在 AI 工具爆发的时代，Cursor 因其独特的设计与对开发者真实问题的深度关注，正在成为开发者群体热议的焦点。
一、Cursor 的起源与快速成长
Cursor 背后的初创公司 Anysphere 成立于 2022 年，而 Cursor 的首个版本在 2023 年 3 月推出。仅仅两年时间，Anysphere 就完成了 9 亿美元的 C 轮融资，公司估值高达 99 亿美元！更令人惊讶的是，Cursor 的年收入已经突破 5 亿美元，这在开发工具领域几乎前所未有。
Cursor 的快速普及也得益于企业级市场的认可：财富 500 强中超过一半的最大科技公司都在使用它。这不仅显示了 Cursor 的市场认可度，也侧面反映了其使用率和增长速度极快，在短时间内就能与 GitHub Copilot 等成熟工具形成竞争。
二、什么是 Cursor？
Cursor 是一个 AI 驱动的智能开发环境（AI‑powered IDE），由 Anysphere 公司研发，定位不是简单的代码补全插件，而是一个真正'理解你的代码库'的开发工具。它基于大型语言模型，对整个项目语义进行深度理解，并可以用自然语言进行交互与编程。
从某种意义来说，Cursor 更像是一个开发者的智能'协作者'而不仅仅是一个编辑器。它被越来越多的工程师用于解决真实的开发难题，尤其是在面对跨文件重构、复杂代码搜索与快速迭代时。
三、Cursor 的核心内容
Cursor 的核心内容主要由以下几个部分组成：
1. 语义索引与安全索引部分
Cursor 会在项目打开时对整个代码库进行索引，生成'语义图'。实现方法如下：
- 代码拆分与嵌入：Cursor 会将每个文件拆分成小块，每块生成向量嵌入（embedding），便于向量搜索。
- 安全处理：文件名和代码被加密和混淆，避免在服务器端泄露敏感信息。
- 向量数据库存储：嵌入存储在专门的向量数据库中，用于快速匹配查询。
- Merkle Tree 保持索引同步：客户端和服务器端分别保存 Merkle 树，通过比较哈希值，只重新索引被修改的文件，从而节省计算资源和带宽。
这种架构保证了 Cursor 能在不上传完整源码的情况下，实现全局语义搜索和自然语言问答功能，同时保持安全性。
1.1. 使用代码块进行语义索引
为了支持像上文提到的向量搜索，Cursor 需要先将代码拆分成更小的块，创建嵌入（embeddings），并将这些嵌入存储在服务器上。具体流程如下：
- 创建代码块：Cursor 会将每个文件的内容切分成小块，每一块将作为后续的嵌入单元。
- 生成嵌入而不存储原始文件名或代码：Cursor 不希望在服务器上存储文件名或源码，因为这些信息可能被视为机密。它会将文件名混淆，并将代码块加密后发送到服务器。服务器解密后，使用 OpenAI 的嵌入模型或自研模型生成嵌入，并存储在向量数据库（Turbopuffer）中。
生成嵌入需要大量计算资源，因此在 Cursor 的后端利用云端 GPU 来完成。对于中型代码库，索引通常在一分钟以内完成，而大型代码库可能需要数分钟甚至更长时间。用户可以在 Cursor 的设置中查看索引状态（Cursor Settings → Indexing）。
1.2 使用 Merkle 树保持索引最新
在编辑代码库时，无论是使用 Cursor 还是其他 IDE，服务器端的索引都会逐渐过时。一个简单但低效的解决方案是每隔几分钟重新索引所有文件，但由于索引计算量大，并且传输加密代码块会消耗带宽，这并不理想。Cursor 的做法是使用 Merkle 树和高延迟同步引擎（每 3 分钟运行一次）来保持服务器索引的更新。
Merkle 树是一种树结构，每个叶子节点是对应文件的加密哈希值（例如 main.js 文件的哈希），每个非叶子节点是其子节点哈希的组合。Cursor 对每个文件夹和项目建立类似结构的 Merkle 树（使用混淆后的文件名），客户端和服务器分别维护自己的树。
每 3 分钟，Cursor 会进行一次索引同步。通过对比客户端和服务器的 Merkle 树，Cursor 可以确定哪些文件需要重新索引。例如，如果客户端的 index.html 文件发生变化，通过树遍历可以快速定位需要同步的文件。Merkle 树不仅让树遍历高效，还能确保只同步发生变化的文件，最大限度减少计算和带宽消耗。
这种 Merkle 树结构非常适合实际使用场景：比如一天结束关闭电脑，第二天拉取 Git 更新，或者团队协作时大量文件变化，Cursor 只会重新索引必要的文件，节省时间和计算资源。
1.3. 安全索引
虽然 Cursor 不在服务器上存储源码，但一些敏感信息仍不适合上传，即使加密也可能存在风险，包括密钥、API Key、密码等。
- 使用
