[Agentic AI] 搏一搏，$20变$500：一小时魔改Cursor变身Devin

[Agentic AI] 搏一搏，$20变$500：一小时魔改Cursor变身Devin [Agentic AI] 搏一搏，$20变$500：一小时魔改Cursor变身Devin Modified December 29, 2024 小结 因此我们可以看出，虽然Devin的产品形态和设计理念确实非常先进，但是从技术壁垒上来说，它和现有的Agentic AI的工具之间的沟壑并没有我们想象的那么大。使用基于15到20美元每个月的流行工具，比如Cursor和Windsurf，我们完全可以在一小时内实现Devin 90%的功能，并且用它来完成以魔改前做不到的复杂任务。比如我给Cursor布置了一个任务，是分析一下近5年来热门科技股票的收益率，做一个深度的数据分析，它给了一个非常 详尽完善的报告 。另外，我又让Windsurf抓取我的博客前100篇文章的发贴时间，并且把它用github贡献图这样的方式可视化出来，它也可以全自动的完成。像这两种任务用传统的cursor和Windsurf都是没办法做出来的，只有用Devin才可以，但是在做了这个简单的更改之后，我们用一个月只要是20美元的工具，也可以实现一个月500美元的工具的效果。我甚至做了一个更深度的实验，作为一个完全不懂前端的dev，花了一个半小时做出来了一个有前端后端五脏俱全的 招聘网站 。这个效率和Devin相当接近甚至更高了。 最后，在文中提到的所有文件都可以在 这个github repo 下载，只需要把里面的内容拷到你当前工程的文件夹下面就可以了。 四、Agentic AI系列4：使用Cursor作为AI的通用入口 在做完上篇文章介绍的Cursor魔改之后，将Agentic AI用"我说你做"的模式进行使用，已经成为了我对AI利用的主要方式。 而这又进一步启发我：有没有可能把Cursor或者类似的编辑器作为使用AI的通用入口呢？ 这么想主要是来自于两个观察：一个是，在我们把AI作为Consultant来使用的时候，很多时候我们还是需要大量的复制粘贴，而这样的操作在Cursor内部是非常自然的，只要点击Apply，它就会将AI回答的内容插入到我们正在写作的文档里。所以从用户工作流的角度来说，Cursor其实反而是一个更自然的界面。 从另一个角度来说，AI作为Consultant还有一个致命的缺陷，就是至少在目前的AI产品里，大家和搜索引擎结合的体验都不太好。不论是Chat GPT的Search还是Proplexity，或者是PoE的Web Search Bot，他们干的事情一般都是简单浏览一下前几个结果就草草给出答案。虽然这对于单轮的AI问答来说可能还可以忍，但是在用惯了Agentic AI以后，我们自然而然就会期待AI有更好的完成任务的质量，比如往下翻更多的结果，或者迭代几轮关键字，最终给我一个系统性的汇总。很多时候为了回答的质量，我是愿意等下去的，而这件事其实很适合Cursor这样的Agentic AI来做。 于是我就开始进行了一系列实验，来探索Cursor到底有没有可能取代ChatGPT或者Claude.AI，作为我们使用AI的通用入口。在经过了一些简单的尝试之后，我对实验的结果非常欣喜。下面我就简单介绍一下，Cursor可以如何被用来完成各项常见的AI任务，尤其是传统的非agent类型的AI应用，并且比较一下它的优劣势。 问答 对于最简单的常识性的问答，我们可以直接在CursorChat里面输入问题来得到答案。这一点和传统的AI并没有分别，有一个相对细节的优势是，我们可以在同一个界面里直接调用OpenAI、Anthropic，甚至是我们自己本机的私有AI来进行问答。 但在此之外，有一个非常大的好处是，正因为Cursor是一个编辑器，所以我们可以非常方便地把问答的结果收集起来，沉淀下来，变成一个可以复用的文档。 编辑器还带来另一个好处，就是当我们在进行与文本相关的任务的时候，它甚至有一些相当奇妙的用法，比如在下面的这个例子里，我想把我的中文版的博客翻译成英文，那直接在Cursor chat里面提出要求之后，它就会给我一个英文版本的文章，点击apply之后，Cursor会自动将中英文文档进行对比，高亮出其中的差别。