枪战英雄
99.99M · 2026-03-28
Cursor 的母公司 Anysphere 成立于 2022 年，由四位 MIT 校友联合创办：Michael Truell（CEO）、Sualeh Asif（CPO）、Arvid Lunnemark 和 Aman Sanger。这四位创始人的履历相当硬核——多位国际数学/信息学奥赛奖牌获得者，曾在 Google、Stripe、Jane Street、Bridgewater 等顶级公司实习，并在 MIT CSAIL 从事 AI 研究。
他们的出发点很朴素：现有的编码工具从根本上就建错了。当时市场上的 AI 编程辅助工具（以 GitHub Copilot 为代表）本质上是在编辑器之上做"插件层"，只能看到编辑器 API 暴露出来的内容，无法深入理解整个代码库的上下文、跨文件依赖和架构模式。
解决方案？Fork VS Code，从底层重构，让 AI 成为编辑器的一等公民，而不是一个附加组件。
Cursor 的融资历程堪称"坐火箭"：
| 时间 | 轮次 | 金额 | 估值 |
|---|---|---|---|
| 2023 年 9 月 | 种子轮 | $800 万 | — |
| 2024 年 8 月 | A 轮 | $6,000 万 | $4 亿 |
| 2024 年 12 月 | B 轮 | $1 亿 | $26 亿 |
| 2025 年 6 月 | C 轮 | $9 亿 | $99 亿 |
| 2025 年 11 月 | D 轮 | $23 亿 | $293 亿 |
种子轮由 OpenAI Startup Fund 领投，天使投资人包括前 GitHub CEO Nat Friedman 和 Dropbox 联合创始人 Arash Ferdowsi。到 D 轮时，Google 和 Nvidia 也成为战略投资者。截至 2025 年底，Anysphere 的 ARR（年度经常性收入）已突破 10 亿美元，日活用户超过 100 万，服务超过 5 万家企业——包括 Salesforce、Stripe、Shopify、Nvidia、Uber 等。
值得一提的是，OpenAI 曾试图收购 Anysphere，但遭到拒绝。OpenAI 随后转向收购了 Cursor 的竞争对手 Windsurf。这从侧面证明了 Cursor 在 AI 编程赛道的统治地位。
从产品演进可以清晰看到 Cursor 的战略方向：从"带 AI 的编辑器"进化为"Agent 工作台" 。
这是 Cursor 与市面上几乎所有竞品拉开差距的核心能力。Cursor 会对你的整个项目进行语义索引（codebase embedding），构建一个代码库级别的"认知地图"。这意味着：
@codebase 语法，你可以直接用自然语言询问"认证中间件在哪里定义的？"或"哪些文件处理了支付逻辑？"实际体感差异：当你在一个有 200+ 文件的 Next.js 项目中让 Cursor 重构一个 API 路由时，它能自动找到关联的类型定义、中间件、前端调用点和测试文件，并协调修改。同样的任务交给只看单文件上下文的工具，通常会产生大量断裂和不一致。
Cursor 2.0 最重要的更新之一是推出了 Composer——一个专为软件构建场景优化的自研编程模型。2026 年 3 月又发布了 Composer 2，进一步提升了编码性能。
Composer 的设计哲学是极致低延迟的 Agent 循环：大多数操作在 30 秒内完成，让开发者不再犹豫是否要重新运行计划、重构或实验。它与前端模型（如 Claude、GPT-5）的最大区别在于——Composer 是专门为编辑器内的 Agentic 工作流优化的，而不是通用对话能力。
Composer 2 的定价：标准模式 2.50/M 输出 token；快速模式 7.50/M 输出。
Cursor 2.0 引入了一个革命性的能力：最多 8 个 Agent 并行运行。每个 Agent 在代码库的一个隔离副本中操作（通过 git worktree 或远程机器），互不干扰。
典型使用场景——为一个 Next.js 应用添加邮箱登录功能：
四个 Agent 同时工作，完成后你比较结果，选择最优方案合并。原本需要数小时的工作，几分钟内完成。