.gitignore和.cursorignore可以确保索引安全。敏感信息通常以本地变量或.env文件形式存储，这些文件被加入.gitignore。Cursor 会遵循这些规则，不索引或上传被忽略的文件。 - 上传代码块前，Cursor 还会扫描可能的敏感信息，避免上传。
1.4. 大规模代码库的索引
对于包含数千万行代码的大型单仓库（monorepo），索引整个代码库非常耗时且消耗大量计算资源，而且通常没有必要。此时使用 .cursorignore 文件忽略不需要索引的文件是最合理的做法，官方文档提供了详细指南。
2. 我观察到的 Cursor 实际工具调用顺序
阶段 1：理解项目结构（建立上下文）
当 Cursor 还不知道项目长什么样时
| 顺序 | 工具 | 用途 | 说明 |
|---|---|---|---|
| ① | list_dir | 查看目录结构 | 先了解项目布局，入口文件、模块划分 |
| ② | file_search | 文件名模糊搜索 | 快速定位可能相关的文件 |
| ③ | glob_file_search | 模式查找文件 | 批量定位某类文件（如 *.tsx、**/api/**） |
阶段 2：定位相关代码（从粗到细）
Cursor 开始'找代码'
| 顺序 | 工具 | 用途 | 说明 |
|---|---|---|---|
| ④ | codebase_search | 语义代码搜索 | 用自然语言理解需求，找到可能相关的实现 |
| ⑤ | grep | 精确文本 / 正则搜索 | 对关键函数名、变量名做精确定位 |
| ⑥ | read_file | 读取文件内容 | 查看实现细节，理解上下文 |
👉 真实情况：
codebase_search用来'猜方向'grep用来'钉位置'
阶段 3：深入理解与补充上下文
代码不够？继续挖
| 顺序 | 工具 | 用途 | 说明 |
|---|---|---|---|
| ⑦ | read_file（局部） | 精读关键逻辑 | 常用 offset / limit 读取重点代码 |
| ⑧ | glob_file_search | 发现相关文件 | 如找测试、接口、调用方 |
| ⑨ | grep（扩展） | 查调用链 | 搜索函数被谁调用、在哪里使用 |
阶段 4：修改 / 生成代码
Cursor 开始'动手改代码'
| 顺序 | 工具 | 用途 | 说明 |
|---|---|---|---|
| ⑩ | edit_file | 修改现有文件 | 插入、删除、调整逻辑 |
| ⑪ | write_file | 创建新文件 | 新模块、新组件、新测试 |
| ⑫ | apply_diff | 批量应用修改 | 多文件、大范围重构时使用 |
阶段 5：验证与执行
确认改动是否正确
| 顺序 | 工具 | 用途 | 说明 |
|---|---|---|---|
| ⑬ | terminal | 执行命令 | 构建、测试、lint、安装依赖 |
| ⑭ | read_file | 复查改动 | 检查最终代码是否符合预期 |
阶段 6：补充信息（必要时）
本地信息不够时
| 顺序 | 工具 | 用途 | 说明 |
|---|---|---|---|
| ⑮ | web_search | 网络搜索 | 查最新文档、API、解决方案 |
阶段 7：版本控制与结构性改动（可选）
依赖环境 & 权限
| 顺序 | 功能 | 说明 |
|---|---|---|
| ⑯ | Git 操作 | 查看 diff、提交、创建分支 |
| ⑰ | 代码重构工具 | 重命名符号、提取函数/变量 |
一句话总结调用规律
Cursor 的真实工作方式是： 先看结构 → 再语义搜索 → 精确搜索 → 读文件 → 改代码 → 跑命令 → 再检查
以'添加用户认证功能'为例：
2. 编辑器核心层
编辑器核心提供代码可视化、文件管理、终端集成等基础 IDE 功能，同时支持插件扩展和自定义界面。它是 Cursor 的运行基础，使 AI 功能能在熟悉的开发环境中无缝操作。
3. AI models
Cursor 支持来自所有主要模型提供商的所有前沿编程模型。
4. 自然语言交互与多代理系统
Cursor 提供自然语言交互，开发者可以直接用普通语言指令修改代码、重构模块或生成新功能。同时，Cursor 支持多代理模式，多任务 AI 可以并行运行，协调完成复杂的开发任务，例如重构整个模块或自动生成测试代码。
5. Commands
Cursor 的命令功能允许你创建可复用、可共享的工作流命令，这些命令以简单的 / 前缀触发，可在聊天输入框中快速调用，从而提高团队协作效率和常见任务处理的速度。
🛠️ 命令是如何工作的？
