個非常強的實現，這其實是代碼開發中非常獨特的一種工作模式：很多時候，接下來 5 分鐘你會做什么，其實是可預測的。

比如你修改了一個函數，接下來你多半會修改另一個函數、更新文檔、改測試代碼。這些“習慣路徑”是可以預測的。我們訓練了一組專門的模型，用來在你寫代碼的過程中實時預測你下一步最可能會改動哪些地方。這對提高效率至關重要。

這個任務非常特殊：模型需要非常快，延遲必須低于 300 毫秒；成本也要低；并且它不只是“續寫下一句”，而是跨文件地預測多個編輯動作。這是基礎大模型完全做不到的地方。

Michael（續）： 另外，還有兩類我們自研模型的典型用途：

輸入層面 —— 我們有模型負責在整個代碼庫中搜索“上下文片段”，告訴大模型要看哪些地方。就像一個專用的“代碼搜索引擎”。

輸出層面 —— 基礎大模型通常會輸出一個大致的“代碼修改建議”，但它們不會給出完整、可執行的 diff。這時我們的小模型就會接手，把“大模型的草圖”加工成真正的代碼補丁。

這些定制模型極大地提高了整體體驗的速度、質量和實用性。

主持人： 這真的很像 OpenAI 的 Kevin Wheel 說的“模型合奏”（ensemble of models）：每種模型各司其職，既有大模型提供抽象能力，也有小模型保證速度與準確度。

那你們的這些模型，是基于哪些底層框架或者開源模型構建的？LLaMA 之類的嗎？

Michael： 我們比較務實，盡量不重復造輪子。大多數情況下，我們會選擇當下最優秀的開源預訓練模型作為起點，然后在它們之上做后訓練、定制優化。

我們不太在意“是否擁有底層權重”，而是關注“能否靈活微調”、“是否能快速迭代”。有時我們也會和閉源模型方合作，在他們的平臺上做定制訓練。

AI 產品如何防「被抄襲」？

主持人： 這就引出了一個很熱門的話題：AI 創業公司的“護城河”到底是什么？很多投資人都在問，你們怎么防止別人抄你？你們怎么看 Cursor 的長期護城河？

Michael： 我覺得必須承認一個現實：這個行業的門檻，其實沒有你想象中那么高。大家都能用 OpenAI、Claude、Gemini，復制你產品表層交互的人永遠存在。

所以，我們的策略不是靠傳統意義上的“鎖死用戶”，而是始終努力做出“最好用的產品”。

Michael（續）： 我認為我們所處的這個 AI 領域，更像是一些“非傳統軟件市場”的情況，比如：

• 1990 年代末期的搜索引擎市場
• 20 世紀中后期的個人計算機市場

這些市場有幾個共同點：

一、天花板極高：你永遠都有新功能可以做，用戶價值提升空間非常大。

二、用戶能快速對比誰更好用：不像企業合同一簽就鎖幾年，開發者愿意隨時切換到更好用的工具。

三、技術和產品可以互相反饋：比如你用戶多了，就能收集更多數據，進而改進模型，產品越好用，數據越多，形成正循環。

換句話說，這是一個“不斷被超越”的市場。你今天領先，不代表明天不會被別人追上。所以唯一的辦法是持續創新、快速迭代，永遠走在前面。

主持人： 聽起來你認為這更像是“消費級產品”的護城河：不是靠綁定，而是靠“不斷把產品做得最好”，讓大家自愿留下來。

Michael： 對，完全同意。如果你做的是一個“封閉環境、換起來很難”的系統，比如企業 ERP，那靠合同鎖定用戶就很合理。

但在我們這個賽道，開發者完全可以試試別的工具。你必須足夠好，才能讓他們留下來。我們真正靠的是：技術領先、體驗領先、質量領先。

不過，這也意味著——

我們必須一直招最頂尖的人，一直保持技術探索的領先，一直對用戶體驗“偏執追求”。

微軟為何會錯失機會？未來的格局：一超多強

主持人： 那你覺得未來這個市場會是“一家獨大”，還是百花齊放？Cursor 會成為唯一的“超級編程工具”嗎？

Michael： 我認為這是一個非常巨大的市場，大到可以容納很多玩家。

在某些垂直領域，比如專為游戲開發、芯片設計等特定場景構建的 AI 工具，會有專門的團隊去做。但我也相信，會出現一家通用型的“超級軟件構建平臺”，幾乎承擔起全世界軟件開發的任務。

