编辑 | 云昭
出品 | 51CTO技术栈（微信号：blog51cto）
Cursor 火了，但 Cursor 究竟是如何诞生、发迹的？为什么只有它可以从众多“套壳”应用中破茧，从 0 到年收入 1 亿 美元仅仅只用了 18 个月？
这款“靠感觉编程”的 Vibe Coding 神器是如成功摆脱“套壳”的标签的？它是如何巧妙处理“模型与产品”的平衡的？
背后的 16 人团队究竟是怎样一群狠人？这群顶尖天才都是怎样被面试招聘进来的？
未来的软件行业真的是 AI 工程师的天下吗？后代码时代，人类工程师如何保持对代码的控制力？
五一假期期间，AnySphere 的联合创始人兼 CEO、Cursor 之父 Michael Truell 接受了Cursor出圈以来后仅有的第二次采访。这次采访正值 Cursor 新一轮融资和竞品环伺的当口。
Michael 似乎没有受到“悲喜交加”的环境影响，一如上次采访，激情地分享自己创业和产品思考。
整个播客采访时长 70 分钟有余，可谓每一分钟都信息密度值拉满。如果你只是看摘要版，很容易漏掉这位AI产品天才很多价值“不菲”的观点，比如：
除了大家都报道的“后代码时代”之外，Michael 曝料：Cursor 诞生之前还有一个失败的 AI 项目，而 Cursor 的诞生其实是一场“先有方案，后有问题”的反直觉逻辑；
再比如，他给出了Cursor“防被抄袭”的方法论，甚至自曝了自家产品的模型策略逻辑。
此外，还有很多意想不到细节，比如：如何搞到世界级顶尖人才的招聘细节——给每一个候选人都安排一个整两天高密度的的 on-site 项目。“我们不太在意项目最终做成什么，而是看你在过程中怎么思考、怎么设计、怎么迭代、遇到问题怎么 debug”等等。
对于 Cursor 这样级别的 AI 产品而言，每一个料都堪比干货。这里话不多说，这就为大家奉上诚意满满的全文整理。诸位，不管是开发者，还是AI产品开发者，都建议收藏细读，自行摘选金句。
Cursor 奇迹以及 Cursor 之父
主持人：欢迎收听本期节目，今天我们邀请到的嘉宾是 Michael Truell，他是 AnySphere 的联合创始人兼 CEO，而他们打造的产品 Cursor，是目前最前沿的 AI 编程编辑器。如果你还没听说过它，那你可能真的是“与世隔绝”了。Cursor 正在重新定义工程师和产品团队的开发方式——上线不到两年就实现了年化收入 1 亿美元，如今更是突破了 3 亿美元，是增长速度最快的科技产品之一。
Michael 从 MIT 毕业，主修计算机科学和数学，曾在 MIT 和 Google 从事 AI 研究，对技术和商业史有着深入的研究和浓厚的兴趣。你很快就会发现，他对于未来软件开发形态的理解和思考非常深刻。
在本期节目中，我们聊了 Cursor 的诞生故事、Michael 对“后代码时代”的预测、他在构建 Cursor 过程中得到的一些颠覆性认知、以及他对工程师未来角色的判断等等，干货满满。
顺带一提，Michael 平时很少接受采访，除了这次，他唯一的一次播客访谈是在 Lex Fridman 的节目上。所以这次能请到他，真的非常荣幸。
软件开发的未来——后代码时代：描述代码，而非拼凑代码
主持人：我们之前聊天时你提到了一个有趣的概念——“后代码时代”。你能展开讲讲你对未来软件开发的设想吗？也就是说，当人们不再直接编写代码时，软件开发将会是什么样子？
Michael：我们的目标，是通过 Cursor 重新定义“编程”本身——一种全新的软件构建方式。本质上就是：你向计算机尽可能简洁地描述你的意图，它就能帮你完成构建。这是一次抽象层级的跃迁。
未来，编程不再是操作某种具体语言的技能，而是对软件逻辑和表现形式的精准表达。我们相信，随着技术成熟，我们可以实现一种比传统方式更高效、更高级别的构建体验。它不仅会提升效率，还能降低开发门槛，让更多人参与其中。
Michael（续）：我们对未来软件开发的设想，和目前流行的两种观点都不太一样。
