一、产品概览与目标

Cursor एक उच्च-दक्षता वाली एआई प्रोग्रामिंग अनुभूति बनाने के लिए समर्पित है, जिसे इस तरह वर्णित किया जाता है: “आपको अत्यधिक दक्ष बनाने के लिए जन्मा, Cursor एआई के साथ प्रोग्राम करने का सबसे बेहतर तरीका है।”
यह macOS के लिए डाउनलोड संस्करण के साथ विभिन्न एंटरप्राइज़, मूल्य निर्धारण और संसाधन सेवाएँ प्रदान करता है, बहुभाषी और अलग-अलग विकास परिदृश्यों के साथ संगत है, और लाखों पेशेवर डेवलपर्स के रोज़मर्रा के काम में मदद करता है।

• IDE, CLI, Slack, GitHub आदि जैसे कई इंटरफ़ेस का एकीकरण
• एआई कोड कम्प्लीशन, एजेंट सहयोग, टैब स्मार्ट कम्प्लीशन, बहु-मॉडल चयन का समर्थन
• एंटरप्राइज़ कस्टमाइज़ेशन और टीम वर्कफ़्लो समर्थन
• हर दिन लाखों पेशेवर डेवलपर्स द्वारा भरोसेमंद

二、AI 编程与实验平台体验

2.1 交互体验与产品界面

यह उत्पाद समृद्ध इंटरएक्टिव डेमो शामिल करता है: IDE एआई कोड असिस्टेंट का समर्थन करता है, CLI कमांड लाइन इंटेलिजेंट असिस्टेंस प्रदान करता है, और दोनों में सुंदर लैंडस्केप इलस्ट्रेशन को वॉलपेपर के रूप में उपयोग किया गया है।

2.2 Notebook 与实验目录结构

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

प्रयोग फ़ाइल संरचना (मुख्य डायरेक्टरी और स्क्रिप्ट मूल रूप में बनाए रखी गई हैं):

• train_model.py
• run_experiment.py
• config.yaml

2.3 代码实现范例（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

PyTorch MNIST प्रयोग
मिश्रित-सटीकता प्रशिक्षण, लर्निंग रेट शेड्यूलिंग और संपूर्ण वेलिडेशन जोड़ें। साथ ही एक प्रयोग कॉन्फ़िगरेशन सिस्टम बनाएँ, ताकि मैं आसानी से अलग-अलग हाइपर-पैरामीटर सेटिंग्स चला सकूँ।

三、Agent 协作与编程加速体验

Cursor Agent GPT-5 के आधार पर स्वचालित कमांड जनरेशन, कोड ऑटो-कम्प्लीशन कर सकता है, CLI, वेब और IDE के साथ अनुकूल होता है, और एजेंट-आधारित उच्च-दक्षता मानव-मशीन सहयोग को साकार करता है।
मानव-मशीन सहयोग करने वाले प्रोग्रामर की दक्षता किसी भी एकल डेवलपर से कई गुना अधिक होती है।

• एजेंट स्वचालित रूप से विचारों को कोड में बदल देता है
• शुद्ध एजेंट मोड और टैब स्मार्ट कम्प्लीशन/Cmd+K निर्देशित संपादन दोनों का समर्थन करता है
• एंटरप्राइज़ ऑर्डर मैनेजमेंट, बायोइन्फ़ॉर्मेटिक्स, कोड विश्लेषण, टीम-उन्मुख कई परिदृश्यों में एआई-सहायक विकास के लिए उपयुक्त

四、用户反馈与高采纳率成就

“पहले और बाद के दो बैचों के प्रभाव में ज़मीन-आसमान का फर्क था, अपनाने की दर एकल अंकों से उछलकर 80% से अधिक हो गई। यह जंगल की आग की तरह तेज़ी से फैला, और सबसे बेहतरीन डेवलपर्स सब Cursor का उपयोग कर रहे हैं।”
—— Diana Hu, प्रबंध साझेदार, Y Combinator

“सबसे उपयोगी एआई टूल Cursor ही है। यह तेज़ है, जिस समय और स्थान पर आपको ज़रूरत हो वहाँ स्मार्ट कम्प्लीशन देता है, ब्रैकेट हैंडलिंग बेहतरीन है, कीबोर्ड शॉर्टकट्स का डिज़ाइन उचित है, अपने साथ मॉडल सपोर्ट करता है… हर पहलू को बहुत बारीकी से तराशा गया है।”
—— shadcn, shadcn/ui के निर्माता