但有意思的是，因为我们的译文和原文的结构是完全一样的，在经过对比之后，这天然就形成了一段中文一段英文的对比图形界面，在上面我们可以直接对英文进行非常直观的修改，最后accept再复制就可以完成翻译了，虽然我相信这不是Cursor设计的本意，但是整个工作流程异常的便捷自然。 接入私有文档RAG Cursor有一个功能是针对一个很大的代码库，也能精准地找到相关的函数，并且用它的信息来帮助撰写代码。对于非开发性质的问答来说，这天然就是一个RAG引擎。 当我们在问答窗口不是使用回车，而是使用Command加回车来发出问题的时候，它会首先在当前的文件夹下做一轮搜索，并且在文本框下面显示出排在前面的文档和相关度，最后使用这些信息构建提示词完成最终的生成。这些中间结果都是可以在界面上展开并且查看的。而且这个功能不仅在Chat里可以使用，它也可以作为Agentic AI的一步来使用，这是因为搜索这个功能也是Cursor Composer可以调用的一个Agent Tool。 上图这个例子里，我把我所有的Blog文章放在了当前文件夹下，然后问了Cursor一个相当复杂的问题。我问他在Chat GPT发布后的这两年时间里，作者也就是我对AI的观点和态度发生了哪些变化。Cursor的回答非常惊艳，他首先自己组织了一些关键字，然后用这些关键字做了Retrieval，结果看上去都挺靠谱的。接下来他针对这些文章进行了总结和对比，给出了相当有深度的回答。 所以即便是对于非开发性质的任务，Cursor也可以非常自然的和私有文档进行结合以及问答。而且相比于单纯的对话性质的聊天界面，Cursor天然就可以把这些新生成的insights进一步沉淀成新的文档，在后来的搜索中继续使用，这就形成了一个知识闭环。这种附用性和知识探索沉淀和新增的能力，对于知识管理来说是非常重要的。因此如果你使用obsidian之类的软件来进行知识管理的话，也不妨使用Cursor来增加知识检索和管理的效率。 搜索 另一个意外的好用的用法是把Cursor当作一个搜索引擎来用。考虑到Cursor自己并不支持上网搜索，能做到这一点主要是依赖于这个工具优秀的扩展性。如我们在上一篇魔改Cursor的文章中提到的，我们可以给它写一个小爬虫工具，进行搜索和网页内容抓取，然后在.cursorrules这个文件里叙述这两个工具的用法，就等于给它拓展了上网搜索和浏览的功能。 而且我做了几个或简单或复杂的尝试，它的回答一如既往的惊艳，比如我问它OpenAI最近有什么新闻，它准确地从搜索的结果中梳理出了12天连续直播的相关结果，并且提到昨天OpenAI把o1这个模型在API中间release了。紧接着我就追问了，o1不是早就出来了吗？它又通过搜索之后可以知道，o1之前发布的是o1 Preview，是一个历史的版本，在昨天发布的版本是正式版，花费的用来思考的token少了60%。而我用类似的关键字在GPT中间搜索的时候，则得不到这么惊艳的结果。比如GPT给出的结果还在说OpenAI发布了最新的模型GPT 4o，还活在上古时代。 (BTW上图也是用cursor直接生成的，提示词是我现在有两个图片1.jpeg. 2.jpeg. 我想把两个变成一样高（矮的那个的高度），然后左右合并拼成一张图，中间有一个10px的边框。另存为cursor entry search.jpeg) 另一个惊艳的例子是我突然想要复刻一个叫做《北京浮生记》的小众游戏，但是不记得他的游戏细节了。在问了Cursor Agent，它不仅进行了搜索，而且进行了多轮关键字迭代，最终生成了一个相当完整的游戏报告，我放在了这里。 因为工具和.cursorrules中间的prompt都是我们自己写的，这里面的定制性非常高。比如你可以让它一下看前20个结果，而不仅仅是局限于前三五个结果，或者你可以在prompt中间指定，当搜索编程相关的内容的时候，即使我输入的是中文关键字，你也要先用英文来搜索。这些灵活的定制性，让它能实现的服务质量非常高。 个性化 此外，如我们上个文章中提到的一样，在整个使用Cursor的过程中间，我们也可以通过提示词来实现定制化和个性化记忆。比如你希望他用中文来回答，或者某种特定的话题要搜索某个网站，或者你有一个特殊的资料库，里面是你在聊天中经常用到的链接等等，都可以以提示词的方式，或者以add某个文档的方式，动态地集中给他。