第一种观点是，未来编程的形态和现在差不多。大家依然会用 TypeScript、Go、Rust 等语言，依然在文本编辑器中写代码。
第二种观点是，未来你只需要和一个 AI 聊天机器人对话，比如说“帮我做一个应用”，或者“把按钮变蓝”，AI 就自动帮你完成整个软件构建。
我们认为这两种设想都不够准确。后一种“聊天式构建”缺乏精确度，很难进行复杂的控制。而前一种观点低估了 AI 技术的发展潜力。我们相信，未来是“后代码时代”——一种介于两者之间的新方式。
主持人：你说的这种“后代码时代”，听起来更像是用接近自然语言的方式去表达软件逻辑，而不是写复杂的代码对吧？
Michael：是的。我们相信，未来编程的表达方式会像自然语言一样直观、可读。你可以用一种简洁明了的方式描述系统的逻辑和行为，而不再是复杂、难懂、碎片化的代码文件。
我们正在朝这个方向努力：让开发过程更可视、更易读、更像“描述意图”，而不是“拼凑代码”。
主持人：我觉得你刚才说的很重要，不能被大家忽略。你们的设想是——未来软件工程师甚至不再需要直接“看到代码”，而是用自然语言描述代码该做什么。这听起来有点像伪代码，但更强大、更接近真实执行。
Michael：没错。我们对此非常有信心。而且我们认为这个转变会发生在现有工程师的手中，是一个渐进式的演化过程。人仍然会掌控主动权，他们仍然会对软件的每一个细节有充分控制。
但与此同时，他们将拥有更快的迭代速度，不再需要慢吞吞地自己写出每一行代码。
后代码时代，工程师的技能变化:“品味”，决定权交给人，严谨性交给AI
主持人：那么对于现在已经是工程师，或者考虑成为工程师、产品经理或设计师的听众来说——在你所描绘的“后代码”世界里，哪些技能会变得越来越重要？
Michael：我认为，“品味”会变得越来越重要。
很多人一提到“品味”，脑海里想到的可能是视觉层面的：界面的配色、动效、UI/UX 等。但我认为，软件的“定义”不只有视觉部分，另一半是“逻辑结构”——即它是如何工作的。
我们目前有很多出色的工具来定义视觉，比如 Figma 这样的原型设计工具，但在定义软件逻辑方面，最好的表达方式依然是代码。而我相信，未来“工程师”的角色会更像是“逻辑设计师”。他们的主要任务，是明确表达出“这套系统该如何工作”，而不是纠结于具体怎么实现底层细节。
也就是说，工程的核心会从“怎么实现”转向“你想实现什么”，而“品味”将体现为你对软件整体运作逻辑的感知与判断力。
Michael（续）：我们距离这个目标还很远。目前，代码依然是不可或缺的表达形式，也存在许多搞笑的梗图，讽刺人们太依赖 AI 结果、却发现应用漏洞百出。但我认为未来，我们可以让“软件工程”变得不那么“谨小慎微”。
今天，一位出色的软件工程师非常讲究细节、结构、鲁棒性、边界条件等等。但随着工具演进，我们可以将一部分“严谨性”交给 AI，工程师则可以更多地发挥“意图设计”的能力。
主持人：这让我想到一个术语：“Vibe Coding”（戏称：凭感觉写代码）。你说的，是不是某种程度上就是“Vibe Coding”？也就是不再关注底层细节，只要跟着感觉走就行了？
Michael：这个问题很有意思。我认为是相关的，但我们希望提供比 Vibe Coding 更可靠的方式。
“Vibe Coding”指的是一种很直觉的创作状态——你写了一大堆代码，但其实并不真正理解它的底层结构。这会带来一些问题：一旦你想要修改或扩展，整个系统很快就变得不可控。
我们正在探索的，是如何让人们在不完全理解底层代码的情况下，依然保持对系统结构的“控制权”。这对于习惯 Vibe Coding 的人群尤其重要。
Michael（续）：现在的 AI 工具还不能让“有品味的人”完全掌控软件开发过程。即使你有很强的产品直觉和设计想法，AI 在执行层面也会做出很多“你无法控制的决定”。
这正是我们努力想解决的问题——让“创意者”真正拥有掌控权，而不是把决定权交给 AI。
Cursor不是第一个产品，诞生前的思考和尝试
主持人：你刚才反复提到“品味”这个词，我想进一步追问一下。你心中的“品味”，到底具体指什么？
