Cursor 3 深度体验：Cloud Agent、Composer 2 与自驱动代码库

Cursor 3：不只是升级，而是重新定义

2026 年 4 月 2 日，Anysphere 发布了 Cursor 3。这不是一次常规的版本迭代——它是对"AI 编程工具应该长什么样"这个问题的一次彻底重答。

Cursor 的起点是 VS Code 的一个分支，赌的是开发者愿意为更好的 AI 辅助买单。这个赌注赢得很彻底：ARR（年度经常性收入）在 2026 年初达到了 20 亿美元，三个月内翻了一倍。Slack 花了五年才到 10 亿，Zoom 花了九年，Cursor 只用了不到两年。

但 Cursor 团队没有停在"更好的代码补全"上。他们的内部数据揭示了一个关键转折：Agent 用户已经以 2:1 的比例超过了 Tab 补全用户。一年前，这个比例还是反过来的。Cursor 3 就是对这个数据趋势的产品化回应——IDE 不再是中心，Agent 才是。

如果你还不了解 AI Agent 的基本概念，可以先阅读 AI Agent（智能体） 术语解释。

本文将从架构变革、核心功能到实战配置，全面解析 Cursor 3 的每一个关键能力。

统一 Agent 工作空间：告别编辑器中心思维

Cursor 3 最显眼的变化是引入了 Agents Window（Agent 窗口）。这不是在编辑器侧边栏多加了一个面板，而是一个从零开始围绕 Agent 构建的全新界面。

从文件驱动到 Agent 驱动

传统 IDE 的核心概念是"文件"——你打开文件、编辑文件、保存文件。AI 功能只是叠加在文件操作之上的辅助层。Cursor 3 反转了这个关系：

• Agents Window 是默认的工作界面，显示所有正在运行的 Agent 及其状态
• 每个 Agent 以标签页形式呈现，支持平铺布局（Tiled Layout），你可以同时查看多个 Agent 的工作进度
• 传统的 VS Code 编辑器仍然保留——当你需要手动检查文件、调试代码或做细粒度编辑时，随时可以切换回去

Cursor 团队的 VP of Developer Education Lee Robinson 解释了保留编辑器的原因："即使 Agent 写了 98% 的代码，剩下那 2% ——查看文件、调试、小改动、跳转到定义、LSP 支持——仍然不可或缺。"

多 Agent 并行执行

在 Agent 窗口中，你可以同时启动多个 Agent，每个处理不同的任务：

# Agent 1: 重构后端服务层
> cursor agent --task "Refactor the auth service to use JWT rotation"

# Agent 2: 编写单元测试
> cursor agent --task "Write unit tests for the payment module"

# Agent 3: 更新文档
> cursor agent --task "Update API docs to reflect v3 endpoints"

每个 Agent 运行在独立的 Git worktree 中，互不干扰。你还可以使用 /best-of-n 命令让不同模型竞速解决同一问题：

/best-of-n sonnet, gpt, composer Fix the flaky logout test

Cursor 会为每个模型创建独立的 Git worktree，完成后你可以比较结果，选择最佳方案并用 /apply-worktree 合并到主分支。

多入口触发

Agent 不再只能从桌面 IDE 启动。Cursor 3 支持从以下入口触发 Agent：

• 桌面应用（macOS、Windows、Linux）
• Web 端和移动端
• Slack：直接在频道中 @Cursor 分配任务
• GitHub：通过 Issue 或 PR 评论触发
• Linear：从项目管理工具直接派发开发任务

这意味着你可以在手机上审查 Agent 的工作成果，在地铁里就把一个 Bug 修复任务分配给云端 Agent。

Cloud Agent：你关上笔记本，它继续写代码

Cloud Agent 是 Cursor 3 最具颠覆性的能力。这不是"在云端运行你的 IDE"，而是给 Agent 一台独立的虚拟机，让它自主完成整个开发任务。

