新智元报道
Cursor公司提出了AI编程的“第三时代”概念，强调云端智能体在代码开发中的主导地位，这些智能体能够自主规划、编码和调试，并且已经开始以完整的可评审工件形式交付成果。
AI技术正在重新塑造软件开发领域的权力结构。
- 从2024年开始，像GitHub Copilot这样的工具通过Tab补全功能提升了开发效率。
- 在最近的一次更新中，Cursor展示了云端Agent的新形态，这些Agent可以在较长的时间跨度内自主规划、迭代并交付完整的工作成果，不再依赖于开发者的逐条指令。
- Michael Truell，Cursor公司的首席执行官，在最近的一次发言中，将AI编程的发展划分为三个时代，每个时代的特征和核心价值各不相同。
随着时间的推移，智能体的功能变得越来越强大，在2025年下半年，它们开始能够处理更为复杂的任务，并且可以提供包括视频记录在内的多种形式的工作汇报。
数据显示，自去年以来，Cursor中的智能体使用量激增了超过15倍。目前大部分用户已经不再使用Tab补全功能。
Cursor团队在其最新的博客文章中指出，新一代的智能体会具备更强的自主规划和交付能力，并且能够以可评审的形式提交成果。
智能体在第三阶段的角色更加关键，它们可以接受开发者的任务指令、独立完成一系列操作并最终将结果呈现给用户审查。
云端环境下的智能体无需担心资源竞争问题，每个Agent都运行在一个虚拟机上，并能够长时间地进行迭代和测试工作。
这种高效的工作模式已经体现在Cursor的内部代码提交中：大约有三分之一的新代码是由这些云端智能体生成的。
Cursor展示了云端Agent在实际开发任务中的多种应用场景，包括构建新功能、复现安全漏洞以及自动化UI测试等。
未来软件开发者的角色将更多地转变为AI系统的指挥者和协调员，负责定义问题边界、设计验收标准，并确保多个智能体之间的有效协作。
开发者的技能需求也正在发生变化，从编写代码转向了更加宏观的系统思维和质量管理。
要让这样的开发模式成为行业标准，尚需克服许多挑战，包括提高工具链的可靠性和安全性等问题。
云端Agent，
开启并行开发新范式
第三阶段的AI辅助开发，与之前究竟有何不同之处，还需要从第二阶段本地运行的智能体说起，尽管这一阶段看起来不会持续一年时间，却是承上启下的关键。
与Tab相比，智能体在更高的抽象层上工作。它们处理需要上下文，在完成任务时运用判断力，但每一步都需要开发者参与其中。这种实时地交互，再加上智能体会在本地机器上竞争资源这一事实，意味着在同一时间实际可用的智能体只能是少数。
而云端智能体就不存在资源和注意力瓶颈。每个智能体运行在自己的虚拟机上，让开发者可以将任务交给它处理，然后转去做别的事情。智能体会在数小时内持续工作，反复迭代和测试，直到对输出足够有信心，并以一种便于快速审阅的形式，例如日志、视频录像和实时预览等方式向用户汇报进展。
由于智能体提供的预览为用户提供了足够的上下文来评估输出，而无需从零重建每个会话。人的角色也从逐行引导代码编写，转变为定义问题并设定评审标准。
资源解耦与富媒体交互使并行运行多个智能体变得切实可行。
这反映到数据上，就是在Cursor内部的代码提交中，已有35%是由在云端虚拟机中自主运行的智能体创建的。开发者用脚投票，选择了云端智能体这种更高效的方式。
实战场景
智能体如何完成复杂任务
Cursor展示了云端Agent在真实开发场景中的四大应用，分别是
1 构建新功能：智能体接收「为插件组件添加源码链接」的指令后，自主解析文件结构、构造GitHub链接、更新前端逻辑，并录制自己点击验证链接有效性的全过程视频，最终提交可直接合并的代码提交。
2 复现安全漏洞：面对「剪贴板窃取」漏洞描述，智能体自主构建HTML演示页面、启动本地服务器、在应用内浏览器中加载并执行攻击流程，最终输出包含操作录像与截图的详细分析报告，大幅降低安全团队的复现成本。
3 UI自动化测试：智能体对文档站点进行45分钟全流程走查，测试侧边栏、搜索、主题切换等十余项功能，自动生成测试总结与异常截图，将QA效率提升数倍。
4 快速修复与验证：针对「Lint标签动态更新」需求，智能体不仅实现逻辑代码，更在桌面应用中分别测试「有错误」与「无错误」两种状态，录制验证视频确保修复效果符合预期。
这些场景的共同特征是：Agent不再局限于「生成代码片段」，而是具备「端到端交付可验证功能」的完整能力链。
人机重构
程序员成为「AI车队」指挥官
软件开发正变得如自动驾驶一般流畅，在这个未来里，智能体会合并代码提交、管理发布和监控生产环境。我们将从一个开发者使用智能体来创建代码的世界，走向一个由智能体端到端交付已测试功能的世界。
要真正实现这一转变，需要持续改进工具链、模型以及交互模式。开发者在云端智能体时代，需要能协调多智能体间的协同工作，并构建能够从过往运行中学习、随着经验积累而变得更高效的模型。
采用云端智能体这种全新工作方式的开发者通常具有以下三个特征：
几乎100%的代码都由agent编写。
他们把时间花在拆解问题、审查结果以及提供反馈上。
他们会同时启动多个agent，而不是手把手地引导单个agent直至完成。
在这种范式下，AI能写多少代码，取决于人类开发者如何重新定位自身价值。
开发者需要培养的技能要从「手写优雅代码」转向「精准定义问题边界」，「设计鲁棒的验收标准」以及「高效协调多智能体协作」。
编程语言的语法细节或许不再关键，但系统思维、领域知识与质量判断力将变得愈发珍贵。
在这种方式成为软件开发的标准实践之前，还有大量工作要做。在大规模的工业化场景下，那些单个开发者能绕过的不稳定测试，或是被损坏的运行环境，会演变成导致智能体每次运行都被中断的故障。
AI编程工具的开发者需要确保智能体能尽可能高效地运作，并完整获取其所需的工具和上下文。
此外，对于像飞机控制软件这样的涉及生命的场景，人们对智能体开发对软件普遍信心不足。如何确保智能体不会因为幻觉而不进行相应的测试，也需要开发者关注。
参考资料：
https://cursor.com/cn/blog/agent-computer-use
https://cursor.com/blog/third-era
https://x.com/mntruell/status/2026736314272591924
https://x.com/iruletheworldmo/status/2028077803975930342