Michael：“品味”在我心中，就是对“该做什么”和“怎么做”拥有准确判断力。
未来，软件开发的核心将是：你对一个想法的清晰度——你知道自己想实现什么样的产品体验、什么样的功能逻辑、什么样的界面表现。而将这些想法快速无缝地转化为计算机可以执行的内容，就是新的开发过程。
所以，未来软件开发会越来越像“想清楚，然后表达出来”，而不是现在这样“从想法转译成机器语言”的过程。所以这里的“品味”，其实更接近“判断力”和“决策能力”。
主持人：太棒了。我之后还想回到这个话题，但我们现在先拉回开头。我从来没听过 Cursor 的创始故事，我相信大多数人也不知道。你们现在做的事情，可以说正在改变整个软件开发行业，是怎么开始的？有没有哪些令人难忘的初期经历？
Michael：说起来有点反直觉。Cursor 最早其实是“先有方案，再找问题”的过程。
我们当时在想，未来 10 年 AI 会不断进化，到底能用来做什么？有两个瞬间让我特别兴奋：
第一个是我们第一次用到 Copilot 的测试版，那是我们人生中第一次觉得“AI 真有用”。不仅如此，它还成了我们用过的最实用的 DevTool（开发工具）之一。这给了我们巨大的信心。
第二个关键点，是我们看到 OpenAI 等机构发表的关于模型扩展性的论文。那些论文表明，即使没有新想法，单靠扩大模型规模和数据量，AI 也会变得越来越强。这让我们相信，AI 产品的可行性已经到了临界点。
Michael（续）：于是到了 2021 年末、2022 年初，我们开始真正认真思考：如果 AI 会持续变强，那我们应该从哪个知识工作领域切入？那时很多人都在研究怎么训练模型，但很少有人在思考：“一个具体的职业、一个知识工作流，会因为 AI 的进步而发生怎样的根本性变化？”
这就变成了一个大型的“未来工作逆推”练习——比如说，假如 AI 真的这么厉害了，设计师、程序员、分析师每天的工作会变成什么样？我们该用怎样的工具去适配那种工作方式？
我们当时最早其实并没有直接做编程工具，反而做了一个“没人竞争的领域”：机械工程。我们觉得代码工具已经有很多人做了，像 Copilot 已经上线了，不如去找个冷门方向切入。
Michael（续）：所以，我们最早的四个月其实都在尝试做一个针对机械工程师的 AI 工具。
但问题从一开始就显现了——我和联合创始人都不是机械工程师。我们虽然有朋友是搞机械的，但自己并不熟悉。等于我们像“盲人摸象”一样在做产品。再加上机械工程的数据很少，尤其是零件的 3D 模型几乎找不到公开数据，要从零开始训练模型，门槛非常高。
最终，我们意识到：我们对机械工程其实并没有那么热情，不值得为此投入一生的时间。于是我们回到了熟悉的领域——编程。
让我们惊讶的是，虽然 Copilot 已经推出好一阵子了，但整个开发流程其实并没有发生质变。我们也感觉市场上的玩家可能缺乏野心，并没有真正去思考 AI 会如何重塑整个软件开发流程。
这就是 Cursor 真正诞生的起点。
Cursor的路径为什么是IDE，而不是插件或者AI工程师
主持人：太有意思了。你刚才提到一件我很喜欢的事情——很多人建议“去做冷门行业，因为没人竞争、机会大”。但你们的经历恰恰相反：你们放弃了“冷门”，反而选择了“热门”——AI 编程工具，而且成功了。背后的启示是不是：即便一个赛道看起来已经很拥挤，只要你比别人更有野心、更有洞察，依然有巨大机会？
Michael：确实如此。我认为在 AI 领域，尤其如此。因为这个赛道的“上限”极高。
即便现在已有不少成熟产品，但你如果认真观察，会发现几乎每一个方向都还有很多可以改进的地方。所以，我们的出发点是：即使 Copilot 存在，它所解决的问题和方式可能还远远不够——我们还有更长远的目标。
只要这个领域本身值得探索，那就一定还有“跃迁”的空间。而 AI 的特别之处在于：你真的可以一跃千里。
主持人：我们回到你们选择的路径。当时其实有很多可能的方向，比如只做一个很强的模型 API，也可以做一个“AI 工程师”式的全自动工具。你们为什么决定走“做 IDE 编辑器”这条路？
