我們關注的未解問題包括：開發者如何在工作中使用 Cursor 的 Agent，以及 Cursor 在各組織中的生產力影響。

芝加哥大學財務與應用 AI（人工智慧）助理教授 Suproteem Sarkar最近進行了一項研究，分析了 Agent 在數以萬計 Cursor 使用者中的早期影響。

研究發現，在 Cursor 的 Agent 成為預設後，公司合併的 PR（拉取請求）增加了 39%。研究也指出，有經驗的開發者在開始寫程式前會撰寫更多規劃，且使用代理時展現出更高的熟練度。

接受代理產生的程式碼

本研究觀察了兩項訊號：使用者向 Agent 發出請求的頻率，以及他們接受其程式碼編輯的頻率。使用者是否接受 Agent 的編輯，取決於輸出與其意圖的貼合程度，以及他們採用生成程式碼的門檻。

初級開發者更傾向接受來自 Tab 的程式碼，而資深開發者則更傾向接受來自 Agent 的程式碼。每當年資增加一個標準差，與平均值相比，Agent 的接受率會相應提高約 6%。

我們原以為經驗較淺的開發者會更常使用並接受代理；結果看起來恰好相反！

幾種可能的理論：

• 資深開發者在使用 Agent 方面通常更熟練，能透過自訂規則或更有效的脈絡管理來提升運用效果。
• 他們對自己評估代理所撰寫程式碼變更的能力更有信心，因此更願意接受。
• 他們正在處理範圍界定更清楚的任務，代理因此能以更少次的反覆就完成。

生產力影響

該研究在 Cursor 將 Agent 設為預設模式後，衡量了作為吞吐量與品質替代指標的度量如何變化。研究比較了兩個組別：「符合條件」組別為 Agent 發佈前就已使用 Cursor 的組織；「基準」組別則是在分析期間未使用 Cursor 的組織。結果顯示，相較於基準組別的時間趨勢，合併的 PR（拉取請求）比例提高了 39%。

在其他指標方面，研究發現 PR（拉取請求）回退率沒有顯著變化，而錯誤修復率略有下降。研究也發現，每個已合併的 PR（拉取請求）的平均編輯行數與平均受影響檔案數並未出現顯著變化。

使用者行為與應用程式

請求內容反映開發者如何使用代理，以及他們打算執行的動作。在 1,000 名使用者的樣本中，啟動對話的請求大致可分為三類：實作程式碼、解釋程式碼與錯誤，以及規劃操作。多數啟動對話的請求（約 61%）屬於實作，也就是指示代理產生程式碼。

研究發現，經驗較豐富的開發者在產生程式碼前，更傾向先規劃步驟。

結語

目前仍沒有一套公認且統一的指標來衡量 AI（人工智慧）對軟體工程的經濟影響。與任何新技術相同，要充分釋放 AI 的價值仍需時間。

這些初步結果令我們備受鼓舞，我們也希望持續研究 Cursor 對生產力的影響。