Faire 将每周 PR 吞吐量提升至两倍，并把一项原本需要 18 个月的迁移工作压缩为只需一名工程师管理一组智能体即可完成。Cursor 的云端智能体通过可扩展的并行化能力和自主性实现了这一点。云端智能体运行时不受本地机器内存和资源限制，而且每个智能体都会拥有自己独立的开发环境—就像工程师一样—来编写代码、测试并确认结果，以及交付软件。
Cursor 现已成为 Faire 进行智能体开发的首选平台，取代了其内部的后台智能体系统。团队还使用 Cursor 自动化，每周发起超过 2,000 次自主智能体运行，以节省处理重复性任务的时间，例如在 Slack 中分流缺陷报告、修复 CI 失败项，以及路由代码审查。
云端让智能体并行扩展成为可能
在本地机器上并行运行多个智能体，很快就会碰到本地资源限制：每个智能体都在争用同一份算力，而在不同终端里管理 10 个同时进行的任务，本身就会变成一项工作。首席工程师 Luke Bjerring 表示：“确实有办法在本地机器上让智能体并行运行，但要复杂得多。”
起初，Faire 试图通过构建一套名为 Samurai 的内部云端智能体系统来解决这个问题，该系统运行在自托管基础设施上。但要把开发者体验打磨好，需要投入大量资源。
Bjerring 表示：“自建服务器是一项不小的投入。这需要招聘相关人才、完成机器初始化，并维护复杂的基础设施。相比之下，我们更希望工程师把精力放在为终端用户创造价值上。”
于是，Faire 开始寻找一个平台，既能让他们灵活地在托管基础设施上运行云端智能体，也能在自托管机器上运行。他们选择 Cursor，看中的正是这种部署灵活性、与 GitHub 等工具的紧密集成、智能体的可靠性、便于并行管理智能体的简洁界面，以及本地与云端之间的无缝切换。如今，Cursor 已成为 Faire 在全公司范围内开展智能体开发的推荐平台。
Cursor 的云端方案比通过工作树运行本地智能体，或者维护 10 个还得逐一 shell 登录的远程环境，要好得多。它让管理多个并发智能体的体验更加流畅。
开发环境让智能体拥有更强的自主性
只有当智能体能像工程师一样工作时，并行化才真正有价值：拉取依赖、访问内部服务、运行代码并验证变更。没有配置好的开发环境，智能体虽然能写代码，却无法完成整个工作闭环。
Faire 的开发环境使云端智能体的设置颇具挑战性。前端和后端分别位于不同的 repo 中，各自依赖内部软件包，通过 Gradle 和 Bazel 管理，还需要不同的 AWS 凭证才能访问。
为简化这些复杂性，Faire 使用 Cursor 的智能体引导式入门流程：Cursor 会检查每个 repo，找出所需的工具链和依赖，并生成团队可编辑且可版本化的环境配置。对于需要更严格控制的工作流，Faire 也可以通过 Dockerfile 定义和管理开发环境。
我们让 Cursor 在代码库里的每个 repo 上自行完成入门设置。这大大减少了新会话启动时的额外开销，也让智能体能够像工程师一样处理任务。
Faire 的设计师使用一款名为 Playground 的内部工具，将 Figma 中的设计系统转换成代码里的 React 组件。有了完整配置的开发环境，Cursor 就能运行 Playground 服务器、生成 React 组件，并录制视频演示，供设计师审查智能体的工作成果。
Faire 非常依赖 Slack，许多工程工作都始于某个频道中的问题或缺陷报告。工程师经常直接在 Slack 线程中调用 @cursor，把对话上下文交给云端智能体，由它进行调查并返回一个 PR。
我们的很多工作都来自 Slack 里的想法和讨论。您可以看到消息，在同一上下文中启动 @cursor，几分钟后就能得到一个 PR。这帮助我避免在智能体工作时来回切换工具和上下文。
借助 Cursor 自动化实现程序化智能体
除了运行并行智能体外，Faire 还需要能自主承担重复性工程工作的智能体，以节省团队时间。Faire 已设置了 25 个以上的 Cursor 自动化，如今每周无需任何手动提示，就能执行 2,000 多次自主智能体运行。最常见的使用场景包括：
- 处理 Slack 中上报的缺陷。 自动化会监控指定的 Slack 频道中的缺陷报告。一旦有问题报进来，就会启动云端智能体进行调查、创建包含修复的 PR，并提供工作摘要。
- PR 自动修复。 当某个 PR 的 CI 失败时，自动化就会启动，调查故障、推送修复，并更新该 PR。
- PR 路由。 智能体会根据作者、风险和规模为每个 PR 添加标签，然后将其路由到定制化的代码审查工作流中。
自动化这个概念在 Faire 早就有了，但搭建起来既痛苦又复杂。Cursor 自动化让每位用户都能轻松创建始终在线的智能体。
用并行智能体自动化遗留系统迁移
当 Faire 需要将一个面向零售商的大型应用从 MobX 迁移到原生 React 状态管理时，团队基于 Cursor 构建了一套名为 Swarm 的智能体协调系统。
首先，一个抓取器会找出代码库中检测到的所有 MobX 用法，并将列表写入 S3。随后，Swarm 会读取这份列表，并将迁移任务委派给 Cursor 云端智能体；每个智能体都在 Cursor 基础设施上的独立 VM 中运行。当一个智能体完成工作并合并其 PR 后，Swarm 就会立即启动下一个。
原本需要整个团队花费 18 个月手动完成的工作，现在只需一位工程师管理一组云端智能体即可协调完成。
Cursor 的价值来自出色的上下文管理，以及能打通公司内部和代码库中的实用专有信息。那些原本需要人工处理、耗费数小时的任务，现在都可以委派给智能体。我们节省了大量人工劳动。
在不到一天内搭好构建预览
Faire 的 Web 应用规模庞大且复杂，哪怕只是验证一个很小的改动效果，往往也需要在本地拉起整个应用。平台团队高级工程师 Blair McAlpine 想做一个预览工具：这样一来，任何开发者创建 PR 时，都能自动启动一个沙箱，团队也可以远程与这些变更交互。
McAlpine 使用 Cursor 来规划并完成这项构建。他先在规划模式中反复打磨一份分步骤计划，并将每一步分别限定为单独的 PR。随后，他把这份计划交给了一个云端智能体。这个智能体运行了两个小时，产出了五个堆叠的 PR，每个 PR 都实现了计划中的一个步骤。
原本 McAlpine 预计需要数周的工作，在云端智能体的帮助下不到一天就完成了。
云端智能体在后台运行时，我还能同时处理其他事情。它在不到一天的时间里，把预览构建从零做成了一个可用的内部工具。
Faire 现在正把注意力转向下一个瓶颈。随着工程产能接近提升到 2-3 倍，Faire 开始思考，在哪些环节也能用同样的杠杆作用，为更广泛的产品开发流程释放更多动能。“随着团队从编程智能体中获得越来越多的杠杆，瓶颈也在发生转移，”Bjerring 表示，“现在的机会，是帮助相关团队也扩大他们的影响力。这样我们就能在现有资源范围内重新调配力量，承担更有雄心的工作。”
如果您正希望借助云端智能体并行提升工程效率，欢迎联系我们，开始 Cursor 试用。