他会额外地使用这些信息来进行回答。因此，它也是一个可以成长、可以调教的私人助理。 局限 但是Cursor直到目前为止，仍然没有一个可以通过程序来调用的API，它自己也不提供移动端。因此，我们上面所说的所有操作都是在电脑上完成的。但是我觉得尤其对能够干活的Agentic AI，有一个移动客户端尤其重要。毕竟跟Agentic AI进行交互，往往只需要通过口述或者聊天就可以。这让很多以前我们必须要坐到电脑前面才能干的活，一下子在手机端都可以做了。因此，这个是把Cursor作为AI的通用入口的用法，目前的一个相当大的局限。让我们看看未来有没有厂商，能够及早意识到Agentic AI在移动端的重要性，把这一点加以补足吧。但好消息是，经过我们的这些尝试和比如MCP这类的标准协议的发展，其实现在把这些功能给实现出来也并不是很难。 详尽完善的报告 招聘网站 这个github repo 上篇文章 魔改Cursor的文章 这里 小结 因此我们可以看出，虽然Devin的产品形态和设计理念确实非常先进，但是从技术壁垒上来说，它和现有的Agentic AI的工具之间的沟壑并没有我们想象的那么大。使用基于15到20美元每个月的流行工具，比如Cursor和Windsurf，我们完全可以在一小时内实现Devin 90%的功能，并且用它来完成以魔改前做不到的复杂任务。比如我给Cursor布置了一个任务，是分析一下近5年来热门科技股票的收益率，做一个深度的数据分析，它给了一个非常 详尽完善的报告 。另外，我又让Windsurf抓取我的博客前100篇文章的发贴时间，并且把它用github贡献图这样的方式可视化出来，它也可以全自动的完成。像这两种任务用传统的cursor和Windsurf都是没办法做出来的，只有用Devin才可以，但是在做了这个简单的更改之后，我们用一个月只要是20美元的工具，也可以实现一个月500美元的工具的效果。我甚至做了一个更深度的实验，作为一个完全不懂前端的dev，花了一个半小时做出来了一个有前端后端五脏俱全的 招聘网站 。这个效率和Devin相当接近甚至更高了。 详尽完善的报告 招聘网站 最后，在文中提到的所有文件都可以在 这个github repo 下载，只需要把里面的内容拷到你当前工程的文件夹下面就可以了。 这个github repo 四、Agentic AI系列4：使用Cursor作为AI的通用入口 在做完上篇文章介绍的Cursor魔改之后，将Agentic AI用"我说你做"的模式进行使用，已经成为了我对AI利用的主要方式。 而这又进一步启发我：有没有可能把Cursor或者类似的编辑器作为使用AI的通用入口呢？ 上篇文章 这么想主要是来自于两个观察：一个是，在我们把AI作为Consultant来使用的时候，很多时候我们还是需要大量的复制粘贴，而这样的操作在Cursor内部是非常自然的，只要点击Apply，它就会将AI回答的内容插入到我们正在写作的文档里。所以从用户工作流的角度来说，Cursor其实反而是一个更自然的界面。 从另一个角度来说，AI作为Consultant还有一个致命的缺陷，就是至少在目前的AI产品里，大家和搜索引擎结合的体验都不太好。不论是Chat GPT的Search还是Proplexity，或者是PoE的Web Search Bot，他们干的事情一般都是简单浏览一下前几个结果就草草给出答案。虽然这对于单轮的AI问答来说可能还可以忍，但是在用惯了Agentic AI以后，我们自然而然就会期待AI有更好的完成任务的质量，比如往下翻更多的结果，或者迭代几轮关键字，最终给我一个系统性的汇总。很多时候为了回答的质量，我是愿意等下去的，而这件事其实很适合Cursor这样的Agentic AI来做。 于是我就开始进行了一系列实验，来探索Cursor到底有没有可能取代ChatGPT或者Claude.AI，作为我们使用AI的通用入口。在经过了一些简单的尝试之后，我对实验的结果非常欣喜。下面我就简单介绍一下，Cursor可以如何被用来完成各项常见的AI任务，尤其是传统的非agent类型的AI应用，并且比较一下它的优劣势。 问答 对于最简单的常识性的问答，我们可以直接在CursorChat里面输入问题来得到答案。