Michael：这其实和我们的初衷有关。
我们一开始就很明确：我们要打造的是一个“人类掌控”的工具，而不是让 AI 全权接管。我们关心的是如何让人类保有所有决定权——这是我们的出发点。
你刚提到的那些公司，很多在构想的是一个“全自动化”的未来，AI 从头到尾帮你写完代码，用户可能只是看个结果。但我们更感兴趣的是，怎么在 AI 协助下，让人保有主动权。
此外，我们对技术的判断也非常现实。虽然我们对 AI 的未来充满信心，但我们也非常清楚它当前的局限。我们并不认为，现阶段的模型就已经能胜任全自动开发。
Michael（续）：所以我们从第一天起就坚持“自我使用”和“产品实用主义”。我们自己每天都用 Cursor 写代码，不会发布任何我们自己不觉得好用的功能。这种“自己做给自己用”的方式，让我们始终保持对技术现状的清醒认识。
这就意味着，我们要选择一种让“人类仍然在驾驶座”的方式，而不是幻想 AI 能独立完成一切。这也使我们走上了“不是纯模型公司”的道路。
至于“为什么做 IDE 而不是插件”？原因是：我们认为编程方式会根本性地改变，而现有的编辑器架构根本无法支持这种变革。它们的可扩展性太有限，无法适应全新的 UI 或工作流。只有自己掌握整个应用，我们才能真正重构开发体验。
主持人：你们现在已经是一个完整的 IDE 编辑器了，那你怎么看“Slack 里的 AI 工程师”这种趋势？未来大家是不是也会有 AI 工程师帮忙做事？Cursor 会不会也支持这种形式？
Michael：我认为，未来人们会希望在不同形式之间灵活切换。
有时候，你确实会希望 AI 能自己“跑去处理一段任务”；但你也会希望，能快速把它的结果拉回来、自己再调整细节、再让它继续去做事。
所以，我认为未来的理想状态是：无论是“前台互动”还是“后台自动化”，所有的协作方式都能无缝整合到同一个平台里。
尤其是对于某些开发任务（比如修 bug），AI 的自动化很有用。但绝大多数开发过程依然需要人主导。所以我们认为，IDE 的定义本身也会随着时间而演化。未来的 IDE，一定会是融合式、多模态的存在。
未来，Cursor的界面会是什么样子？
主持人： 你们现在已经是一个完整的 IDE 编辑器了，那你怎么看“Slack 里的 AI 工程师”这种趋势？未来大家是不是也会有 AI 工程师帮忙做事？Cursor 会不会也支持这种形式？
Michael： 我认为，未来人们会希望在不同形式之间灵活切换。
有时候，你确实会希望 AI 能够“独立去处理一段任务”；但同时，你也需要能快速查看它做了什么、适当修改、再继续指派任务。
所以，我认为理想的状态是：前台交互（你直接用 AI 写代码）和后台处理（AI 自动在你 Slack 或任务管理工具里执行）可以无缝结合。
特别是像修 bug 这种明确目标、标准清晰的任务，自动化是非常有效的。但开发工作远不止这些。所以 IDE 的定义也会不断演化。我们对 IDE 的理解，就是“你构建软件时所在的空间”。未来它可能既包括编辑器，也包括 Slack、issue tracker 等多种界面。
如何管理笨笨的「AI 工程师」？
主持人： 很多人现在在谈“AI 代理”“AI 工程师”，但他们忽略了一个问题——这其实会让我们每个人都变成了“工程经理”，你要不断地审查、批准 AI 写的东西，还要写清楚任务需求。听起来非常累人。你怎么看这个趋势？你们在 Cursor 会怎么应对？
Michael： 说实话……确实挺累人的（笑）。最终我们可能会进入一种“每个人都有一堆 AI 下属”的世界，每天都要开 1 对 1 会议。
主持人（笑）： 是啊，每天都要开好多 1 对 1，管好多“笨助理”。
Michael： 目前我们看到，使用 AI 成功的用户往往对它们的使用是“谨慎而保守”的。他们不是一上来就把整个任务全扔给 AI，而是做得很细致。
我们提供了一种叫 “next stack edit prediction” 的功能，本质上是你像平常一样写代码，我们帮你预判你接下来要做的事，并提供建议。这种方式结合传统编码体验，比较容易掌控。