我們當然希望是 Cursor 能成為這家公司，但誰最終做到還未可知。我們現在專注做正確的事，并盡最大努力成為那家通用平臺提供者。

主持人： 說到這個，我覺得特別有意思的一點是：微軟其實在這個賽道是第一個吃螃蟹的，Copilot 出得早，產品和分發能力都很強。但現在很多開發者卻覺得他們落后了。你怎么看這個現象？

Michael： 我覺得有兩方面原因。

第一是結構性的。這個市場對“老玩家”并不友好。很多企業市場是靠綁定合同、嵌入流程、遷移成本高這些因素來鎖用戶的。但開發工具不是——它的特點是：

• 用戶非常有主見
• 換工具成本低
• 誰好用就換誰

這就導致你很難靠“慣性”獲勝，必須靠持續創新。

第二是歷史性的。據我了解，早期主導 Copilot 的團隊后來大多轉去做別的項目了。而這樣一個多部門、多方向的產品，想要統一推動并持續迭代，其實非常難。

我們對微軟是非常尊敬的，畢竟我們也用他們很多產品。但我認為，要在這個領域持續領先，必須要非常專注、快速、靈活，這對大公司來說是一種挑戰。

創始人給用戶的建議：不要一股腦把大任務丟給AI

主持人： 回到 Cursor 本身，如果你能坐在每一個新用戶旁邊，告訴他們一兩句“使用建議”，讓他們更順利上手，你會說什么？

Michael： 現在的 Cursor 其實還缺乏對“AI 能力邊界”的教學。所以我會給兩個建議：

一、不要一股腦把大任務丟給 AI。與其寫一大段 prompt，不如把任務拆小一點，分步驟進行。每一步都反饋一下，讓 AI 更精準地幫你完成。

二、在副項目中“試錯式探索”。很多用戶在主項目里很謹慎，不敢用 AI。我們建議在 side project（副業、實驗項目）里大膽嘗試，看看 AI 到底能做到什么。這能幫助你建立“直覺”，知道模型擅長哪些、哪里還不靠譜。

主持人： 就是說，像訓練肌肉一樣建立“對模型的感覺”對吧？每次模型升級后還得重新訓練一次感覺？

Michael： 完全正確！雖然現在每次模型更新之間的差距沒那么大了，但每個模型仍有不同的“性格”和邊界。

我們希望未來產品能自動引導用戶理解這些差異，但現在還沒做到。建立這種“感知能力”，是提升效率的關鍵。

主持人： 那像 Cursor 這種工具，究竟對哪類工程師幫助最大？是更適合初級工程師，還是更能讓高級工程師效率翻倍？

Michael： 其實兩邊都收益很大，但也各有“誤區”：

初級工程師：容易過度依賴 AI，期待它“一口氣寫完一切”，結果出了問題不知道怎么 debug。

高級工程師：有些人過于保守，對 AI 能力缺乏信心，堅持老流程，錯失了效率提升的機會。

我們看到，很多公司里推動 AI 工具落地的，反而是資深工程師組建的 Developer Experience 團隊。他們對工具更敏感，也更愿意探索“如何放大整個團隊的生產力”。

Cursor招人都設置什么樣的面試題團隊是如何打造一支“小而精”的世界級隊伍

主持人： 你們現在團隊很小吧？能講講你們是怎么招聘的嗎？你們對招人有哪些標準？

Michael： 我們現在團隊大概 16 人，真的很小，但產出非常高效。

我們看重的標準，其實總結下來就是一句話：你愿不愿意在某件事上“走到極致”。

Michael（續）： 很多候選人技術很好、簡歷很棒，但他們的“興趣強度”不夠。比如：有人說自己喜歡機器學習，但只讀過兩篇論文；有人說自己擅長開發工具，但從沒深入想過“IDE 應該長什么樣”。