云 Agent 解决了长时运行任务的问题：你可以启动一个 Agent 任务，关闭编辑器去做其他事情，Agent 在云端持续工作——构建、测试、演示功能——完成后等你审查。
2026 年 3 月，Cursor 进一步推出了自托管云 Agent：代码和工具执行完全在你自己的网络内完成，代码库、构建产物和密钥都保留在内部机器上。这解决了企业客户最大的安全顾虑。
2026 年 3 月推出的 Automations 功能，标志着 Cursor 从"人驱动 AI"转向"事件驱动 AI"：
例如，你可以配置一个 Automation：每当有新的 GitHub PR 时，Agent 自动进行安全审查、运行测试套件、检查代码规范，然后将审查结果以评论形式发布到 PR 上。
Cursor 不绑定任何单一模型提供商，支持在 OpenAI、Anthropic、Google、xAI 的前沿模型之间自由切换：
这种设计让你可以"用推理模型做规划，用 Composer 做实现"——在同一个任务中混合使用不同模型的优势。
在深入实战之前，必须坦诚地讨论 Cursor 的局限性，这对正确设定预期至关重要。
归根结底，Cursor 底层依赖的是 LLM，而 LLM 的输出本质上是概率性的。这意味着：
Cursor 团队自己也反复强调：把它当作一个能力很强但需要明确指令的初级开发者。你仍然需要：
虽然 Cursor 已通过 SOC 2 认证，并推出了自托管方案，但仍然存在以下顾虑：
2025 年 6 月从"固定请求数"切换到"信用额度制"后，实际使用成本变得不太可预测。手动选择高端模型时，$20 的月度信用额度可能只够 200-300 次请求，远低于之前的 500 次。重度用户需要仔细管理用量或考虑更高阶的计划。
| 计划 | 价格 | 核心权益 | 适用人群 |
|---|---|---|---|
| Hobby | 免费 | 有限的 Tab 补全和 Agent 请求，50 次慢速高端模型请求/月 | 评估试用、学生 |
| Pro | 16/月） | 无限 Tab 补全，$20 信用额度池，Auto 模式无限，云 Agent，MCP | 日常开发者、自由职业者 |
| Pro+ | $60/月 | 3 倍使用额度，后台 Agent | 中重度用户 |
| Ultra | $200/月 | 20 倍使用额度，优先特性访问 | 重度 Agent 用户 |
| Teams | $40/人/月 | Pro 等价 + 管理后台、SSO、团队规则共享 | 3 人以上团队 |
| Enterprise | 定制 | 池化额度、SCIM、审计日志、专属支持 | 大型组织 |
关键省钱策略：
Cursor Rules 是让 AI 输出从"随机发挥"变为"可预期、可复现"的关键机制。它本质上是一套项目级的 AI 行为规范。
旧方案：在项目根目录放置 .cursorrules 文件（已废弃但仍支持）
新方案：在 .cursor/rules/ 目录下使用 .mdc 格式文件，每个文件负责一个关注点
推荐的规则目录结构：
.cursor/
└── rules/
├── core.md # 通用工程规范
├── architecture.md # 架构约束
├── backend.md # 后端特定规则
├── frontend.md # 前端特定规则
├── testing.md # 测试规范
└── security.md # 安全要求
每个 .mdc 文件包含三个关键字段：
---
description: 对规则用途的人类可读描述
globs:
- "src/services/**/*.ts" # 匹配的文件模式
alwaysApply: false # 是否全局生效
---
一条好规则的特征：
实战示例——后端 API 规则：
---
description: REST API 开发规范，适用于所有后端服务文件
globs:
- "src/api/**/*.ts"
- "src/controllers/**/*.ts"
alwaysApply: false
---
## API 开发规范
### 必须遵守
- 使用 Zod 进行请求体校验，不要手写 if-else 校验
- 所有 Controller 方法必须有 try-catch，使用统一的 AppError 类
