258
4主要论点和重要事实：
- Cursor 的核心愿景：后代码时代和逻辑设计师的兴起
- Cursor 的最终目标是“发明一种全新的编程方式，一种非常不同的构建软件的方式”。
- 他们预见了一个“后代码”世界，工程师将更多地成为“逻辑设计师”，专注于“准确地指定你想要一切如何工作的意图”。
- 这种新方法将是一种“更高层次、更具生产力、在某些情况下也更容易获得的构建软件的方法”。
- 这与目前流行的两种观点不同：一是软件构建将与现在非常相似（文本编辑、正式编程语言），二是未来将完全依赖于与机器人交谈来构建和修改软件（聊天机器人/Slackbot 模式）。
- Cursor 致力于创建一个软件逻辑表示，它“更像英语”，可以在更高层次上编辑和指向，而不是“难以理解的数百万行代码”。
- Cursor 的惊人增长和成功秘诀
- Cursor 的增长速度“史无前例”，在推出 20 个月后达到了 1 亿美元 ARR，推出两年后达到了 3 亿美元 ARR。
- 增长是“相当一致的指数级增长”，最初的指数级增长感觉“相当缓慢”，直到数字变大。
- 成功的秘诀在于“持续的偏执”，认为产品可以在许多方面变得更好，最终目标是“发明一种全新的编程方式”。
- 专注于产品构建和首先构建自己喜欢的、团队喜欢的，然后根据用户进行调整是重要的。
- 战略性地选择要构建的正确事物和有效优先级划分是很重要的。
- AI 产品构建是一种新的、跨学科的形式，介于普通软件公司和基础模型公司之间，需要在产品卓越性和模型开发方面都做得很好。
- 引文：
- “你们在一年半的时间里从 0 美元达到了 1 亿美元 ARR，这是史无前例的。”
- “Cursor 是领先的 AI 代码编辑器，正处于改变工程师和产品团队构建软件方式的最前沿。它也是有史以来增长最快的产品之一，在推出 20 个月后达到了 1 亿美元 ARR，推出两年后达到了 3 亿美元 ARR。”
- “我认为秘诀在于……持续的偏执，认为这个东西可以在所有这些方面变得更好。最终目标是真正发明一种新的编程方式。”
- 自定义模型在 Cursor 中的重要性
- 一个“最违反直觉”的发现是，“我们绝对没想到会自己开发模型。”
- 然而，“此刻，Cursor 中的每个魔幻时刻都以某种方式涉及自定义模型。”
- Cursor 确实使用了最大的基础模型（如 Sonnet、Gemini、GPT），但在成本或速度原因下，对于基础模型无法服务的使用案例，他们使用自己的模型。
- 一个核心例子是自动补全功能，它需要极快的速度（300 毫秒内的完成）和低成本，并专注于预测代码更改（diffs）。
- 他们还在大型模型输入和输出的辅助模型，例如搜索相关代码部分（输入端）和将大型模型的草图转换为完整的代码 diffs（输出端）。
- 自定义模型的开发是“非常有帮助的”，可以提高质量（特别是在特定任务中）和速度。
- 软件开发未来的技能：品味和意图指定
- 在“后代码”世界中，“品味”将变得“越来越有价值”。这不仅包括视觉品味（UI/UX），也包括软件的逻辑和工作方式的“品味”。
- 工程师将更多地感觉自己是“逻辑设计师”，专注于“准确地指定你想要一切如何工作的意图”。
- 未来将更多地关注“是什么”，而不是“如何做”。
- 工程师将能够“不那么小心”，从目前的“极度重要”的谨慎转变为更多地关注“品味”。
- “品味”是指“对应该构建什么有正确的想法”，以及“轻松地将其转化为你想要构建的东西，你想要一切如何工作，你想要它是什么样子”。
- 克服“Vibe Coding”的挑战
- “Vibe coding”描述了一种状态，即人们生成大量代码，但不理解细节。
- 目前的挑战是，不理解细节会导致无法更改大型生成代码。
- 解决方案在于找到如何“在他们不理解代码的情况下，赋予人们持续控制所有细节的能力”。
- 目前，让有“品味”的人完全控制软件还存在问题，因为 AI 做出的决定可能“难以驾驭”，缺乏控制。
- 如何成功使用 AI 工具：分解任务和实验
- 目前成功使用这些工具的人往往会“分解事情”，而不是一次性向模型指定所有内容。他们会“指定一点，AI 写一点，审查，指定一点，AI 写一点，审查”。
- 建议不要“写一个巨大的东西，告诉模型准确地做什么”，这可能是“灾难的秘诀”。
- 鼓励开发者在安全的环境中（例如副项目）“明确地尝试摔倒”，通过“雄心勃勃”来“发现这些模型的极限”。
- 许多人低估了 AI 的能力，需要“给 AI 一个公平的机会”。
- 早期发展的挑战和教训
- Cursor 的起源是“为问题寻找解决方案”，并思考 AI 在未来十年的发展。
- 关键时刻之一是使用 Code Pilot 的早期测试版，这是他们遇到的第一个“真正、真正、真正有用”的 AI 产品，也是“用过的最有用，如果不是最有用，的开发工具之一”。
- 他们最初曾尝试将 AI 应用于机械工程，但由于数据稀缺和个人兴趣不足而放弃。
- 转向编程领域是因为感觉这个领域“尽管已经过了一段时间，但变化不大”，并且认为现有参与者“野心不够”。
- “野心不足”是一个重要的教训：即使一个领域看起来拥挤，如果现有玩家不够雄心勃勃或方法存在缺陷，仍然存在巨大机会。AI 领域的“天花板非常高”。
- 早期的产品构建（包括从零开始构建原型，后转向基于 VS Code）速度非常快（3个月）。
- 关于招聘，“很多人你听说他们招聘太快，我认为我们一开始招聘得太慢了。”找到合适的团队成员“无比重要”。
- 他们通过长时间（有时甚至数年）招聘他们认为“世界一流”的人才来克服这一点。
- 他们使用为期两天的现场“工作测试项目”作为核心面试流程的一部分，这有助于评估工作产品、文化契合度和候选人的积极性。
- 关于 AI 领域的护城河和可防御性
- Truell 认为，AI 领域需要“持续努力构建最好的东西”，因为“天花板太高了”，可以被“跨越”。
- 他将当前市场比作 1999 年底的搜索引擎市场或 70、80、90 年代的微型计算机市场，这些市场的“天花板都很高”，可以持续地从投资中获得价值。
- 他认为这更像“消费者类型的护城河”，即持续地成为最好的产品，让人们留在你身边，而不是像 Salesforce 那样通过锁定和合同来创造锁定。
- 关键在于，如果在一个可以持续进行“大规模投资”和招聘“优秀人才”来获取价值的领域，就可以获得研发的“规模经济”，并在技术上深入发展，从而形成可防御性。
- AI 领域未来的赢家
- 市场“非常非常大”，比过去为开发者构建工具的市场大得多。
- 未来将会有“很多不同的解决方案”。
- 然而，Truell 预测会有一家公司构建“构建世界上几乎所有软件的通用工具”，这将是一项“世代相传的巨大业务”。
- 这家公司将负责“让整个过程变得更好”，包括底层的技术（整合最佳提供商，有时自己开发）和产品体验。
- 除了通用工具外，还会有公司专注于“特定细分市场”或“软件开发生命周期中非常特定的一部分”。
- 他不认为这是一个对现有巨头“非常友好”的市场，因为竞争在于谁拥有“最具创新性的产品”，并且切换门槛相对较低。
