ListenHub

6-10

原野: 咱们最近聊的Cursor，简直是火箭速度！听说他们上线20个月就干到1亿美元ARR，两年多奔着3亿去了，2025年初估计得有36万付费用户，这增长曲线，咋整出来的啊？

晓曼: 确实惊人！我觉得首先是技术够硬，像那个跨文件自动补全和Next Edit Prediction，简直是效率神器。再一个，他们特别强调Dogfooding，自己天天用，上线三个月MVP就出来了，然后靠用户反馈一路狂奔，口碑就这么起来了。

原野: 除了产品本身，他们在市场和运营上是不是也憋着什么大招呢？

晓曼: 必须的！两点很关键：一是Beta测试玩得溜，早期就拉核心用户小范围试用，用反馈来决定功能开发的优先级。二是死磕开发者社区，通过GitHub、技术大会，还有像Lex Fridman Podcast这种大佬播客，先让一批核心工程师用起来，然后就形成自传播了。

原野: 他们的CEO，Michael Truell，提出了一个“后代码时代”，这听起来有点科幻，他到底想说什么？

晓曼: 他觉得以后写代码就像写英语伪代码一样，咱们不用再死磕TypeScript或者Rust，而是站在更高层面定义“要做什么”，那些复杂的符号和代码结构，都会变成易读易改的逻辑表达，既直观又可控。

原野: 这种“后代码”的未来，离我们还有多远啊？感觉现在AI写代码还是有点笨笨的。

晓曼: 确实，现在的Chatbot编程还不够精确，文本编辑效率也差点意思。Cursor正在努力往伪代码方向靠，但要实现规范化、可视化编辑，底层还得解决模态整合、交互展示这些技术难题，我觉得还得3到5年，甚至更久。

原野: Truell还特别强调，未来的工程师要有“品味”，这个“品味”到底是个啥？

晓曼: 他说的“品味”，是对“应该构建什么”有清晰的认知，不光是UI好看，更重要的是产品逻辑和运作方式。他把未来的工程师叫做“逻辑设计师”，关注的是顶层设计和用户体验，而不是底层的代码细节。

原野: 那咱们怎么培养工程师的这种“品味”呢？感觉有点虚啊。

晓曼: 其实可以从实践入手，比如通过任务分解训练，把需求拆成小模块，让工程师先定义逻辑，再实现代码。教育方面，可以增加逻辑设计和产品思维的课程，搞一些跨学科项目，让开发者养成先设计后编码的习惯。

原野: 说到Cursor的起源，他们一开始是做机械工程自动化的，后来怎么突然转向AI编程了？

晓曼: 哈哈，他们发现自己对机械领域没啥热情，项目做了四个月就直接放弃了。回到编程领域后，他们觉得当时的工具不够给力，缺乏想象力，所以就把所有精力都投入到AI编程工具上，这也就决定了Cursor从战略到文化，都聚焦在提升开发者效率上。

原野: Dogfooding，也就是自己用自己的产品，在Cursor的产品开发中到底有多重要？

晓曼: 太重要了！首先，它能让团队对功能的优先级有最真实的判断，不会为了营销去加一些没用的功能。其次，持续自用会暴露各种各样的问题，加速Bug修复和体验优化。当然，挑战是要平衡内部需求和外部多样化的场景，避免产品过于定制化。

原野: Truell说，在AI应用上，最成功的用户反而很保守，这是为啥？

晓曼: 因为他们更懂风险控制，擅长把任务范围限定得更小、更明确。他们不会一次性给AI下很长的指令，而是分块下达、分步审查，利用Next Edit Prediction这些功能，把复杂任务拆成多个可管理的小任务，这样才能保证结果的质量。

原野: Cursor只用了三个月就发布了第一个版本，这种快速迭代模式是好是坏？

晓曼: 好处是能尽早获得用户反馈，验证商业模式；但缺点也很明显，首版功能肯定不完善，容易产生负面体验。所以关键是要明确MVP的范围，只做最核心的功能，然后通过后续的小版本快速补齐短板。

原野: 听说Cursor还在搞自研模型，为啥要自己做？优势在哪里？

晓曼: 自研模型在自动补全场景下，能在300毫秒内跨文件预测一系列diff，比普通的大模型快十倍，而且成本更低。他们还用自研模型做代码库搜索和修改细化，提高专业化任务的准确率和速度，这是第三方模型无法替代的。

原野: 在AI产品的天花板和护城河方面，Truell有什么看法？

晓曼: 他把AI市场比作90年代末的搜索引擎，觉得天花板很高，持续创新和数据反馈循环非常重要。传统的捆绑式护城河效果有限，关键在于不断打造出色的产品，并通过模型优化和渠道增长形成用户惯性。

原野: Cursor的招聘策略也很特别，那个两天考核项目为啥这么有效？

晓曼: 这个项目能让候选人在真实场景下端到端地完成工作，既能检验技术能力，又能观察团队协作和文化契合度。成本只相当于几场面试的时间，却大大降低了招聘的失误率，还能吸引那些求知欲和实验精神强的人才。

