我们的问题

我们期待解决的 Cursor 问题列表。

更新：我们写了一些更多问题。

一个无序的具体问题列表：

• 更好的上下文： 代码编辑器中有很多信息源：打开的文件、语义相似的代码块、符号连接的类、代码检查输出、执行跟踪、git 历史、输入历史、外部文档等等。我们希望模型能够立即理解什么对用户的问题最相关，目前正在训练一个自定义且快速的重排序模型来解决这个问题。对于每个请求，我们将从所有不同来源收集 500k 个标记，并使用我们的重排序器将它们过滤到最相关的 8k 个标记。这既是一个模型问题，也越来越成为一个基础设施问题。

• "编辑的 copilot"： 虽然 Github Copilot 在编写新代码时消除低熵按键方面非常有帮助，但当你需要对现有代码块进行小的、简单的更改时，它并不能帮你节省低熵按键。想想那些比符号 F2-重命名稍微复杂一点的重命名所需的导航、删除和输入按键。我们需要在用户体验（在你编码时显示的非侵入式差异）和模型方面（提示不够用，因为存在成本、延迟和智能问题）进行创新。

• 受约束的、流内代理： 想象一下 OpenAI 的代码解释器，但是用于在大型代码库中进行工程。你告诉一个受约束的、几步的代理要做什么，它为你搜索、编写和运行代码，同时偶尔咨询你的反馈。实现这一点的第一步，也是我们现在正在做的，是制作一个可以在几十万个标记的文件夹上工作的这样的代理。如果成功了，我们将扩展它以适用于整个代码库。

• 错误查找： 这里有两种模式：(1) 在后台，Cursor 将始终被动扫描你的文件以为你找到潜在的错误，(2) 当你深入调试会话时，Cursor 将在你的帮助下主动寻找错误。这里有很多有趣的数据收集工作要做。

• 更大的编辑： Cursor 应该能够为你修改整个文件，甚至整个目录。这既是能力的挑战，也是用户体验的挑战。为了速度，模型需要足够聪明，能够在不重写所有内容的情况下挑选出要修改的部分。为了使体验良好，更改需要以可解析的、实时的形式显示。

• 规模： 截至 2023 年 10 月 12 日，我们已经索引了 14 亿个向量和 15 万个代码库。到今年年底，这可能会增长 10 倍。我们已经用 Rust 构建了一个非常快的基于 Merkle 树的代码库同步引擎，很快可能需要构建一个自定义索引系统。

未来的想法：

• 时间扭曲：预测并显示你在接下来 15 分钟内将进行的跨文件代码更改。一个关键命令接受所有插入/删除。
• 理解：我们的模型应该在权重中深入理解任何代码库中的所有概念。
• 阅读器模式：通过任何特定级别的文档和一个引导你浏览相关代码路径的机器人，使代码理解变得毫不费力，根据需要进行解释。
• 伪代码模式：编辑代码的"大纲"表示，并让更改自动应用到源代码级别。
• 永远不用再担心堆栈跟踪：IDE 应该就是理解它，并为你自动修复代码。

我们试图收集我们现在正在思考的所有问题，但是——这是每天使用 12 小时的产品的美妙之处之一——我们不断有新的想法和重新排序优先级，所以这不应该被视为最终的路线图。话虽如此，我们希望它能让你了解我们每天在思考什么。

另外，你读到这么远，看起来你可能对我们感兴趣的问题也有一些兴趣 :)。如果是这样，你应该考虑加入我们！以下是我们认为你会喜欢和我们一起工作的几个其他原因：

• 人们喜欢使用 Cursor。 我们对初期的增长非常满意。
• 你将在这里与非常聪明的人一起工作。 我们深信人才密度。你在这里共事的每个人都会非常非常优秀。
• AI 编程是一个巨大的市场。 而且我们可以赢得它。
• 这很有趣。 这对我们来说很重要！和你喜欢的人一起工作很有趣，构建一个产品，你按下 Cmd-Shift-R 就能得到即时用户反馈很有趣，因为你自己在编码时就是目标用户，每天朝着自动化编程所有无聊部分的方向取得一点进展也很有趣。
• 我们努力工作。 我们感到幸运能够解决这些问题，我们享受全身心投入解决它们的过程。