我們對幾個尚未有定論的問題很感興趣：開發者如何在工作中使用 Cursor 的 Agent，以及 Cursor 在組織中的生產力影響。

芝加哥大學金融與應用 AI（人工智慧）助理教授 Suproteem Sarkar 最近進行了一項研究，分析代理在數以萬計名 Cursor 使用者身上所產生的早期影響。

研究發現，在 Cursor 的 Agent 成為預設後，公司合併的 PR（拉取請求）數量增加了 39%。研究也發現，有經驗的開發者在開始撰寫程式碼前會先做更多規劃，且似乎更善於運用代理。

#接受 Agent 撰寫的程式碼

研究觀察了兩項指標：使用者向 Agent 發送請求的頻率，以及他們接受 Agent 程式碼編輯的頻率。使用者是否接受 Agent 的編輯，取決於輸出結果與其意圖的契合程度，以及他們對採用生成程式碼的門檻。

資淺開發者更傾向於接受來自 Tab 的程式碼，而資深開發者則更傾向於接受來自 Agent 的程式碼。每當開發年資增加一個標準差，相較於平均值，接受 Agent 程式碼的比率約會提高 6%。

我們原本預期經驗較淺的開發者會以更高的頻率使用並接受 Agent，但結果似乎恰好相反！

幾個可能的原因：

• 資深開發者可能更擅長使用 Agent，例如利用自訂規則或更有效地管理程式上下文（context）。

• 他們對自己評估 Agent 撰寫程式碼變更的能力更有信心，因此更願意接受。

• 他們處理的任務範圍界定較明確，對 Agent 而言可能更容易在較少迭代中完成。

#對生產力的影響

這項研究衡量了在 Agent 成為 Cursor 預設模式之後，作為吞吐量與品質代理指標的多項量測值出現了哪些變化。研究比較了兩組組織的這些指標：「符合條件（eligible）」組是指在 Agent 發布前就已經使用 Cursor 的組織；「基準（baseline）」組則是在分析期間完全沒有使用 Cursor 的組織。研究發現，相較於基準組的時間趨勢，已合併 PR 的比率提升了 39%。

在其他指標方面，研究發現 PR 的還原率沒有顯著變化，而錯誤修復率則略有下降。研究也發現，每個已合併 PR 的平均編輯行數與平均涉及檔案數並沒有明顯改變。

#使用者行為與應用情境

請求內容顯示開發者如何使用 Agent，以及他們打算執行的操作。在一個包含 1,000 位使用者的樣本中，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，以及規劃行動。多數啟動對話的請求（約 61%）屬於實作類型，也就是指示 Agent 產生程式碼。

研究發現，經驗較豐富的開發者在產生程式碼之前，更傾向先規劃行動。

#結論

目前還沒有單一、權威的指標可以衡量 AI 對軟體工程的經濟影響。和任何新技術一樣，要真正發揮 AI 的全部價值，仍需要時間。

這些初步發現讓我們感到振奮，我們也希望能持續研究 Cursor 對生產力的影響。

若要閱讀完整研究報告，你可以在這裡取得。