此外，我们发现，如果你真的要把大任务交给 AI，有两种方式：
一种是你在最开始把所有细节都写清楚，AI 一次性完成，然后你再 review（一次性交付）；
另一种是你把任务拆成很多小块，一点点指定、一点点验证。这种“分段式协作”更像自动补全，是现在效果更好、用户最常采用的方式。
Cursor是如何判断打磨好了：“就是它了”
主持人： 这个方法听起来好多了。比起管理一堆“傻 AI”，逐步协作确实高效很多。那你们当初怎么判断 Cursor 准备好了，可以发布给大家使用了呢？有没有那个“就是现在”的决定性时刻？
Michael： 我们从一开始就非常谨慎，担心“闭门造车”太久会脱离真实需求。
所以最初我们甚至没有用 VS Code 做基础，而是从头打造了一个轻量原型（当然后来我们还是基于 VS Code 重构了）。那时候，我们花了几周快速搭建出一个能用的编辑器，加入基础功能——多语言支持、代码跳转、命令行集成、远程服务器支持等等。
大概五周后，我们就完全转用我们自己的编辑器开发 Cursor，不再用旧工具。当我们开始觉得“它挺好用了”，就马上推给一小批用户试用。
Michael（续）： 我们一开始只做了一个短暂的内测，然后很快在三个月内公开上线。
说实话，我们原本以为会有一段“寂寞的打磨期”，只会有几百个用户。结果一上线就引发了大量兴趣和反馈。
这些反馈非常有价值，也促使我们放弃手写编辑器，转而构建在 VS Code 上。从那之后，我们几乎是边用边改，持续在“公开领域”中迭代产品。
Cursor的疯狂增长之路：产品主导 vs 市场主导
主持人： 我注意到你刚才特别“低调”地说你们收到了用户反馈。但其实你们在发布后，从 0 增长到 1 亿美元年收入，仅仅花了一年半！这太惊人了。你觉得 Cursor 爆发式增长的关键是什么？你提到“dogfooding”（自己每天用自己的产品），这是核心原因吗？
Michael： 确实，最初三个月我们做出来的版本并不算好。但我们的理念一直是：别把重点放在一开始的“轰动式推出”，而是持续迭代，让产品变得越来越好。
我们的终极目标是：发明一种新的编程形态，真正改变人们写代码的方式。这个目标离现在还很遥远。所以我们一直都很清楚：还有很多工作要做。
我们的策略从来不是“押宝一次成功”，而是持续、稳定地改进产品，逐步逼近那个理想状态。
主持人： 那有没有哪个时刻，是你们真正觉得“事情开始爆发了”的？
Michael： 老实说，一开始的增长感觉是“慢”的。我们当时甚至有点着急，觉得进展是不是不够快。
不过，当你回头看增长曲线，会发现其实它是一条很漂亮的指数曲线。只是指数增长的初期，数字都很小，看起来像“慢增长”。但当它持续累积，就变成了爆发。
有时候我们会通过发布新功能推动增长，但整体上，这是一个“稳定的指数型累加过程”。并没有一夜之间的奇迹。
主持人： 听你这样说，感觉你们真的就是把产品做好，然后“自然而然地”用户就来了。这种“Build it, and they will come”（做了好产品，自然有人用）在你们这里似乎真的成立了？
Michael： 我们确实在产品上倾注了几乎所有时间。虽然也花时间搭建团队、做客服支持等，但像销售、市场这些传统创业初期常见的事情，我们在很长一段时间内都“任由它们燃烧”（就是没太管）。
我们相信，只要产品真的好用，用户自然会来。
Michael（续）： 当然，说起来简单，做起来很难。
首先，“好产品”这个定义就很难把握。你面对的用户群不同、场景不同、需求不同，你必须非常专注地筛选方向，精确决定“该做什么”。
其次，这也是一种很特别的产品类型。我们既像传统软件公司，也像模型研究公司。我们不仅要做出好用的 UI/功能体验，同时还得在 AI 模型层面不断突破，提升智能质量。
所以，重点不只是把事情“做对”，而是“在对的地方做得极致”。
Cursor为什么不是套壳？创始人自述自家产品的模型策略