这一点和传统的AI并没有分别，有一个相对细节的优势是，我们可以在同一个界面里直接调用OpenAI、Anthropic，甚至是我们自己本机的私有AI来进行问答。 但在此之外，有一个非常大的好处是，正因为Cursor是一个编辑器，所以我们可以非常方便地把问答的结果收集起来，沉淀下来，变成一个可以复用的文档。 编辑器还带来另一个好处，就是当我们在进行与文本相关的任务的时候，它甚至有一些相当奇妙的用法，比如在下面的这个例子里，我想把我的中文版的博客翻译成英文，那直接在Cursor chat里面提出要求之后，它就会给我一个英文版本的文章，点击apply之后，Cursor会自动将中英文文档进行对比，高亮出其中的差别。但有意思的是，因为我们的译文和原文的结构是完全一样的，在经过对比之后，这天然就形成了一段中文一段英文的对比图形界面，在上面我们可以直接对英文进行非常直观的修改，最后accept再复制就可以完成翻译了，虽然我相信这不是Cursor设计的本意，但是整个工作流程异常的便捷自然。 接入私有文档RAG Cursor有一个功能是针对一个很大的代码库，也能精准地找到相关的函数，并且用它的信息来帮助撰写代码。对于非开发性质的问答来说，这天然就是一个RAG引擎。 当我们在问答窗口不是使用回车，而是使用Command加回车来发出问题的时候，它会首先在当前的文件夹下做一轮搜索，并且在文本框下面显示出排在前面的文档和相关度，最后使用这些信息构建提示词完成最终的生成。这些中间结果都是可以在界面上展开并且查看的。而且这个功能不仅在Chat里可以使用，它也可以作为Agentic AI的一步来使用，这是因为搜索这个功能也是Cursor Composer可以调用的一个Agent Tool。 上图这个例子里，我把我所有的Blog文章放在了当前文件夹下，然后问了Cursor一个相当复杂的问题。我问他在Chat GPT发布后的这两年时间里，作者也就是我对AI的观点和态度发生了哪些变化。Cursor的回答非常惊艳，他首先自己组织了一些关键字，然后用这些关键字做了Retrieval，结果看上去都挺靠谱的。接下来他针对这些文章进行了总结和对比，给出了相当有深度的回答。 所以即便是对于非开发性质的任务，Cursor也可以非常自然的和私有文档进行结合以及问答。而且相比于单纯的对话性质的聊天界面，Cursor天然就可以把这些新生成的insights进一步沉淀成新的文档，在后来的搜索中继续使用，这就形成了一个知识闭环。这种附用性和知识探索沉淀和新增的能力，对于知识管理来说是非常重要的。因此如果你使用obsidian之类的软件来进行知识管理的话，也不妨使用Cursor来增加知识检索和管理的效率。 搜索 另一个意外的好用的用法是把Cursor当作一个搜索引擎来用。考虑到Cursor自己并不支持上网搜索，能做到这一点主要是依赖于这个工具优秀的扩展性。如我们在上一篇魔改Cursor的文章中提到的，我们可以给它写一个小爬虫工具，进行搜索和网页内容抓取，然后在.cursorrules这个文件里叙述这两个工具的用法，就等于给它拓展了上网搜索和浏览的功能。 魔改Cursor的文章 而且我做了几个或简单或复杂的尝试，它的回答一如既往的惊艳，比如我问它OpenAI最近有什么新闻，它准确地从搜索的结果中梳理出了12天连续直播的相关结果，并且提到昨天OpenAI把o1这个模型在API中间release了。紧接着我就追问了，o1不是早就出来了吗？它又通过搜索之后可以知道，o1之前发布的是o1 Preview，是一个历史的版本，在昨天发布的版本是正式版，花费的用来思考的token少了60%。而我用类似的关键字在GPT中间搜索的时候，则得不到这么惊艳的结果。比如GPT给出的结果还在说OpenAI发布了最新的模型GPT 4o，还活在上古时代。 (BTW上图也是用cursor直接生成的，提示词是我现在有两个图片1.jpeg. 2.jpeg. 我想把两个变成一样高（矮的那个的高度），然后左右合并拼成一张图，中间有一个10px的边框。另存为cursor entry search.jpeg) 另一个惊艳的例子是我突然想要复刻一个叫做《北京浮生记》的小众游戏，但是不记得他的游戏细节了。在问了Cursor Agent，它不仅进行了搜索，而且进行了多轮关键字迭代，最终生成了一个相当完整的游戏报告，我放在了这里。 