Cursor 产品与应用体验研究报告

跳至内容

Cursor
功能
企业
定价
资源
↓
登录
下载

下载适用于 macOS 的版本

⤓

This element contains an interactive demo for sighted users showing multiple Cursor interfaces: the IDE with AI-powered coding assistance, the CLI with command-line assistance. The interfaces are displayed over a scenic painted landscape wallpaper, giving the demo an artistic backdrop.

产品目录结构示例

Cursor
Get Cursor
ML-RESEARCH-NOTEBOOK
notebooks
train_model.py
evaluation.py
experiments
config.yaml
run_experiment.py
requirements.txt
train_model.py
run_experiment.py
config.yaml

MLP 代码演示（PyTorch MNIST 实验）

import torch
import torch.nn as nn
from torch.utils.data import DataLoader
from torchvision import datasets
 
def get_dataloaders(batch_size=64):
  transform = transforms.Compose([transforms.ToTensor()])
  train = datasets.MNIST(root="data", train=True, download=True, transform=transform)
  test = datasets.MNIST(root="data", train=False, download=True, transform=transform)
  return DataLoader(train, batch_size=batch_size, shuffle=True), DataLoader(test, batch_size=batch_size)
 
 
class MLP(nn.Module):
  def __init__(self, hidden=128):
    super().__init__()
    self.net = nn.Sequential(
      nn.Flatten(),
      nn.Linear(28*28, hidden),
      nn.ReLU(),
      nn.Linear(hidden, 10),
    )
 
  def forward(self, x):
    return self.net(x)
 
def train_model(epochs=1, lr=1e-3, device=None):
  device = device or ("cuda" if torch.cuda.is_available() else "cpu")
  model = MLP().to(device)
  opt = torch.optim.Adam(model.parameters(), lr=lr)
  loss_fn = nn.CrossEntropyLoss()
  train_loader, _ = get_dataloaders()
+  # Seed for reproducibility
+  torch.manual_seed(42)
+  if device == "cuda":
+    torch.cuda.manual_seed_all(42)
+  # AMP + Scheduler
+  scaler = torch.cuda.amp.GradScaler(enabled=(device=="cuda"))
+  scheduler = torch.optim.lr_scheduler.CosineAnnealingLR(opt, T_max=epochs)
  model.train()
  for epoch in range(epochs):
    total, correct = 0, 0
    for x, y in tqdm(train_loader, desc=f"epoch {epoch+1}"):
      x, y = x.to(device), y.to(device)
      opt.zero_grad(set_to_none=True)
      logits = model(x)
      loss = loss_fn(logits, y)
      loss.backward()
      opt.step()
      scaler.scale(loss).backward()
        scaler.unscale_(opt)
+      torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm=1.0)
      scaler.step(opt)
      scaler.update()
+      preds = logits.argmax(dim=1)
+      total += y.size(0)
+      correct += (preds == y).sum().item()
+    acc = correct / max(1, total)
    scheduler.step()
+    print(f"epoch {epoch+1}: acc={acc:.3f}")
  return model`,

实验主题： PyTorch MNIST 实验

添加混合精度训练
学习率调度
完善的验证
创建实验配置系统，便于轻松运行不同的超参数设置

Cursor 代理与人机协作体验

Agent
GPT-5
cursor-agent
Get CLI
Cursor Agent
~/Repos/ml-research-notebook

PyTorch MNIST 实验
添加混合精度训练、学习率调度和完善的验证。同时创建一个实验配置系统，便于我轻松运行不同的超参数设置。

→ GPT-5 / 表示命令 · @ 表示文件

用户信赖与知名案例

每天都深受数百万专业开发者信赖。

Agent 将想法化为代码
人机协作的程序员，效率远超任何单独开发者的数量级。

了解 Agent →

This element contains an interactive demo for sighted users. It's a demonstration of Cursor's IDE showing AI-powered coding assistance features. The interface is displayed over a scenic painted landscape wallpaper, giving the demo an artistic backdrop.

任务与项目进度

进行中 4
企业订单管理系统 (正在生成)
分析 Tab 与 Agent 的使用模式 (正在生成)
PyTorch MNIST 实验 (正在生成)
修复 PR 评论获取问题 (正在生成)
准备进行审核 2
为 Dashboard 设置 Cursor 规则 (30m +37 -0)
生物信息学工具 (45m +135 -21)
分析 Tab 与 Agent 的使用模式

请帮我了解各团队在我们的各个工作区中，如何在标签视图与代理面板之间分配精力。

Agent GPT-5

自动补全与编辑体验

近乎神准的自动补全

自研 Tab 模型以惊人的速度与精度预测你的下一步操作。

了解 Tab →

团队协作与生态系统

无处不在的研发现场

Cursor 出现在 GitHub 审阅你的 PR
在 Slack 中作为队友
以及你工作的任何其他地方

了解 Cursor 的生态系统 → This element contains an interactive demo for sighted users showing multiple Cursor interfaces: Slack integration for team communication, GitHub integration for code review and debugging. The interfaces are displayed over a scenic painted landscape wallpaper, giving the demo an artistic backdrop.