- 命令以纯 Markdown 文件 (
*.md) 的形式定义； - 文件放在特定目录中后，系统会在聊天框输入
/时自动检测并展示可用命令。
例如，run-tests-and-fix-failure.md 可以定义成下面这样的。
# Run All Tests and Fix Failures ## Overview Execute the full test suite and systematically fix any failures, ensuring code quality and functionality. ## Steps 1. **Run test suite** - Execute all tests in the project - Capture output and identify failures - Check both unit and integration tests 2. **Analyze failures** - Categorize by type: flaky, broken, new failures - Prioritize fixes based on impact - Check if failures are related to recent changes 3. **Fix issues systematically** - Start with the most critical failures - Fix one issue at a time - Re-run tests after each fix
可存放的位置包括：
- 项目命令：存放在项目根目录下的
.cursor/commands文件夹； - 全局命令：存放在用户主目录的
~/.cursor/commands文件夹。
.cursor/ └── commands/ ├── address-github-pr-comments.md ├── code-review-checklist.md ├── create-pr.md ├── light-review-existing-diffs.md ├── onboard-new-developer.md ├── run-all-tests-and-fix.md ├── security-audit.md └── setup-new-feature.md
Cursor Commands
6. Context
在代码生成过程中提供给 AI 模型的信息，包括文件、symbols 以及对话历史。
7. CLI
Cursor CLI 是 Cursor 提供的命令行级 AI 编程接口，用于在终端环境中直接调用 AI Agent 完成代码编写、重构、审查与问题分析等任务。相比只存在于编辑器中的 AI 助手，Cursor CLI 更适合融入现有的工程化流程，例如脚本自动化、CI/CD 流水线以及本地工具链。
该工具支持交互式模式与非交互式模式：在交互模式下，开发者可以与 AI 进行持续对话，逐步明确需求、审阅修改方案并确认执行；在非交互模式下，则可通过一次性指令输出结果，适用于性能检查、安全审计等自动化场景。同时，Cursor CLI 提供会话管理能力，允许恢复历史对话，从而在多次调用中保持上下文一致性，减少重复沟通成本。
整体来看，Cursor CLI 更像是一个可脚本化的 AI 编程代理入口，将 AI 能力下沉到终端层，使其成为开发流程中的基础工具，而不仅是编辑器里的辅助功能。
细节请查阅官网链接：https://cursor.com/docs/cli/overview
Cursor headless CLI
8. hooks
Hooks 允许你通过自定义脚本来观察、控制并扩展代理（agent）循环。Hooks 是独立启动的进程，使用 JSON 通过标准输入/输出（stdio）进行双向通信。它们会在代理循环的指定阶段之前或之后运行，并且可以对行为进行观察、阻止或修改。
{ "version": 1, "hooks": { "beforeShellExecution": [{ "command": "./script.sh" }], "afterShellExecution": [{ "command": "./script.sh" }], "afterMCPExecution": [{ "command": "./script.sh" }], "afterFileEdit": [{ "command": "./format.sh" }], "beforeTabFileRead": [{ "command": "./redact-secrets-tab.sh" }], "afterTabFileEdit": [{ "command": "./format-tab.sh" }] }