主持人： 我们刚才聊到了很多产品端的内容，现在我想回到“模型”这件事。很多人可能会以为 Cursor 就是一个“套 GPT 的壳”，你们是不是从一开始就打算自己训练模型的？有没有什么让你们意外的地方？
Michael： 老实讲，我们一开始完全没打算自己做模型开发。
我们本来觉得，市面上已经有那么多优秀的基础模型，像 GPT 系列、Claude、Gemini 等，我们只要搭配使用它们、围绕它们做交互设计和体验优化就好。去训练一个大模型，不仅耗资巨大，而且好像也是“重复造轮子”。
但实际做下来后我们发现，几乎 Cursor 每一个“令人惊叹的时刻”，背后都离不开我们自己的定制模型。这让我们彻底转变了思路。
主持人： 哇，那你们现在是有完整的模型栈？能讲讲你们的技术堆栈和使用逻辑吗？
Michael： 我们当然还在使用大型基础模型，比如 GPT-4、Claude、Gemini 等——它们依然是整个体验中不可替代的一部分。但我们在很多关键地方都插入了自研模型。
举个例子，我们对“自动补全”有一个非常强的实现，这其实是代码开发中非常独特的一种工作模式：很多时候，接下来 5 分钟你会做什么，其实是可预测的。
比如你修改了一个函数，接下来你多半会修改另一个函数、更新文档、改测试代码。这些“习惯路径”是可以预测的。我们训练了一组专门的模型，用来在你写代码的过程中实时预测你下一步最可能会改动哪些地方。这对提高效率至关重要。
这个任务非常特殊：模型需要非常快，延迟必须低于 300 毫秒；成本也要低；并且它不只是“续写下一句”，而是跨文件地预测多个编辑动作。这是基础大模型完全做不到的地方。
Michael（续）： 另外，还有两类我们自研模型的典型用途：
输入层面 —— 我们有模型负责在整个代码库中搜索“上下文片段”，告诉大模型要看哪些地方。就像一个专用的“代码搜索引擎”。
输出层面 —— 基础大模型通常会输出一个大致的“代码修改建议”，但它们不会给出完整、可执行的 diff。这时我们的小模型就会接手，把“大模型的草图”加工成真正的代码补丁。
这些定制模型极大地提高了整体体验的速度、质量和实用性。
主持人： 这真的很像 OpenAI 的 Kevin Wheel 说的“模型合奏”（ensemble of models）：每种模型各司其职，既有大模型提供抽象能力，也有小模型保证速度与准确度。
那你们的这些模型，是基于哪些底层框架或者开源模型构建的？LLaMA 之类的吗？
Michael： 我们比较务实，尽量不重复造轮子。大多数情况下，我们会选择当下最优秀的开源预训练模型作为起点，然后在它们之上做后训练、定制优化。
我们不太在意“是否拥有底层权重”，而是关注“能否灵活微调”、“是否能快速迭代”。有时我们也会和闭源模型方合作，在他们的平台上做定制训练。
AI 产品如何防「被抄袭」？
主持人： 这就引出了一个很热门的话题：AI 创业公司的“护城河”到底是什么？很多投资人都在问，你们怎么防止别人抄你？你们怎么看 Cursor 的长期护城河？
Michael： 我觉得必须承认一个现实：这个行业的门槛，其实没有你想象中那么高。大家都能用 OpenAI、Claude、Gemini，复制你产品表层交互的人永远存在。
所以，我们的策略不是靠传统意义上的“锁死用户”，而是始终努力做出“最好用的产品”。
Michael（续）： 我认为我们所处的这个 AI 领域，更像是一些“非传统软件市场”的情况，比如：
- 1990 年代末期的搜索引擎市场
- 20 世纪中后期的个人计算机市场
这些市场有几个共同点：
一、天花板极高：你永远都有新功能可以做，用户价值提升空间非常大。
二、用户能快速对比谁更好用：不像企业合同一签就锁几年，开发者愿意随时切换到更好用的工具。
三、技术和产品可以互相反馈：比如你用户多了，就能收集更多数据，进而改进模型，产品越好用，数据越多，形成正循环。
换句话说，这是一个“不断被超越”的市场。你今天领先，不代表明天不会被别人追上。所以唯一的办法是持续创新、快速迭代，永远走在前面。
