NVIDIA 通过 Cursor 将 30,000 名开发者的代码提交量提升 3 倍
工作流 · 自主智能体
AI 软件工厂。
Cursor 早已不再只是写代码。它更在于像指挥队友一样调度成批的自主智能体:您为它们配备可独立工作的工具,再审查它们交回的成果。
这些智能体在云端各自独立的机器上运行,可由预定计划或您已经在使用的工具触发。它们负责规划、构建、测试、监控和维护,随后交回可供您审查的成果。只有在真正关键的环节,才需要人类参与。
AI 软件成熟度曲线
每个团队都会沿着同一条曲线演进。起点是 Tab:低熵、击键级的建议。接着是同步智能体,此时开发者在提示与响应的循环中指挥工作,并在每一步都保持参与。
自主云端智能体是下一步。每个智能体都在自己的虚拟机上运行,因此您可以交办任务后继续处理其他事情。智能体会持续工作数小时,反复迭代并测试,最终返回可供您审查的工件,而不是一个需要您自行还原的会话。人类的角色也从逐行指导,转变为定义问题并设定审查标准。
工程投入都流向了哪里
大多数工程时间仍然花在维持现有系统运转上:重构、迁移、依赖项升级,以及不稳定的测试。自主智能体恰恰擅长这类稳定、范围明确的工作。
随着智能体承担越来越多这类工作,平衡也会随之改变。团队花在维护现有成果上的时间会更少,把更多精力投入到新产品,以及那些一直积压在待办事项列表中的大胆尝试上。
覆盖 SDLC 各阶段的智能体
先从几个用于处理日常重复性工作的始终运行工作流开始。我们建议优先使用这些工作流。
Plan
Frame the work before an agent starts: triage what comes in and keep the team oriented.
Build
Turn bug reports and review comments into reviewable pull requests.
Test & review
Keep every change green and safe, from failing CI to continuous security review.
Monitor
Investigate production the moment something breaks.
Maintain
Keep the codebase healthy over the long run.
我们相信,大多数软件将由运行在云端的自主智能体编写,而不是由受限于开发者本地机器的智能体来编写。