我们主要关注几个尚待探索的问题：开发者在日常工作中如何使用 Cursor 的 Agent，以及 Cursor 对各类组织生产力的影响。

芝加哥大学金融与应用人工智能系助理教授 Suproteem Sarkar最近开展了一项研究，分析了 Agent 在数万名 Cursor 用户中的早期使用效果。

研究发现，在将 Cursor 智能体设为默认之后，公司合并的 PR 数量增加了 39%。研究还发现，有经验的开发者在开始编码前会撰写更多方案，并且在使用智能体方面表现得更加熟练。

接受由 Agent 生成的代码

该研究关注了两个信号：用户向 Agent 发送请求的频率，以及用户接受其代码修改的频率。用户是否接受 Agent 的修改，取决于输出与其意图的匹配程度，以及他们对采纳生成代码的接受门槛。

初级开发者更倾向于接受来自 Tab 的代码，而高级开发者更倾向于接受来自智能代理的代码。每当开发经验年限增加一个标准差时，我们观察到代理生成代码的接受率相对于平均值大约会提高 6%。

我们原本以为经验较少的开发者会更频繁地使用并接受 Agent，但结果似乎恰好相反！

几种可能的原因：

• 有经验的开发者往往更擅长使用智能代理，例如编写自定义规则或更高效地管理上下文。
• 他们对自己评估代理生成代码改动的能力更有信心，因此更愿意接受这些改动。
• 他们正在处理范围定义更明确的任务，这类任务通常可以让 Agent 用更少的迭代完成。

对工作效率的影响

该研究衡量了在 Agent 成为 Cursor 默认模式之后，用作吞吐量和质量代理指标的度量是如何变化的。它对比了两个组织群体的这些指标：一个是在 Agent 发布之前就已经使用 Cursor 的“符合条件”组织群体，另一个是在分析期间没有使用 Cursor 的“基线”组织群体。研究发现，相较于基线组的时间趋势，合并 PR 的速率提高了 39%。

在其他指标上，研究发现 PR 回滚率没有显著变化，而缺陷修复率略有下降。研究还发现，每个已合并 PR 的平均编辑代码行数和平均涉及文件数也没有发生显著变化。

用户行为与应用

请求内容反映了开发者如何使用代理以及他们打算执行的操作。在一个包含 1,000 名用户的样本中，会话起始请求大致可分为三类：实现代码、解释代码与错误，以及规划要执行的操作。大多数会话起始请求（约 61%）属于实现类，即让代理生成代码。

研究发现，经验更丰富的开发者更倾向于在生成代码前先规划要采取的行动。

结论

目前还没有一个权威、统一的指标用于衡量 AI 对软件工程的经济影响。和任何新技术一样，要充分发挥 AI 的全部价值仍然需要时间。

这些初步发现令我们备受鼓舞，我们希望继续研究 Cursor 对生产力的影响。

要阅读全文研究报告，您可以点击此处。