隔离 VM 架构

每个 Cloud Agent 运行在一台独立的 Ubuntu 虚拟机中，不是共享内核的容器，而是完全隔离的 VM：

VM 内包含完整的开发环境——系统包、语言运行时、开发服务器、测试套件、浏览器。你可以通过两种方式配置环境：

方式一：Agent 自主配置。 指定仓库地址和必要的 Secrets，Agent 自己搞清楚如何搭建环境。

方式二：声明式配置文件。 在仓库根目录放置 .cursor/environment.json：

{
  "setup": {
    "commands": [
      "nvm install 20",
      "npm ci",
      "npx prisma generate"
    ]
  },
  "services": {
    "database": "postgres:16",
    "cache": "redis:7"
  },
  "env_file": ".env.cloud"
}

安全提醒：Secrets 应该保存在 Cursor Settings 的 Secrets 标签页中，不要写在配置文件里。

Agent 的自主工作流

Cloud Agent 的工作方式真正体现了"委派"而非"指挥"：

1. 你描述任务——可以是自然语言，可以附带截图、设计稿
2. Agent 克隆仓库——在 VM 中拉取最新代码
3. Agent 编写代码——理解项目结构，修改相关文件
4. Agent 运行测试——执行测试套件，如果失败会自行修复
5. Agent 录制 Demo——通过浏览器操作，生成视频和截图证明功能正常
6. Agent 提交 PR——附带视频、截图和日志，等待你审查

关闭笔记本后，这一切都在继续。完成时你会收到通知。

本地与云端无缝切换

Agent 会话可以在本地和云端之间双向迁移：

• 本地 → 云端：长时间运行的任务推到云端，关机也不影响
• 云端 → 本地：需要访问本地文件系统或开发服务器时，拉回本地继续

对于企业用户，自托管 Cloud Agent（Self-hosted Cloud Agents）自 2026 年 3 月 25 日起可用。代码、工具执行和构建产物全部运行在你自己的基础设施内，worker 进程通过 HTTPS 出站连接到 Cursor 云，无需入站端口或 VPN。

想深入了解 Agent 架构设计？推荐阅读 AI Agent 导航 中收录的开源 Agent 框架。

Composer 2：专为 Agent 打造的自研模型

2026 年 3 月 19 日发布的 Composer 2 是 Cursor 的第一个真正意义上的自研编码模型。它不是通用大模型，而是专门为 Agent 编程场景优化的"编码引擎"。

技术架构

Composer 2 基于 Moonshot AI 的 Kimi K2.5 进行了持续预训练，并在此基础上进行了 4 倍规模的强化学习。Cursor 没有在发布时公开基座模型信息——一位用户在 API 响应头中发现了 Kimi 标识后，联合创始人 Aman Sanger 承认了这一点："没有在博客中提到 Kimi 基座是我们的失误。下一个模型我们会改正。"

性能数据（来自 CursorBench，非独立审计）：

Composer 2 有两个变体：

Standard: $0.50/M 输入, $2.50/M 输出 — 适合日常编码
Fast（默认）: $1.50/M 输入, $7.50/M 输出 — 更快的响应速度

在更复杂的任务上，GPT-5.4 仍然表现更强。但在 CursorBench 的典型场景（平均 352 行代码、8 个文件的修改）中，Composer 2 的性价比碾压一切——成本比 Claude Opus 4.6 低约 90%。

200K 上下文窗口与自动摘要

Composer 2 支持 200,000 token 的上下文窗口。当对话长度接近上限时，模型会自动将之前的上下文压缩为约 1,000 tokens 的摘要，然后继续工作。这意味着一个 Agent 可以在单次会话中持续迭代，不会因为上下文耗尽而"失忆"。

了解更多关于上下文管理的策略，请参阅 上下文工程（Context Engineering） 术语解释。

与第三方模型的关系

Composer 2 在 Pro 及以上方案中拥有独立的使用额度池，不占用 Claude、GPT 等第三方模型的额度。这意味着你可以让 Agent 日常任务用 Composer 2（便宜快速），遇到难题时切换到 Claude Opus 或 GPT-5（更强但更贵），两者互不冲突。