- 响应格式统一为 { code, data, message }
- 分页接口统一使用 cursor-based pagination
### 禁止
- 禁止在 Controller 中直接写 SQL
- 禁止返回未过滤的数据库实体（必须经过 DTO 转换）
- 禁止在 catch 中吞掉错误不记录日志
### 代码示例
（此处放具体的代码模板）
原则一：先规划，再实现
不要上来就说"帮我写一个用户注册页面"。正确的做法是分两步：
第一步（Plan Mode）：
"分析当前项目结构，为'用户注册'功能设计实现方案。
需要考虑：
- 前端表单（使用项目现有的 Form 组件库）
- API 路由设计
- 数据校验逻辑
- 数据库 Schema 变更
- 需要修改/新建的文件清单
不要写代码，只输出方案。"
第二步（Build）：
"按照上述方案，开始实现。先从数据库 Schema 开始，
然后是 API 路由，最后是前端。每完成一个模块暂停等我确认。"
原则二：提供充足的上下文
使用 @ 语法显式引入上下文：
@filename.ts —— 引用特定文件@codebase —— 让 Agent 搜索整个代码库@docs —— 引用外部文档@web —— 搜索网络信息原则三：约束 diff 范围
在 prompt 中明确加入约束：
原则四：Test-First 工作流
这是社区公认效果最好的工作流之一：
"先生成会失败的测试用例。暂停等我审查。
审查通过后再编写实现代码使测试通过。"
这样做的好处是：你通过审查测试用例来确认 AI 是否正确理解了你的意图，比直接审查实现代码高效得多。
Composer 的核心价值在于跨文件协调编辑。以下是最大化其效果的实操技巧：
场景一：重构
选中一段代码，打开 Composer，输入：
"将这段代码重构为 Repository 模式，把数据访问逻辑
从 Controller 中抽离到独立的 Repository 类中。
保持接口不变，确保现有测试仍然通过。"
Composer 会理解架构模式并在多个文件中一致地应用修改。
场景二：新功能开发
"实现一个完整的密码重置功能：
1. 添加 forgotPassword API 端点
2. 创建邮件模板
3. 更新路由配置
4. 添加前端表单
请一次性协调修改所有相关文件。"
场景三：并行 Agent 对比
启动多个 Agent 处理同一任务，但给不同约束：
完成后对比三种方案的 diff，择优合并。
MCP（Model Context Protocol）让 Cursor 能够连接外部工具和服务。典型配置：
连接数据库——让 Agent 能直接查询数据库 Schema 来生成准确的 ORM 代码
连接 API 文档——通过 Context7 MCP 实时拉取 2000+ 库的最新文档，防止 Agent 使用过期 API
连接 CI/CD——Agent 可以触发构建、查看测试结果、读取部署状态
陷阱一：Agent Review Tab 冲突
这是 2026 年初一个被广泛报告的 Bug：Agent Review Tab 和编辑器之间的文件锁定冲突会导致代码变更被静默回退。
解决方案：在使用"Fix in Chat"前关闭 Review Tab，禁用 Format On Save，排除项目被云同步（OneDrive/iCloud）。
陷阱二：长时间运行的 Agent 状态漂移
Agent 运行超过 2 小时后，其内部"心智模型"可能与磁盘实际状态失去同步，开始调用不存在的函数。
解决方案：保持 Agent 会话在 2 小时以内，添加周期性的重新索引检查点。每次 Agent 操作前做防御性 commit：git commit -m "checkpoint before agent"。
陷阱三：信用额度悄悄耗尽
手动选择高端模型 + 大上下文 = 信用额度快速消耗。
解决方案：日常工作使用 Auto 模式，只在关键决策点手动选择前沿模型。定期在设置中检查用量。
目标：熟悉基本交互模式，建立 AI 辅助编程的直觉
行动清单：
下载 Cursor，从 VS Code 一键导入设置（主题、插件、快捷键全部保留）
注册 Hobby 计划（免费），获得 7 天 Pro 试用
学会三个核心交互：