这里 因为工具和.cursorrules中间的prompt都是我们自己写的，这里面的定制性非常高。比如你可以让它一下看前20个结果，而不仅仅是局限于前三五个结果，或者你可以在prompt中间指定，当搜索编程相关的内容的时候，即使我输入的是中文关键字，你也要先用英文来搜索。这些灵活的定制性，让它能实现的服务质量非常高。 个性化 此外，如我们上个文章中提到的一样，在整个使用Cursor的过程中间，我们也可以通过提示词来实现定制化和个性化记忆。比如你希望他用中文来回答，或者某种特定的话题要搜索某个网站，或者你有一个特殊的资料库，里面是你在聊天中经常用到的链接等等，都可以以提示词的方式，或者以add某个文档的方式，动态地集中给他。他会额外地使用这些信息来进行回答。因此，它也是一个可以成长、可以调教的私人助理。 局限 但是Cursor直到目前为止，仍然没有一个可以通过程序来调用的API，它自己也不提供移动端。因此，我们上面所说的所有操作都是在电脑上完成的。但是我觉得尤其对能够干活的Agentic AI，有一个移动客户端尤其重要。毕竟跟Agentic AI进行交互，往往只需要通过口述或者聊天就可以。这让很多以前我们必须要坐到电脑前面才能干的活，一下子在手机端都可以做了。因此，这个是把Cursor作为AI的通用入口的用法，目前的一个相当大的局限。让我们看看未来有没有厂商，能够及早意识到Agentic AI在移动端的重要性，把这一点加以补足吧。但好消息是，经过我们的这些尝试和比如MCP这类的标准协议的发展，其实现在把这些功能给实现出来也并不是很难。 by grapeot grapeot 🔗 原文链接： https://yage.ai/cursor to devin.html 本文是《理解和部署Agentic AI》系列的一部分： • Agentic AI系列1：Devin和Agent Cursor使用体验对比 Agentic AI系列1：Devin和Agent Cursor使用体验对比 • Agentic AI系列2：从智者到行者——Agentic AI的范式革命与技术架构 Agentic AI系列2：从智者到行者——Agentic AI的范式革命与技术架构 • Agentic AI系列3：搏一搏，$20变$500：一小时魔改Cursor变身Devin Agentic AI系列3：搏一搏，$20变$500：一小时魔改Cursor变身Devin • Agentic AI系列4：使用Cursor作为AI的通用入口 Agentic AI系列4：使用Cursor作为AI的通用入口 一、Agentic AI系列1：Devin和Agent Cursor使用体验对比 最近我充了500美元一个月的AI编程工具Devin。 他号称是一个全能的实习生，可以做很多传统的AI工具，比如Cursor和Windsurf之类做不了的事情。 在使用了一段时间之后，我确实感到了他和Cursor在设计理念和使用体验上有着巨大的不同，在这篇文章里面总结一下。 要注意的是我这里说的Cursor不是传统的类似自动补全的Copilot，或者类似Copilot Chat那种通过自然语言来编程的工具，这里的Agent Cursor指的是Cursor最近刚发布的Agent模式。在Cursor Composer里面，现在可以把模式从Normal切成Agent，然后在里面提出需求，接着Cursor就会调用各种工具来为你迭代的完成任务。 整个体验和Windsurf极其类似，因此，这里所说的Agent Cursor已经是一种相当先进的，以Agent的方式通过调用电脑上的各种工具多轮完成任务的一种产品形式。 总的来说，我最明显的感受就是Devin的设计理念和目标与Agent Cursor非常不一样。跟Cursor的交互更像是一个与工具的交互。而Devin更像一个人。下面的三个方面都是围绕这个区别的。 局部执行 vs 全局规划：从指令完成到流程主导 在使用Cursor的过程中，我有一个明显的感觉是，它像是一个严格执行具体任务的技术员。 只要给它一个明确的指令，它就可以快速执行，输出结果。 但Davin则更像是一个更有章法的复杂系统或者说实习生。 它会有着更完整的工作流程思维，会先制定一个高层计划，然后再细分步骤执行，验证成果。 