Bugbot：会自我进化的代码审查 Agent

Bugbot 从一个 Bug 检测器进化为 Cursor 3 中最有"生命力"的功能——它不只是静态地扫描代码，而是能从你的团队行为中学习，持续进化审查策略。

Learned Rules：从反馈中学习

Learned Rules 是 Bugbot 最核心的创新。它的工作机制如下：

1. Bugbot 对 PR 发表审查评论
2. 团队成员通过表情回应（点赞或踩）、回复评论给出反馈
3. 人类审查者自己写的评论也被分析
4. Bugbot 从这些信号中生成候选规则
5. 候选规则经过验证后，自动融入后续审查

# .cursor/bugbot-rules.yaml（Learned Rules 示例）
learned_rules:
  - id: "rule-auth-check"
    source: "PR #342 reviewer feedback"
    pattern: "API endpoint without auth middleware"
    severity: "error"
    message: "All /api/* routes must use authMiddleware()"
    
  - id: "rule-error-boundary"
    source: "PR #358 emoji reaction"
    pattern: "React component without ErrorBoundary"
    severity: "warning"
    message: "Top-level page components should be wrapped with ErrorBoundary"

MCP 支持

2026 年 4 月 8 日的更新为 Bugbot 增加了 MCP（模型上下文协议） 支持。这意味着 Bugbot 可以连接外部工具——比如你的内部安全扫描服务、性能分析平台或自定义 linter——将它们的输出作为审查的额外上下文。

Autofix 改进

Bugbot Autofix 不只是指出问题，还会自动生成修复代码。2026 年 4 月的版本达到了历史最高的 resolution rate（解决率）。结合 Learned Rules，Bugbot 的修复建议会越来越贴合你的代码规范。

Canvases：Agent 创建的可视化画布

2026 年 4 月 15 日发布的 Canvases 是 Cursor 3.1 的亮点功能。它解决了一个长期痛点：Agent 的输出不再只有文字和 Markdown。

从文本到交互界面

Canvases 允许 Agent 创建包含以下元素的可视化内容：

• 仪表盘：展示真实数据的交互图表
• 表格：结构化数据的展示和排序
• 流程图和架构图：用 Cursor 原生组件渲染
• Diff 视图：代码变更的可视化对比
• 待办列表：可交互的任务管理

在 Agents Window 中，Canvas 是持久化的产物（durable artifact），与终端、浏览器、源代码控制并列存在于侧边面板中。

使用场景举例：

你: "分析这个 PR 的变更，用可视化方式展示受影响的模块"

Agent 创建 Canvas:
┌─────────────────────────────────────┐
│  PR #487 影响分析仪表盘              │
│                                      │
│  ┌──────┐    ┌──────┐    ┌──────┐  │
│  │ Auth │───→│ User │───→│ API  │  │
│  │ 3 files│   │ 5 files│  │ 2 files│ │
│  └──────┘    └──────┘    └──────┘  │
│                                      │
│  变更统计: +342 / -128 / 10 files   │
│  测试覆盖: 87% → 91%               │
│  风险评估: 中等                      │
└─────────────────────────────────────┘

这比阅读一堵文字墙高效得多。Agent 甚至可以利用 Canvas 来辅助 PR 代码审查、学习新框架或在 Cursor 内创建小型应用原型。

实战配置：让 Cursor 3 最大化发挥

.cursorrules 项目配置

Cursor 的规则系统是 上下文工程（Context Engineering） 在 AI IDE 中的最佳实践。一份好的规则文件能将 Agent 的任务成功率从 30% 提升到 90%：

{
  "version": 2,
  "rules": [
    {
      "name": "tech-stack",
      "content": "This is a Next.js 14 + TypeScript project using App Router. Use Server Components by default. All data fetching should happen in Server Components or Route Handlers."
    },
    {
      "name": "code-style",
      "content": "Use functional components with hooks. Named exports only. camelCase for variables, PascalCase for components. No 'any' type."
    },
    {
      "name": "testing",
      "content": "Write tests with Vitest + Testing Library. Each component must have a corresponding test file. Mock external services, never test implementation details."
    },
    {
      "name": "forbidden",
      "content": "Never use class components. Never hardcode strings—all user-facing text must use i18n. Never commit .env files."
    }
  ],
  "bugbot": {
    "enabled": true,
    "autofix": true,
    "learnedRules": true,
    "mcpServers": ["internal-security-scanner"]
  }
}