}
四、Cursor 的新功能
1. 自动测试 Web 页面以及修复
只需要表述你要测试什么内容，然后 Cursor 就帮你启动项目并且自动测试里面内容。
比如你的测试内容如下：
把 llm playground 页面里面文生文，文生图的功能给我测试一下，在测试的过程中，如果发现有什么问题，给我修复一下。后端 Python 环境是 conda 里面虚拟环境 llm_Ft。
下图是测试结果。
2. Debug Mode
编码 Agent 在很多事情上都很擅长，但有些 bug 总能难倒它们。为此我们推出了 Debug Mode——一种完全围绕运行时信息和人工验证构建的全新 Agent 工作循环。
在构建它时，我们研究了团队中最擅长调试的工程师的实践，并将他们的工作流整合为一种 Agent 模式，为其配备了可对代码进行插桩以采集运行时日志的工具、用于生成多种'到底出了什么问题'假设的提示，以及主动请你协助复现问题和验证修复的能力。
最终形成的是一个交互式流程，可以可靠地修复那些此前即便是最智能的模型单独工作也力所不及，或需要开发者投入大量时间才能处理的 bug。
1. 描述该 bug
首先，从下拉菜单中选择 Debug Mode，并尽可能详细地描述这个 bug。
代理不会立即尝试生成修复方案，而是先通读你的代码库，并针对可能出错的地方提出多个假设。其中有些可能是你自己也会想到的思路，但另一些则很可能是你原本不会考虑的方法。
接下来，代理会在你的代码中插入用于验证这些假设的日志记录语句，从而为在 bug 发生时获取实际运行数据做好准备。
2. 复现该 bug
接下来，回到你的应用，在代理采集运行时日志的同时复现这个 bug。
当 bug 发生时，代理可以准确了解你的代码中发生了什么：变量状态、执行路径以及时序信息。基于这些数据，它可以精准定位根本原因并生成有针对性的修复方案。通常这只需要对两三行代码做精确修改，而不是像普通代理交互那样给你上百行试探性代码。
3. 验证修复
此时，Debug Mode 会要求你在应用了建议修复的情况下，再复现一次这个 bug。若 bug 已经消失，你就可以将其标记为已修复，agent 会移除所有埋点（instrumentation），只留下一个干净、最小化的变更，方便你直接发布。
3. 浏览器布局和样式编辑器
借助全新的浏览器侧边栏和组件树，同时进行设计与编码。
移动元素、更新颜色、测试布局并实时调整 CSS，然后使用 agent 将更改即时应用到你的代码库中。你也可以选中多个元素，通过文字描述你想要的修改，让 agent 自动完成视觉调整。
cursor-browser-css-inspector
4. 代码审核-bugbot
4. 多智能体评判-Multi-agent judging
当并行运行多个智能体时，Cursor 现在会自动评估所有运行结果，并推荐一个最佳解决方案。
被选中的智能体会附带一条评论，解释为何选择它。只有在所有并行智能体都完成运行之后，才会进行最佳解决方案的评判。
六、为什么我更推荐 Cursor？
它不只是一个插件，而是一个增强版 VS Code。
最开始我也用过 Copilot、Codeium、CodeGeeX 等插件，说实话，功能都差不多。但 Cursor 给我最大的感受是：它把 AI 功能完全整合进了编辑器，体验完全不一样。
具体体现在：
- 更强的全局代码库理解（Context Awareness）- Semantic Search
- 针对大型任务（重构/多文件更改）更友好 -- large-scale refactor,
- 多 agent 一起运行 --Parallel Agents
- 与 linear ,figma , browser 集成。
- 响应更快，不会有插件经常性的卡顿
- 理解整个代码库，而不只当前文件
- 会主动搜索和读取代码，不用手动喂上下文
- 更擅长多文件修改和重构
- 可以直接用自然语言下达'项目级指令'
- 更适合接手和理解陌生 / 老项目
- 对调用链、影响范围的判断更强
- 修改代码时更像在'结对编程'而不是补全
- 对复杂改动（重构、统一风格、抽逻辑）成功率更高
- 隐私安全：支持本地控制和隐私模式，保护企业代码。
Copilot 的其他优势
当然，Copilot 也有它独有的优势。
它几乎支持所有主流 IDE。你可以在 VS Code 里用它，换到 IDEA 或 WebStorm 也能用，甚至连 Neovim 党都能愉快地使用 Copilot。
简而言之，Copilot 更像是'增强型助手'，依附于已有 IDE，而 Cursor 更像一个