原野: 最后，Truell认为AI会如何影响工程师的需求？

晓曼: 他觉得AI不会取代工程师，反而会让他们成为更高效的逻辑设计师，需求只会越来越大。随着开发成本再降低一个量级，会催生无数新的工具和业务，对逻辑抽象和品味的要求也会更高。

原野: 感谢分享这些深刻的见解，咱们对Cursor和后代码时代有了更全面的了解。

晓曼: 不客气，希望对大家有所启发。

Outline

Cursor 及 Michael Truell 介绍
- Cursor 在发布 20 个月后达到 1 亿美元 ARR，两年内突破 3 亿美元 ARR。
- 截至 2025 年初，拥有超过 36 万付费用户。
- Michael Truell 是 Cursor 母公司 Anysphere 的联合创始人兼 CEO，与三个 MIT 同学一起创立。
- 本次内容来自 Lenny's Podcast。
Cursor 的目标和对未来编程的设想 (Cursor's Goal & Vision for Future Programming)
- 创造一种全新的编程方式，软件逻辑的表达形式将更接近英语。
- 目标是让用户能以最简洁的方式向计算机描述意图，定义软件的工作方式和呈现方式。
- 未来软件构建方法将比现在更高、更高效、更易于使用。
- 与两种主流观点的对比：
  - 传统代码方式（TypeScript, Go, C, Rust 等）：认为未来软件构建仍与今天非常相似。
  - Chatbot 式编程：认为只需在聊天机器人里输入指令，让它帮你构建软件。
  - Cursor 的观点：在「后代码」世界，软件逻辑表达更接近英语，朝着伪代码方向发展，更清晰、易于理解和定位。
- 反对 Chatbot 式编程，认为缺乏精确性，需要更精确的方式来指示修改。
- 未来工程师将更像「逻辑设计师」，从「如何实现」转向「实现什么」、「是什么」。
- 用户对软件的细节拥有强大的控制力，能够快速修改和迭代。
后代码时代「品味」的价值 (The Value of "Taste" in the After-Code Era)
- 「品味」的核心是对「应该构建什么」有清晰的认知。
- 视觉效果（动画、配色、UI/UX 等）很重要，但产品逻辑和运作方式更重要。
- 未来工程师将越来越像「逻辑设计师」，需要精准地表达意图。
- 「品味」指的是对“应该构建什么”有一个清晰的想法，能轻松地转化为软件，使其看上去和运行起来都符合预期。
- 与 Vibe Coding 的区别：
  - Vibe Coding 大量生成代码，但未能真正理解细节，难以修改。
  - Cursor 关注的是在不完全理解底层代码的情况下，仍能完美控制所有细节。
  - 当前缺乏让「品味」真正主导软件构建的能力。
Cursor 的起源 (The Origin of Cursor)
- 源于对一个问题的探索，以及对未来十年 AI 如何变得更好的思考。
- 关键时刻：
  - 初次使用 Copilot 的 Beta 版，感受到 AI 带来的实际帮助。
  - OpenAI 等公司发布关于模型 Scaling 的论文，对 AI 产品前景充满信心。
- 发现很多人都在谈论如何做模型，却少有人深入思考 AI 如何进步具体领域。
- 最初的错误：选择了一个竞争少、枯燥乏味的领域（机械工程自动化）。
- 意识到对机械工程不感兴趣，且编程领域并未出现显著变化。
- 现有工具缺乏足够的雄心或潜力，促使走上构建 Cursor 的道路。
- AI 的迷人之处在于，包括 AI 编程在内，很多地方依然存在着未知的巨大空间。
选择 IDE 的原因 (Why Choose IDE)
- 更关注确保人们能够掌握他们所构建的工具中所有决策的控制权。
- 从一开始就强调 Dogfooding（自己使用自己的产品），确保产品对自身有用。
- 认为让人坐在「驾驶位」至关重要，AI 不可能包揽一切。
- 坚信编程将通过这些模型进行，编程方式将在未来几年会发生巨大变化。
- 现有编程环境的可扩展性有限，必须对整个应用程序拥有全面的掌控权。
- IDE 的本质会随着时间彻底改变，可以从不同界面（如 Slack 及问题追踪系统等）接管任务。
AI 使用成功用户的特点 (Characteristics of Successful AI Users)
- 在使用 AI 时较为保守，擅长将任务范围限定得更明确、更小。
- 依赖像「下一步编辑预测（Next Edit Prediction）」这样的功能。
- 与 Agent 的协作模式：
  - 前期花大量时间详细说明，让 AI 独立工作，再审查成果。
  - 将任务切分得更细，每次只指定一小部分，让 AI 完成，然后审查。
Cursor 的发布和早期增长 (Cursor's Release and Early Growth)
- 最初版本完全从零「手工打造」。
- 从写下第一行代码到正式向公众发布，仅用了大约三个月的时间。
- 目标是尽快将产品交到用户手中，并在公众反馈中快速迭代。
- 最初的用户反馈极为宝贵，促使决定放弃从零构建的版本，转而基于 VS Code 开发。
一年 ARR 达一亿美元的关键要素 (Key Factors for Reaching $100 Million ARR in One Year)