主持人： 听起来你认为这更像是“消费级产品”的护城河：不是靠绑定，而是靠“不断把产品做得最好”，让大家自愿留下来。
Michael： 对，完全同意。如果你做的是一个“封闭环境、换起来很难”的系统，比如企业 ERP，那靠合同锁定用户就很合理。
但在我们这个赛道，开发者完全可以试试别的工具。你必须足够好，才能让他们留下来。我们真正靠的是：技术领先、体验领先、质量领先。
不过，这也意味着——
我们必须一直招最顶尖的人，一直保持技术探索的领先，一直对用户体验“偏执追求”。
微软为何会错失机会？未来的格局：一超多强
主持人： 那你觉得未来这个市场会是“一家独大”，还是百花齐放？Cursor 会成为唯一的“超级编程工具”吗？
Michael： 我认为这是一个非常巨大的市场，大到可以容纳很多玩家。
在某些垂直领域，比如专为游戏开发、芯片设计等特定场景构建的 AI 工具，会有专门的团队去做。但我也相信，会出现一家通用型的“超级软件构建平台”，几乎承担起全世界软件开发的任务。
我们当然希望是 Cursor 能成为这家公司，但谁最终做到还未可知。我们现在专注做正确的事，并尽最大努力成为那家通用平台提供者。
主持人： 说到这个，我觉得特别有意思的一点是：微软其实在这个赛道是第一个吃螃蟹的，Copilot 出得早，产品和分发能力都很强。但现在很多开发者却觉得他们落后了。你怎么看这个现象？
Michael： 我觉得有两方面原因。
第一是结构性的。这个市场对“老玩家”并不友好。很多企业市场是靠绑定合同、嵌入流程、迁移成本高这些因素来锁用户的。但开发工具不是——它的特点是：
- 用户非常有主见
- 换工具成本低
- 谁好用就换谁
这就导致你很难靠“惯性”获胜，必须靠持续创新。
第二是历史性的。据我了解，早期主导 Copilot 的团队后来大多转去做别的项目了。而这样一个多部门、多方向的产品，想要统一推动并持续迭代，其实非常难。
我们对微软是非常尊敬的，毕竟我们也用他们很多产品。但我认为，要在这个领域持续领先，必须要非常专注、快速、灵活，这对大公司来说是一种挑战。
创始人给用户的建议：不要一股脑把大任务丢给AI
主持人： 回到 Cursor 本身，如果你能坐在每一个新用户旁边，告诉他们一两句“使用建议”，让他们更顺利上手，你会说什么？
Michael： 现在的 Cursor 其实还缺乏对“AI 能力边界”的教学。所以我会给两个建议：
一、不要一股脑把大任务丢给 AI。与其写一大段 prompt，不如把任务拆小一点，分步骤进行。每一步都反馈一下，让 AI 更精准地帮你完成。
二、在副项目中“试错式探索”。很多用户在主项目里很谨慎，不敢用 AI。我们建议在 side project（副业、实验项目）里大胆尝试，看看 AI 到底能做到什么。这能帮助你建立“直觉”，知道模型擅长哪些、哪里还不靠谱。
主持人： 就是说，像训练肌肉一样建立“对模型的感觉”对吧？每次模型升级后还得重新训练一次感觉？
Michael： 完全正确！虽然现在每次模型更新之间的差距没那么大了，但每个模型仍有不同的“性格”和边界。
我们希望未来产品能自动引导用户理解这些差异，但现在还没做到。建立这种“感知能力”，是提升效率的关键。
主持人： 那像 Cursor 这种工具，究竟对哪类工程师帮助最大？是更适合初级工程师，还是更能让高级工程师效率翻倍？
Michael： 其实两边都收益很大，但也各有“误区”：
初级工程师：容易过度依赖 AI，期待它“一口气写完一切”，结果出了问题不知道怎么 debug。
高级工程师：有些人过于保守，对 AI 能力缺乏信心，坚持老流程，错失了效率提升的机会。
我们看到，很多公司里推动 AI 工具落地的，反而是资深工程师组建的 Developer Experience 团队。他们对工具更敏感，也更愿意探索“如何放大整个团队的生产力”。
Cursor招人都设置什么样的面试题团队是如何打造一支“小而精”的世界级队伍
主持人： 你们现在团队很小吧？能讲讲你们是怎么招聘的吗？你们对招人有哪些标准？
Michael： 我们现在团队大概 16 人，真的很小，但产出非常高效。