在编写和验证 JSON 格式的配置文件时，推荐使用 JSON 格式化工具 检查语法。

Worktree 配置

// .cursor/worktrees.json
{
  "defaults": {
    "cleanup": "after-merge",
    "isolateNodeModules": true
  },
  "profiles": {
    "feature": {
      "branch_prefix": "feat/",
      "auto_test": true
    },
    "hotfix": {
      "branch_prefix": "hotfix/",
      "auto_test": true,
      "auto_deploy_staging": true
    }
  }
}

MCP Server 集成

// .cursor/mcp-servers.json
{
  "servers": {
    "database": {
      "command": "npx",
      "args": ["@cursor/postgres-mcp"],
      "env": {
        "DATABASE_URL_ENV": "POSTGRES_URL"
      }
    },
    "monitoring": {
      "url": "https://api.internal.com/mcp",
      "auth": {
        "type": "bearer",
        "token_env": "MONITORING_TOKEN"
      }
    }
  }
}

了解更多关于 MCP 的使用方式，可参考我们的 提示词工程（Prompt Engineering） 术语，以及 AI 编程助手定制化指南 中的详细实践。

商业数据与行业定位

ARR 火箭式增长

Cursor 的商业数据令人瞠目：

• 2025 年 1 月：ARR 约 1 亿美元
• 2025 年底：ARR 约 10 亿美元
• 2026 年 3 月：ARR 突破 20 亿美元——三个月翻倍
• 超过一半的财富 500 强企业是 Cursor 客户
• 付费开发者超过 100 万

据报道，SpaceX 参与了 Cursor 母公司 Anysphere 的投资，估值高达 600 亿美元。Cursor 正在从一个开发工具公司转型为一个 AI 编码基础设施平台。

定价方案全解

关键细节：Composer 2 有独立的使用额度池，基于消费金额（$）而非请求次数。不同模型的 API 成本不同，会以不同速度消耗你的包含额度。

vs 其他工具的差异化

相比 Vibe Coding 工具横评 中涉及的其他 AI 编程工具，Cursor 3 的差异化定位非常清晰：

• vs GitHub Copilot：Cursor 拥有自研模型（Composer 2）和更激进的 Agent-first 界面，但 Copilot 在 GitHub 生态集成上无可匹敌
• vs Claude Code：Cursor 是 GUI 优先的全功能 IDE，Claude Code 是终端优先的轻量级 Agent
• vs TRAE SOLO：Cursor 强调多 Agent 并行和模型竞速，TRAE 强调端到端自动化和免费策略
• vs Windsurf/Augment：Cursor 在自研模型和 Agent 基础设施上的投入远超同类

Cursor 3 的核心竞争力不在于某个单点功能，而在于它构建了一个完整的 Agent 操作系统——从自研模型、到 Agent 运行时、到云端 VM 基础设施、再到 Bugbot 的持续学习。

想了解更完整的工具对比？推荐阅读 2026 AI 编程工具全景对比。

未来展望：从编辑器到代码工厂

Cursor CEO Michael Truell 描述了 AI 软件开发的三个时代：

1. Tab 补全时代：AI 填充样板代码
2. 同步 Agent 时代：开发者逐步引导 Agent
3. Cloud Agent 时代：Agent 在云端自主运行，开发者扮演"导演"

Truell 说过一句引人深思的话："Cursor 不再主要是关于写代码。而是关于帮助开发者构建一座创造软件的工厂。"

这当然是愿景而非现实。今天使用 Cursor 3 的大多数开发者仍然需要频繁审查和修正 Agent 的输出。但趋势是明确的：

• Spec Coding（规约编程） 将取代 Vibe Coding 成为 Agent 时代的主流方法论
• Vibe Coding（氛围编程） 仍然适合快速原型和探索性开发
• 开发者的核心价值将转向架构设计、需求定义和质量把关

Cursor 3 是这个转变的一个重要里程碑。无论你是否选择它作为主力工具，理解它背后的设计理念——Agent-first、自研模型、持续学习——对每一位现代开发者都有参考价值。

相关资源

• AI 工具导航 — 发现更多 AI 开发工具
• Agent 导航 — 探索开源 Agent 框架
• AI 编程助手定制化指南 — 深度定制你的 AI IDE
• Vibe Coding 工具横评 — AI IDE 全面对比
• Spec Coding 深度解析 — 规约编程方法论
• Vibe Coding 核心理念与实践 — 氛围编程入门