- 持续的紧迫感，总觉得还有很多地方可以做得更好。
- 专注于产品的持续演进，致力于不断改进和完善。
- 把精力都放在打磨产品上，没有分心去做其他事情，尤其是在销售和营销上。
- 战略性地选择要构建的关键功能，并确定优先级。
- 平衡传统软件公司和基础模型公司之间的角色。
最反直觉的事情：自研模型 (Most Counterintuitive Thing: Developing Models)
- 一开始完全没预料到会自己开发模型。
- Cursor 的每一个「神奇时刻」都多少源自定制模型。
- 精准地选择目标，不去重复造轮子，专注于基础模型的短板。
Cursor 的技术栈 (Cursor's Technology Stack)
- 在多种场景下都会使用最主流的基础模型。
- 为用户提供 Cursor 体验的关键环节，更多地依赖自研模型。
- 自研模型的一个例子：自动补全 (增强版的自动补全，跨多个文件、跨文件内的不同位置，预测下一步要执行的一系列操作)。
- 另一个应用场景：增强像 Sonnet、Gemini 或 GPT 这类大模型的表现，尤其是在输出和输入。
- 使用集成模型（Ensemble of models），利用每个模型最擅长的功能。
AI 产品的护城河 (The Moat of AI Products)
- 传统方法：建立用户惯性和护城河。
- AI 的天花板非常高，持续努力打造最出色的产品。
- AI 产品的天花板非常高，产品快速迭代。
- 建立一种「消费者式」的护城河，持续提供最佳产品，让用户愿意一直使用。
- 打造最优秀的产品是核心。
未来市场格局 (Future Market Landscape)
- 市场非常巨大，远超过去人们对开发者工具市场的认知。
- 未来会有各种各样的解决方案出现，也可能会出现一家行业领导者。
- AI 编程会出现一个主导者，它将发展成为一家规模极其庞大的企业。
Microsoft Copilot 未能完全达到期望的原因 (Reasons Why Microsoft Copilot Has Not Fully Met Expectations)
- 市场对于成熟企业来说并不那么友好。
- 用户可以轻松尝试不同的工具，根据自己的判断选择哪个产品更适合自己。
- 最早参与 Copilot 第一版开发的团队，他们大多数人后来去了其它公司做其它事情了。
给 Cursor 新用户的建议 (Advice for New Cursor Users)
- 不要一次性向模型下达全部的任务，将任务切成小块。
- 最好先在业余项目上尝试，不要直接用于重要工作。
- 培养一种直觉，去了解模型的能力边界。
- 对模型的能力有一定「品味」，了解 Cursor 能完成什么程度的任务，明白需要提供什么程度的指令。
哪类工程师使用 Cursor 获益最大 (Which Type of Engineer Benefits Most from Using Cursor)
- 两类工程师都能获得巨大的收益，很难说哪一类受益更多。
- 初级工程师有时会过于依赖 AI，高级工程师往往会低估 AI 对他们的帮助。
Cursor 招聘的核心 (The Core of Cursor Recruitment)
- 拥有世界一流的工程师和研究人员团队至关重要。
- 寻找兼具求知欲与实验精神的人才。
- 寻找实事求是、适度的审慎以及坦率直言的人。
- 招聘方法：专注于寻找认定的世界一流的人才，有时甚至会花好几年去招募。
- 核心环节：让候选人来到公司待两天，和我们一起做一个为期两天的考核项目。
对其他公司招聘的建议 (Advice for Other Companies Regarding Recruitment)
- 一开始过于倾向于寻找符合名校背景画像的人才。
- 最终使用的招聘方法非常有效，就是专注于寻找我们认定的世界一流的人才，有时甚至会花好几年去招募。
AI 对工程师需求的影响 (The Impact of AI on the Demand for Engineers)
- 不会一步到位，直接实现那种你只需要下达指令，AI 就能完全取代工程部门的状态。
- 工程师不可或缺，他们将能够做更多的事情。
- 对软件的需求远超目前的开发能力，在遥远的未来，对工程师的需求只会越来越大。
对 AI 发展方向的误解 (Misconceptions About the Direction of AI Development)
- 人们仍然有些过于极端的观点，要么认为一切都会非常快发生，要么认为这一切都是炒作和夸大。
- 我们正处于一场影响极为深远的技术变革之中，但这场变革需要时间，它将是一个持续数十年的进程。
Cursor 团队的未来 (The Future of the Cursor Team)
- 组建一支更庞大、更优秀的团队，从而持续优化产品、提升客户服务质量。
- 接下来最重要的两件事，一个是打造这个领域里最优秀的产品，第二是增长。
- 一直在招优秀的工程师、设计师和研究人员，同时也在找其它人才。
如何与 Cursor 团队联系 (How to Contact the Cursor Team)
- 在 cursor.com 上可以找到产品和联系方式。

Script