我们看重的标准，其实总结下来就是一句话：你愿不愿意在某件事上“走到极致”。
Michael（续）： 很多候选人技术很好、简历很棒，但他们的“兴趣强度”不够。比如：有人说自己喜欢机器学习，但只读过两篇论文；有人说自己擅长开发工具，但从没深入想过“IDE 应该长什么样”。
我们寻找的是那种“有过专注极限体验”的人，比如：
- 为了解一个算法自己写过模拟器；
- 因为代码结构不满意，私下重构了整个 side project；
- 或者就是哪怕无聊的工具，也愿意优化成极致。
“是否愿意走得足够远”，才是我们最核心的评估点。
主持人： 你们在面试过程中是怎么判断一个人有没有这种特质的？毕竟靠简历或者聊天挺难看出来的。
Michael： 我们给每一个候选人都安排一个整两天的 on-site 项目。
这个项目不是面试题，而是真正的工作任务。比如：
- 给 Cursor 做个新功能
- 改进某个现有模块
- 搭个小系统验证想法
我们不太在意项目最终做成什么，而是看你在过程中怎么思考、怎么设计、怎么迭代、遇到问题怎么debug。我们还会要求你录屏+讲解你的思路，整个过程能非常清晰地暴露出你的工程品味、对细节的态度、面对未知问题的解决能力。
主持人： 哇，这真的是“重度投入型”面试流程了。那你们目前是远程工作吗？还是集中办公？
Michael： 我们目前是“绝大多数人都在旧金山”，但不强制大家坐班。
我们相信高密度的面对面交流对创意和产品判断很重要。但同时我们也希望工作节奏是“深度的、专注的”，而不是打卡式的。
我们最看重的是：你是否能持续贡献高质量成果，并推动团队向前走。
Michael 的私房菜单推荐AI 和软件行业的未来预判
主持人： 我们最后来几个快问快答。首先，你最近最喜欢的工具是什么？除了 Cursor（笑）。
Michael： 我最近特别喜欢一个叫 Raycast 的工具。它有点像是一个“超级启动器 + AI 集成平台”，我现在几乎什么都从那里开始，比如打开文档、运行脚本、快速搜索内部资料等等。
Raycast 的使用体验非常丝滑，它就像是“生产力黑客”的理想入口。也算是我希望 Cursor 成为的样子——不仅仅是工具，更是一种工作方式的核心枢纽。
主持人： 有没有一本书、一次经历、一个播客对你影响特别大？尤其是在你创业或构建 Cursor 的过程中。
Michael： 我推荐一本书，虽然不太主流：《The Dream Machine》（作者：M. Mitchell Waldrop）。
这本书讲的是计算机历史的早期，包括 J.C.R. Licklider 和 ARPA 背后的故事。它非常深入地描写了那个年代人们对“人机交互”的探索，而不是纯粹关注技术本身。
书里的人物都在思考一个问题：“我们到底想用计算机来做什么？” 我觉得这也是我们今天做 AI 工具最该思考的问题。不是去追某个功能、某个趋势，而是想清楚我们希望人类在 loop 中扮演什么角色。
主持人： 最后一个问题——你怎么看未来 10 年的软件开发行业？尤其是在 AI 迅速演进的背景下。
Michael： 我认为我们正站在一场根本性转变的门槛上。
过去几十年，我们习惯了“用代码定义软件”。但未来 10 年里，AI 会让“定义软件”的方式彻底改变。
这并不是说“每个人都变成写 prompt 的人”，也不是“代码彻底消失”，而是：
- 更自然的表达方式：让更多人能参与创造
- 更强的协同能力：人类和 AI 像队友一样并肩作战
- 更快的迭代周期：软件开发变成一个流动过程，而不是一堆文件
在这个过程中，工程师仍然非常重要——但他们将从“键盘操作员”变成“系统设计师”，把精力花在结构、意图、体验，而不是琐碎代码细节上。
我们希望 Cursor 能帮助大家走向这个未来。
主持人： Michael，谢谢你今天精彩的分享。这期访谈信息密度超高，观点极具前瞻性。我相信每一位软件从业者，听完都会有所启发。
参考链接：https://www.youtube.com/watch?v=En5cSXgGvZM