“सबसे उत्कृष्ट LLM एप्लिकेशनों में एक ‘ऑटोनॉमी स्लाइडर’ होता है: आप तय कर सकते हैं कि एआई को कितनी स्वायत्तता देनी है। Cursor में, आप टैब से ऑटो-कम्प्लीशन कर सकते हैं, Cmd+K से निर्देशित संपादन कर सकते हैं, या सीधे पूरी तरह स्वायत्त एजेंट मोड को सौंप सकते हैं।”
—— Andrej Karpathy, CEO, Eureka Labs

“Stripe में, Cursor का उपयोग करने वालों की संख्या कुछ सौ से तेज़ी से बढ़कर हज़ारों अत्यंत उत्साही कर्मचारियों तक पहुँच गई। हम R&D और सॉफ़्टवेयर निर्माण पर किसी भी अन्य क्षेत्र से अधिक निवेश करते हैं, और इस प्रक्रिया को ज़्यादा दक्ष और अधिक उत्पादक बनाना उल्लेखनीय आर्थिक प्रतिफल लाएगा।”
—— Patrick Collison, सह-संस्थापक और मुख्य कार्यकारी अधिकारी, Stripe

“अब तय हो गया। मुझे vibe coding से नफ़रत है। मुझे Cursor के टैब कम्प्लीशन से कोड लिखना बेहद पसंद है। यह तो हद से ज़्यादा अच्छा है।”
—— ThePrimeagen, @ThePrimeagen

“प्रोग्रामर होना सच में अब और दिलचस्प हो गया है। अनगिनत पृष्ठों में खोजने के बजाय, बेहतर है कि आप जिस परिणाम को हासिल करना चाहते हैं उस पर ध्यान केंद्रित करें। अभी तो हम संभावनाओं के सिर्फ़ 1% को ही छू रहे हैं, और Cursor जैसी इंटरैक्टिव अनुभव में, GPT-5 जैसे मॉडल चमक उठेंगे।”
—— Greg Brockman, अध्यक्ष, OpenAI

五、创新与研发亮点

• ऑनलाइन रीइन्फोर्समेंट लर्निंग से Cursor Tab में सुधार
  नए टैब मॉडल में कुल सुझावों की संख्या 21% घटी, लेकिन स्वीकार दर 28% बढ़ गई।
  Research · Sep 12, 2025
• कस्टम MXFP8 कर्नेल का उपयोग कर MoE प्रशिक्षण को 1.5 गुना तेज़ करना
  Blackwell GPU के लिए पूर्ण पुनर्निर्माण के माध्यम से, MoE लेयर में 3.5 गुना त्वरण हासिल किया गया।
  Research · Aug 29, 2025
• सीरीज़ C फंडिंग और स्केलिंग
  एआई कोडिंग रिसर्च की अग्रिम पंक्ति को आगे बढ़ाने के लिए 900 मिलियन अमेरिकी डॉलर की फंडिंग प्राप्त की।
  Company · Jun 6, 2025

六、企业级能力与安全合规

• आधे से अधिक फ़ॉर्च्यून 500 कंपनियों का भरोसेमंद, तेज़ R&D, सुरक्षित और स्केलेबल
• प्रोडक्ट ने SOC 2 प्रमाणन पास कर लिया है
• कस्टम विकास, API इंटीग्रेशन, और इकोसिस्टम भागीदार कनेक्शन का समर्थन

七、产品版本与更新日志

• 1.7 (Sep 29, 2025): एजेंट ऑटो-कम्प्लीशन, हुक और टीम नियम
• 1.6 (Sep 12, 2025): स्लैश मेनू कमांड, सारांश फ़ीचर, और अधिक परिष्कृत एजेंट टर्मिनल
• 1.5 (Aug 21, 2025): Linear इंटीग्रेशन, बेहतर एजेंट टर्मिनल, और ऑपरेटिंग सिस्टम सूचनाएँ
• 1.4 (Aug 6, 2025): बेहतर एजेंट टूल, गाइडेबिलिटी और उपयोग दृश्यता

संस्करण अपडेट लॉग लिंक पूर्ण है, एंकर एक्सेस का समर्थन करती है और Node.js संस्करण बाधाओं के साथ सिंक में रहती है, ताकि अनुकूलता और मेंटेनबिलिटी को बढ़ाया जा सके।

八、企业生态与全球客户

Cursor प्रोग्रामिंग के भविष्य का निर्माण करने पर केंद्रित एक व्यावहारिक टीम है।
आधिकारिक वेबसाइट: cursor.com

九、下载与试用

• तुरंत macOS के लिए संस्करण डाउनलोड करें (होमपेज पर नवीनतम संस्करण प्राप्त किया जा सकता है)
• एंटरप्राइज़ और व्यक्तिगत लचीले मूल्य निर्धारण, समुदाय और छात्रों के लिए लाभ का समर्थन