Cmd+K（Inline Edit）：选中代码，用自然语言描述修改Cmd+L（Chat）：打开侧边栏聊天，询问代码相关问题Cmd+I（Composer）：打开 Composer 面板，进行多文件操作在一个小型个人项目中练习，体会 Tab 补全和 Chat 的基本能力
尝试用 @codebase 查询项目信息
关键心法：此阶段不要追求效率，重点是建立信任边界——理解 Cursor 在哪些场景输出可靠，哪些场景需要你仔细审查。
目标：掌握 Rules 系统和 Composer 工作流，生产力提升 2-3 倍
行动清单：
.cursor/rules/ 目录，编写 3-5 条核心规则@ 语法管理上下文关键心法：此阶段的核心技能是上下文工程（Context Engineering） ——你给 AI 的上下文质量直接决定输出质量。学会精确控制哪些文件、文档、规则被纳入上下文。
目标：掌握多 Agent 工作流、MCP 集成，成为团队中的 Cursor 专家
行动清单：
关键心法：此阶段的质变在于从"人写代码、AI 辅助"转向"AI 写代码、人设计架构和审查质量"。你的角色开始向系统架构师 + AI 编排者转变。
目标：构建自动化工作流，实现"Agent 工程"范式
行动清单：
关键心法：2026 年的 AI 编程范式已经转变——从 Andrej Karpathy 提出的"Vibe Coding"（开发者描述意图 → AI 实现 → 开发者审查），进化为"Agentic Engineering"（开发者设计架构 → Agent 自主执行 → 开发者监督）。专家级的核心能力是规则编纂（Rule Codification） ——把你的工程经验转化为 Agent 可遵循的规则和约束。
| 维度 | Cursor | GitHub Copilot | Claude Code | Windsurf |
|---|---|---|---|---|
| 产品形态 | 独立 IDE（VS Code Fork） | VS Code 插件 | CLI 终端工具 | 独立 IDE |
| 上下文范围 | 全代码库索引 | 单文件/有限多文件 | 项目级 | 全代码库 |
| 多文件编辑 | Composer 原生支持 | Agent Mode（较新） | 原生支持 | 支持 |
| 多 Agent 并行 | 最多 8 个 | 不支持 | 不支持 | 不支持 |
| 云 Agent | 支持（含自托管） | 不支持 | 不支持 | 有限支持 |
| 自研模型 | Composer 模型 | 无（依赖 OpenAI/Anthropic） | Claude 系列 | 无 |
| 个人版价格 | $20/月 | $10/月 | 包含在 Claude Pro 中 | $15/月 |
| 企业特性 | SOC 2、SSO、自托管 | GitHub Enterprise 集成 | 企业 API | 基础 |
选择建议：
Cursor 团队在 2026 年 2 月发表了题为"Towards Self-Driving Codebases"的研究文章，公开了其多 Agent 研究框架。这篇文章揭示了 Cursor 的终极愿景：代码库像自动驾驶汽车一样运行——AI Agent 自主执行开发任务，人类开发者扮演"监督员"角色，在关键节点做出决策。
这不是科幻。从产品演进轨迹来看，Cursor 正在一步步接近这个目标：
分析师预计 Anysphere 的 ARR 可能在 2026 年达到 86 亿，支撑 $1000 亿+ 的估值。其增长引擎包括：
Cursor 代表的不仅仅是一个更好的代码编辑器——它代表的是软件开发范式的根本性转变。从手工编写每一行代码，到描述意图让 AI 生成，再到设计架构让 Agent 自主执行——这三个阶段的跨越正在几年内完成。
但工具终究是工具。真正的竞争力不在于你用的是 Cursor 还是 Copilot，而在于你能否适应"AI-native"的开发方式——把精力从"怎么写代码"转移到"写什么代码"和"为什么写这些代码"上。Cursor 恰好提供了一个极好的载体来实践这种转变。
值得重新审视 Cursor 创始团队最初的愿景：让编程变得"快一个数量级、更有趣、更有创造力"。到 2026 年，这个愿景已经不再是口号，而是越来越多开发者的日常体验。
