我们现在推出 Cursor Automations，帮助你构建始终在线的 Agent。

这些 Agent 可以按计划运行，或由事件触发，例如发送一条 Slack 消息、新建一个 Linear issue、合并一个 GitHub PR，或触发一次 PagerDuty incident。除了这些内置集成之外，你还可以通过 Webhook 配置自己的自定义事件。

#升级软件工程流水线

随着编码智能体的兴起，每位工程师都能够产出更多代码。但代码评审、监控和维护的速度还没有实现同等幅度的提升。在 Cursor，我们一直在使用自动化来帮助开发生命周期中的其他环节实现规模化。

当被调用时，自动化智能体会启动一个云端沙箱，使用你配置的 MCP 和模型按照你的指令执行，并验证自己的输出。智能体还可以使用一个记忆工具，从以往运行中学习，并通过反复迭代不断改进。

在过去几周里，我们在 Cursor 自身代码库上运行了更多自动化智能体后，总结出了两大类自动化方式。

#审查与监控

自动化非常适合用于审查变更。它们可以发现并修复从代码风格细节和不一致到安全漏洞和性能回归的各种问题。

事实上，Bugbot 在很多方面就是最早的一种自动化形式！它会在 PR 被创建或更新时运行，每天被触发数千次，自上线以来已经捕获了数以百万计的 bug。通过自动化，你可以为不同目的定制各类审查 Agent。这里是我们在 Cursor 使用的三种自动化示例：

安全审查

我们的安全审查自动化会在每一次 push 到 main 时被触发。通过这种方式，Agent 可以有更长的时间去发现更微妙的问题，而不会阻塞 PR。它会检查 diff 中是否存在安全漏洞，跳过 PR 中已经讨论过的问题，并把高风险发现发送到 Slack。这个自动化已经在 Cursor 捕获了多处漏洞和严重 bug。

Agentic codeowners

在每次 PR 创建或 push 时，一个 Agent 会基于影响范围、复杂度和基础设施影响来分类风险。低风险 PR 会被自动批准。高风险 PR 会根据贡献历史分配最多两名审查者。所有决策会在 Slack 中汇总，并通过 MCP 记录到 Notion 数据库中，这样我们就可以审计 Agent 的工作并微调指令。

事件响应

当被 PagerDuty 事件触发时，这个自动化会启动一个 Agent，使用 Datadog MCP 调查日志，并查看代码库中的最近变更。随后，它会在一个 Slack 频道中向我们的值班工程师发送消息，其中包含对应的监控告警消息以及一个包含拟议修复的 PR。这显著缩短了我们的事件响应时间。

#日常事务

我们也发现，自动化对需要在不同工具之间整合信息的日常任务和知识类工作非常有用。

每周变更摘要

这个自动化会在 Slack 中发布每周摘要，总结过去七天内代码库中有意义的变更。它会重点标出合并的主要 PR、缺陷修复、技术债务，以及安全或依赖更新。

测试覆盖

每天早上，一个自动化 agent 会审查最近合并的代码，并识别需要添加测试覆盖的区域。在添加测试时，它会遵循现有约定，并且只在必要时才修改生产行为。然后该 agent 会运行相关测试目标，再创建一个 PR。

缺陷报告分诊

当一条缺陷报告出现在某个 Slack 频道时，这个自动化会检查是否为重复问题，并使用 Linear MCP 创建一条任务。随后 agent 会在代码库中调查根本原因，尝试修复，并在原始线程中回复一条总结说明。

#Rippling 如何使用自动化

Cursor 之外的团队已经开始构建自动化。Rippling 的 Abhishek Singh 搭建了一个个人助理。他在一天中不断把会议记录、行动项、TODO 和 Loom 链接发到一个 Slack 频道里。一个 cron agent 每两小时运行一次，把这些内容连同他的 GitHub PR、Jira issue 和 Slack 提及一并读取，跨来源去重，然后生成一份清晰的仪表盘视图。

他还使用由 Slack 触发的自动化，从对话串创建 Jira issue，并在 Confluence 中生成讨论摘要。Singh 和 Rippling 进一步扩展了自动化的使用范围，用来处理诸如故障分级、每周状态报告、值班交接等任务。最有用的自动化会在团队内共享。

#构建你的软件工厂

所有这些自动化都由云端 Agent 驱动，它们会使用各自的计算机来构建、测试和演示成果。现在，你可以通过配置 Agent 持续监控并改进代码库，从而搭建为你创造软件的工厂。

前往 cursor.com/automations 尝试创建一条自动化流程，或者从模板开始。在文档中了解更多信息。