新智元报道

编辑：peter东

Cursor提出AI编程「第三时代」：云端智能体具备计算机使用能力，可自主规划、编码、调试、交付，35%代码已由AI完成，程序员转型AI协作架构师。

AI编程的权力结构正在重排：

2024年，Copilot式Tab补全把AI变成效率杠杆；

2025年下半年，智能体把交互推到「提示—响应」的同步循环；

而最近，一种更高阶的形态正在成型——云端Agent以资源解耦与富媒体汇报为前提，具备长时序自主规划与迭代能力，开始以「可评审工件」而非代码片段的形式交付成果。

Cursor披露的数据与用法迁移，正在把这条曲线清晰地画出来。

Cursor CEO：AI软件开发的第三时代

最近，AI编程工具Cursor CEO Michael Truell有感而发，划分了AI软件开发的三个时代。

回顾过去五年，AI赋能软件开发可分为三阶段，每一阶段的用时越来越少。

第一阶段发生在2024年，以Tab自动补全为标志。GitHub Copilot等产品让AI成为「超级输入法」，擅长处理低熵、重复性代码片段。这一阶段的核心价值是「效率杠杆」——开发者仍主导逻辑设计，AI负责减少击键次数。

第二阶段发生在2025下半年，伴随智能体能力的崛起。模型上下文窗口扩大、工具调用能力增强，这让开发者可以通过「提示-响应」的同步循环，指挥AI编写特定模块。但此时的人机交互仍是「手把手」模式：每一步决策、每一段输出，都需要人类实时审阅与纠偏。

在过去一年中，Cursor中的智能体使用量增长了超过15倍。如今，大多数Cursor用户几乎不会再按Tab键。

2025年3月，Cursor的Tab用户数量大约是智能体用户的2.5倍。现在情况已经反转，智能体用户数量是Tab用户的2倍。

当下，AI编程的第三阶段正在加速降临。

Cursor团队在最新博客中提出：新一代智能体将具备在更长时序上自主规划、迭代与交付的能力。它们不再依赖开发者逐条指令，而是像一组资深工程师注册的开发团队，接收目标、拆解任务、调用工具、验证结果，最终以」可评审的工件」形式，向用户交付成果。

云端Agent，

开启并行开发新范式

第三阶段的AI辅助开发，与之前究竟有何不同之处，还需要从第二阶段本地运行的智能体说起，尽管这一阶段看起来不会持续一年时间，却是承上启下的关键。

与Tab相比，智能体在更高的抽象层上工作。它们处理需要上下文，在完成任务时运用判断力，但每一步都需要开发者参与其中。这种实时地交互，再加上智能体会在本地机器上竞争资源这一事实，意味着在同一时间实际可用的智能体只能是少数。

而云端智能体就不存在资源和注意力瓶颈。每个智能体运行在自己的虚拟机上，让开发者可以将任务交给它处理，然后转去做别的事情。智能体会在数小时内持续工作，反复迭代和测试，直到对输出足够有信心，并以一种便于快速审阅的形式，例如日志、视频录像和实时预览等方式向用户汇报进展。

由于智能体提供的预览为用户提供了足够的上下文来评估输出，而无需从零重建每个会话。人的角色也从逐行引导代码编写，转变为定义问题并设定评审标准。

资源解耦与富媒体交互使并行运行多个智能体变得切实可行。

这反映到数据上，就是在Cursor内部的代码提交中，已有35%是由在云端虚拟机中自主运行的智能体创建的。开发者用脚投票，选择了云端智能体这种更高效的方式。

实战场景

智能体如何完成复杂任务

Cursor展示了云端Agent在真实开发场景中的四大应用，分别是

1 构建新功能：智能体接收「为插件组件添加源码链接」的指令后，自主解析文件结构、构造GitHub链接、更新前端逻辑，并录制自己点击验证链接有效性的全过程视频，最终提交可直接合并的代码提交。

2 复现安全漏洞：面对「剪贴板窃取」漏洞描述，智能体自主构建HTML演示页面、启动本地服务器、在应用内浏览器中加载并执行攻击流程，最终输出包含操作录像与截图的详细分析报告，大幅降低安全团队的复现成本。

3 UI自动化测试：智能体对文档站点进行45分钟全流程走查，测试侧边栏、搜索、主题切换等十余项功能，自动生成测试总结与异常截图，将QA效率提升数倍。

4 快速修复与验证：针对「Lint标签动态更新」需求，智能体不仅实现逻辑代码，更在桌面应用中分别测试「有错误」与「无错误」两种状态，录制验证视频确保修复效果符合预期。

这些场景的共同特征是：Agent不再局限于「生成代码片段」，而是具备「端到端交付可验证功能」的完整能力链。

人机重构

程序员成为「AI车队」指挥官

软件开发正变得如自动驾驶一般流畅，在这个未来里，智能体会合并代码提交、管理发布和监控生产环境。我们将从一个开发者使用智能体来创建代码的世界，走向一个由智能体端到端交付已测试功能的世界。

要真正实现这一转变，需要持续改进工具链、模型以及交互模式。开发者在云端智能体时代，需要能协调多智能体间的协同工作，并构建能够从过往运行中学习、随着经验积累而变得更高效的模型。

采用云端智能体这种全新工作方式的开发者通常具有以下三个特征：

1.几乎100%的代码都由agent编写。

2.他们把时间花在拆解问题、审查结果以及提供反馈上。

3.他们会同时启动多个agent，而不是手把手地引导单个agent直至完成。

在这种范式下，AI能写多少代码，取决于人类开发者如何重新定位自身价值。

开发者需要培养的技能要从「手写优雅代码」转向「精准定义问题边界」，「设计鲁棒的验收标准」以及「高效协调多智能体协作」。

编程语言的语法细节或许不再关键，但系统思维、领域知识与质量判断力将变得愈发珍贵。

在这种方式成为软件开发的标准实践之前，还有大量工作要做。在大规模的工业化场景下，那些单个开发者能绕过的不稳定测试，或是被损坏的运行环境，会演变成导致智能体每次运行都被中断的故障。

AI编程工具的开发者需要确保智能体能尽可能高效地运作，并完整获取其所需的工具和上下文。

此外，对于像飞机控制软件这样的涉及生命的场景，人们对智能体开发对软件普遍信心不足。如何确保智能体不会因为幻觉而不进行相应的测试，也需要开发者关注。