实际讨论与问题修复流程（Slack 与 PR 集成）

Slack
- Get Cursor for Slack
- #ask-cursor 8 位成员
- dylan 9/16/2025: 这只是个小需求，但如果网站的版本发布页面能提供锚点链接就太好了（4条回复）
- dylan 9/16/2025: 想要能够访问 cursor.com/changelog#1.0 查看 1.0 的更新日志
- eric 9/16/2025: 看起来没问题
- @cursor 你能试试看吗？
- Cursor APP 9/16/2025: 我为更新日志条目实现了直接链接，并在整个项目中更新了 Node.js 版本约束，以提升兼容性和可维护性。查看 PR | 在 Cursor 中打开 | 在网页中打开
- dylan 9/16/2025: 太好了，@eric，你能看一下吗？
GitHub Pull Request
- Get BugBot
- cursor 机器人 (已审查 1 分钟前)
  - src/vs/workbench/composer/browser/components/ComposerUnifiedDropdown.tsx
  - 3292 - {selectedMode().keybinding}
  - 3293 + {composerOpenModeToggleKeybinding}
  - cursor 机器人 1 分钟前错误：函数返回对象而非字符串（逻辑错误）
  - composerOpenModeToggleKeybinding 是一个需要调用才能获取其值的函数。直接使用它会导致按键绑定的显示条件始终为真。
  - 在 Cursor 中修复 | 在 Web 上修复

行业影响力与采用率

"前后两批次的效果判若云泥，采用率从个位数飙升至80%以上。它像野火般迅速蔓延，最顶尖的开发者都在使用 Cursor。" — Diana Hu, 管理合伙人, Y Combinator

"迄今为止我付费使用、毫无疑问最有用的 AI 工具就是 Cursor。它速度快、在你需要的时机和位置智能补全，括号处理得当，键盘快捷键设计合理，支持自带模型……各方面都打磨得非常到位。" — shadcn, shadcn/ui 的创作者

"最出色的 LLM 应用都有一个“自主性滑杆”：你可以决定给 AI 多大的自主权。在 Cursor 中，你可以用 Tab 自动补全、用 Cmd+K 做定向编辑，或者直接放手交给全自主代理模式来处理。" — Andrej Karpathy, CEO, Eureka Labs

"在 Stripe，使用 Cursor 的人数迅速从几百人增长到上千名极其热情的员工。我们在研发和软件构建上的投入超过其他任何领域，而让这一过程更高效、更有产出，会带来显著的经济回报。" — Patrick Collison, 联合创始人与首席执行官, Stripe

"正式定了。我讨厌 vibe coding。我超爱用 Cursor 的 Tab 补全来写代码。太离谱了。" — ThePrimeagen @ThePrimeagen

"当程序员这件事确实变得更有趣了。与其在无数页面里翻找，不如专注于你想要达成的结果。我们现在不过触及了可能性的 1%，而在像 Cursor 这样的交互式体验中，像 GPT-5 这样的模型会大放异彩。" — Greg Brockman, 总裁, OpenAI

模型与生态系统能力

走在前沿
接入顶尖模型
在 OpenAI、Anthropic、Gemini 和 xAI 的所有前沿模型中自由选择
探索模型 ↗
Auto 推荐 GPT-5 高速 Claude Sonnet 4.5 ✓ Claude Opus 4.1 Gemini 2.5 Pro Grok Code

代码库学习能力

Cursor 能学习你的代码库如何运作，无论规模大小或复杂程度。
了解代码库索引 ↗

这些菜单标签的颜色是在哪里定义的？

产品安全与企业级信任

深受超过一半《财富》500 强信赖
加速研发，安全且可扩展
探索企业版 →

版本发布与更新日志

更新日志
1.7 Sep 29, 2025
Agent 自动补全、Hook 与团队规则
1.6 Sep 12, 2025
斜杠菜单命令、摘要功能，以及更完善的 Agent 终端
1.5 Aug 21, 2025
Linear 集成、改进的 Agent 终端，以及操作系统通知
1.4 Aug 6, 2025
改进的 Agent 工具、可引导性与使用可见性

查看Cursor新功能 →

创新与技术突破亮点

用在线强化学习改进 Cursor Tab
- 我们的全新 Tab 模型整体建议数减少 21%，但接受率提升 28%。
  Research · Sep 12, 2025
使用自定义 MXFP8 内核，将 MoE 训练提速至 1.5 倍
- 通过为 Blackwell GPU 进行完整重构，实现 MoE 层 3.5 倍的加速。
  Research · Aug 29, 2025
C 轮融资与规模化
- 我们已融资 9 亿美元，以推进 AI 编码研究的前沿。
  Company · Jun 6, 2025

查看更多帖子 →

结语与行动号召

立即体验 Cursor。