我們尋找的是那種“有過專注極限體驗”的人，比如：

• 為了解一個算法自己寫過模擬器；
• 因為代碼結構不滿意，私下重構了整個 side project；
• 或者就是哪怕無聊的工具，也愿意優化成極致。

“是否愿意走得足夠遠”，才是我們最核心的評估點。

主持人： 你們在面試過程中是怎么判斷一個人有沒有這種特質的？畢竟靠簡歷或者聊天挺難看出來的。

Michael： 我們給每一個候選人都安排一個整兩天的 on-site 項目。

這個項目不是面試題，而是真正的工作任務。比如：

• 給 Cursor 做個新功能
• 改進某個現有模塊
• 搭個小系統驗證想法

我們不太在意項目最終做成什么，而是看你在過程中怎么思考、怎么設計、怎么迭代、遇到問題怎么debug。我們還會要求你錄屏+講解你的思路，整個過程能非常清晰地暴露出你的工程品味、對細節的態度、面對未知問題的解決能力。

主持人： 哇，這真的是“重度投入型”面試流程了。那你們目前是遠程工作嗎？還是集中辦公？

Michael： 我們目前是“絕大多數人都在舊金山”，但不強制大家坐班。

我們相信高密度的面對面交流對創意和產品判斷很重要。但同時我們也希望工作節奏是“深度的、專注的”，而不是打卡式的。

我們最看重的是：你是否能持續貢獻高質量成果，并推動團隊向前走。

Michael 的私房菜單推薦AI 和軟件行業的未來預判

主持人： 我們最后來幾個快問快答。首先，你最近最喜歡的工具是什么？除了 Cursor（笑）。

Michael： 我最近特別喜歡一個叫 Raycast 的工具。它有點像是一個“超級啟動器 + AI 集成平臺”，我現在幾乎什么都從那里開始，比如打開文檔、運行腳本、快速搜索內部資料等等。

Raycast 的使用體驗非常絲滑，它就像是“生產力黑客”的理想入口。也算是我希望 Cursor 成為的樣子——不僅僅是工具，更是一種工作方式的核心樞紐。

主持人： 有沒有一本書、一次經歷、一個播客對你影響特別大？尤其是在你創業或構建 Cursor 的過程中。

Michael： 我推薦一本書，雖然不太主流：《The Dream Machine》（作者：M. Mitchell Waldrop）。

這本書講的是計算機歷史的早期，包括 J.C.R. Licklider 和 ARPA 背后的故事。它非常深入地描寫了那個年代人們對“人機交互”的探索，而不是純粹關注技術本身。

書里的人物都在思考一個問題：“我們到底想用計算機來做什么？” 我覺得這也是我們今天做 AI 工具最該思考的問題。不是去追某個功能、某個趨勢，而是想清楚我們希望人類在 loop 中扮演什么角色。

主持人： 最后一個問題——你怎么看未來 10 年的軟件開發行業？尤其是在 AI 迅速演進的背景下。

Michael： 我認為我們正站在一場根本性轉變的門檻上。

過去幾十年，我們習慣了“用代碼定義軟件”。但未來 10 年里，AI 會讓“定義軟件”的方式徹底改變。

這并不是說“每個人都變成寫 prompt 的人”，也不是“代碼徹底消失”，而是：

• 更自然的表達方式：讓更多人能參與創造
• 更強的協同能力：人類和 AI 像隊友一樣并肩作戰
• 更快的迭代周期：軟件開發變成一個流動過程，而不是一堆文件

在這個過程中，工程師仍然非常重要——但他們將從“鍵盤操作員”變成“系統設計師”，把精力花在結構、意圖、體驗，而不是瑣碎代碼細節上。

我們希望 Cursor 能幫助大家走向這個未來。

 主持人： Michael，謝謝你今天精彩的分享。這期訪談信息密度超高，觀點極具前瞻性。我相信每一位軟件從業者，聽完都會有所啟發。

參考鏈接：??https://www.youtube.com/watch?v=En5cSXgGvZM??

本文轉載自??51CTO技術棧??，作者：云昭