最开始听说 Cursor 这个工具的时候，是在知乎的某个回答里。当时以为这又是一个借着 AI 的热度，套了个 VSCode 的壳的圈钱软件，但当某一天在一次 OpenAI 的发布会上看到展示的员工也用 Cursor 的时后，我才改变了这个鲁莽的想法，决定亲自试一试。毕竟能让世界顶级大厂的人都愿意使用，那肯定是有他的过人之处。
没想到，这一试，彻底颠覆了我的认知……
Cursor 是什么
简单来说，Cursor 是一个 VSCode 的 fork 版本，但是往里面加入了非常多 AI 相关的功能，包括更智能的代码补全，集成内部的 AI 对话框，以及本篇文章的重点内容 ——Composer 等等。
你可能会问，这和 VSCode 自己的 Copilot 有什么区别呢？区别大着呢。
简单概括 Cursor 和 Copilot 的区别：Cursor 的代码补全，不仅是能够补全后面的代码，更重要的是能对已有的代码进行修改。并且 Cursor 的上下文不仅局限于当前文件，而是整个工作区（文件夹）内的所有文件，甚至是电脑的剪切板，甚至是之前删掉的某些内容！Cursor 就好像有记忆力一般，用的越久，就越能够明白整个项目的结构。
拿一个具体的例子来举例。
我想在博客的 i18n 文件里插入一些新写好的内容。在 Cursor 里，只需要粘贴下来，然后输入第一个 " 号，接下来就只需要…… 不停按 <Tab> 就好了：
或者还可以调用 Cursor 的代码修改功能来实现。这个功能更适合想实现的目标比较复杂，代码补全没法直接通过上下文进行推测的情况。如果生成的有错误，还能通过代码补全自动发现并改正：
这些都还只是小场面。
前段时间在打 OceanBase 比赛的时候，写 C++ 的大项目。C++ 的函数定义和函数实现是分别在 .cpp 和 .h 文件里的。如果想要增加一个函数的参数，就必须要在两个地方都进行修改。而且由于 C++ 继承的特性，经常会导致改了一个类的方法，就需要把他派生出来的所有类的方法都进行修改。
使用 Cursor，只需要在 .h 文件中增加新的参数，切换到 .cpp 的实现时，会自动补全，并且还会把所有这个函数的调用都增加新的参数！这让我能够剩下大量的时间，专注于处理思路问题和解决 bug，而不是处理这些苦力活。
但仅仅是这些功能的话，只是让我觉得这比 Copilot 聪明一些而已，但还不够为了他单独写一篇文章。真正让我觉得颠覆的功能是 ——Composer。
革命性的突破 ——Composer
昨天晚上，我在 Bing 站点管理器里查看我的博客数据的时候，突然有个想法 —— 在 GitHub workflow 弄一个脚本，每天凌晨的时候通过 Bing Url API 自动提交博客的最新 10 篇文章，这样就不会浪费每天的提交额度了。
说干就干，我立刻翻开了 Bing 提交 API 的说明文档，但是…… 看不懂啊！对于一个完全没有写过后端，前端也只是在折腾博客的时候照猫画虎了解了一些的人来说，不花个几个小时系统学习一下这些知识，真的完全没法做到。
正当想放弃的时候，我突然想到了 Composer。在这之前，除了新手教学以外，我还没用真正用过这个功能呢，那要不就试试吧！
Composer 是一个增强版的代码修改功能，他能够读取并修改你的整个工作区的所有文件，甚至还能根据要求新建文件，可以说这才是完全体的 Copilot。
稍微计划了一下，想要实现上述的功能，大概需要分成以下几个步骤：
- 将
/src/content/下的所有md,mdx格式的文件找出来； - 按照其
frontmatter里的date属性进行排序； - 处理成合适的 url 链接；
- 通过 Bing 提交 API 进行提交。
开始行动！直接开门见山，告诉他帮我找出最新的 10 篇文章：
写得很快，但是报错了…… 尴尬，难道要出师未捷身先死了吗？
把错误复制给他：
没想到，他通过项目的配置文件知道了我使用的是 ejs，一下子就解决了！有点惊叹。
那么接下来是把路径处理成 url 的格式。写了个 baseUrl 代表域名，让他把路径修改成网址：
Cursor 竟然连 baseUrl 都自动补全了，真的震惊！
但这还不够，文章的 url 是只有年份，没有后面的月和日的，再让他继续处理：
哎呀，又出错了，加上了年份但是没有正确去掉月和日。把错误反馈给他：
就这么反馈给他一下他就把错误处理好了…… 这效率太快了。
那么现在网址处理完成了，接下来就是通过 API 给 Bing 提交。直接把刚刚 Bing 的 API 格式复制给他，让他帮我提交：
就这么两下，实现了…… 我刚刚倒上的水还没喝几口呢……
但是看返回的信息好像没有成功提交？原来是今天的提交额度不够了，尴尬…… 那要不然改成一个一个提交，遇到限额满了就停止提交吧：
于是就这么完成了…… 最后只需要生成一个 GitHub workflow 脚本，让 GitHub 每天定时自动执行就好了。当然，这也只需要一句话的事情，这里就不展示了。
就这么不到 10 分钟，Cursor 就完成了原本可能需要好几个小时甚至一两天才能实现的功能。而我甚至都不需要学会前端的各种知识，就能轻松实现。
从此，我再也不需要因为一点小小的需求，而去学习大量无关紧要的知识了。唯一要做的就是把任务进行拆分，然后依次告诉 Cursor 让他帮我实现，遇到错误了就再反馈给他就好了。我甚至不需要复制粘贴……
现状与未来
我敢说，Cursor 是我到目前为止，唯二觉得能算得上是生产力的 AI 工具了，另一个是 ChatGPT。Cursor 利用现在大模型庞大的知识储备，让我能够迅速补上知识层面的漏洞。从此之后我写代码，就好像战场上的指挥官，我只需要指挥，苦力基本上可以依靠 AI 来实现。
现在 Cursor 支持的最高的模型还仅仅是 claude-3.5，不敢想象如果以后能接入 o1 等更高级的模型，Cursor 的能力会发展成什么样。
其实相较于图片，视频，音乐等领域，我觉得代码生成才是大模型最能崭露头角的地方，同时也是最容易替代人工的地方。
虽然 DALL-E、Sora 等模型能生成出来很多高质量的作品，但还是被我们吐槽一眼 AI。究其原因，我觉得还是 AI 生成的过程依旧只是照猫画虎，它并不能理解图片中的各种物理规律，更别说是视频了。
而且在这种较为「艺术」的领域，我们欣赏一部作品，欣赏的是作者创作这个作品时候的想法，又或者是欣赏某个作者的特殊的风格。我会因为一部电影是诺兰导演的而特意去电影院观看，映后会和朋友讨论片中的各种细节与伏笔，感受诺兰想通过镜头转达给我们的思考。但我若是看到一部 AI 生成的电影，我只会说「哇，这个 AI 好厉害」。
但是在代码这个领域，目标只要一个 —— 写出符合要求的代码，而这正是现在的 AI 最擅长的。
人和机器最大的不同，是人有人性。通俗一点来讲，就是人会有喜怒哀乐，会有爱恨情仇，会有希望梦想，会有诗和远方…… 这些，这是机器不具备的。但很可惜，或许是因为社会的压力，又或者是因为其他原因，有些人已经失去了这部分能力，变成了一个活着的机器了。