虽然Devin和Cursor都会有多轮迭代这个特性，但Cursor的迭代只是为了进行测试，来验证自己有没有完成目标。 而Devin则更像是一个职场老油条，它会先列一个高层的计划，然后一个个打勾，在这个过程中还会不断地调整策略，让你始终知道它做到哪一步了，而且让你相信整个项目的进度也在它的掌握中。 这是一个非常有意思的区别，而且也确实让Devin可以去完成更加复杂多变的任务，提供更加系统的解决方案。 比如我们尝试了让两个AI都去克隆一个网站，Devin在更高层的抽象思考和计划制定方面明显更强，他会知道先调用各种工具，把这个网站下载到本地，然后去观察每一个网页和模块的作用与样式，然后再着手规划网页结构，最后再着手执行。 但Cursor给人的感觉就是明显不是为了这种难度的工程设计的，它的第一次迭代没有想到要先把网站下载到本地，而是直接hallucinate了一个网页出来。 然后，在明确被提醒先把网站内容爬下来之后，他又漏了很多重要的细节，做出来的网页只是一个非常简化的版本。 所以总的来说，二者的设计目的感觉是非常不一样的。Devin的设计的时候更像是把它当做一个有章法有计划的软件工程师来设计，而Cursor则更多的是一个帮助我们快速自动的解决一些明确的相对小的问题的工具。 工具使用的灵活性 他们的第二个差别在于工具使用的灵活性上。 Cursor能调用的agent主要是文件系统、生成代码和执行命令。 但是Devin可以调用更多的工具，比如说它可以启动浏览器，用视觉能力来理解前端的内容，甚至可以做一些跟前端交互的自动化测试。 它还可以调用自己的LLM（对应实习生的大脑？），可以用自己的脑力来完成一些相对独立的更灵活的任务。 举个例子，我的blog有一些链接需要修复。 这些链接错误的模式没有明显的规律，因此Cursor在面对这种问题的时候就显得力不从心。 它没有办法从这些错误的链接中间总结出一些规律，然后写一个程序来批量处理。 换言之，这个问题本身就不适合用编程来解决，而需要更高层次的智能。 而Devin很好地解决了这个问题。它在整个过程中间没有使用任何编程，而就是打开一个个的文件，用它的LLM去理解，找到其中的问题所在，并且把它修复（PR在这里）。 这个不同一方面佐证了在上一点中我们提到的章法的差异。另一方面也说明Devin拥有的这些更多样的能力，可以让它经过组合来完成更加复杂的任务。 这里 但是这种工具使用的灵活性也是一把双刃剑。比如，在另一个例子里，我让Devin和Cursor都去CVPR的网站上，把今年的2000篇文章的作者标题和PDF链接下载下来。Cursor对于这种明确的需要编程的任务表现的一如既往的好。它很快写了一个爬虫，解析了CVPR网站的内容，并且生成了最终的结果文件。 但Devin则选择了另一条意外的手工路线。它首先打开浏览器，在用图像能力阅读了浏览器、阅读了第一页之后，给了我一个只有三篇论文的结果文件。 在被质问"这只有三篇，其他的呢？"以后，它竟然再次选择用浏览器打开网页，一页一页三篇三篇的输出。这个流程真是让人哭笑不得。 从某种程度上来说，也确实像在带一个勤奋但是没有经验的实习生。只是从工具和完成任务的角度来说，Cursor的稳定性和完成任务的能力在这里是更重要的。 Prompt与知识的动态成长 另一个相关的差别是，他们对于知识的管理和迭代。 在Devin的使用中他非常强调知识和经验的总结和积累，比如在上面的CVPR抓取的例子里，我给了他一个反馈是："你需要先看一下有多少个文章，如果文章数量多的话，你需要选择用程序来批处理。"在我给了他这个feedback以后，他就自动生成一条知识，说下次如果在做网络抓取的时候，需要根据数据的规模来分情况处理。接着当我又让他做一遍CVPR这个任务之后，他就没有再掉到同样的坑里了。 这种动态迭代与进化的设计，让整个过程特别像带一个实习生。 包括我让Devin onboard一个新的Github repo的时候，也是我带着他一起去初始化这个repo、安装各种依赖，以及教他怎么样跑各种测试，在什么情况下说明什么组件没有问题。 带了一遍以后，他也把这些信息都转变成知识，再后来他也就可以非常熟练地处理我的blog repo了。 这种动态进化的设计在Cursor上暂时还没有看到，但是我比较乐观，这个是Cursor很容易实现的。现在Cursor已经可以使用.cursorrule这样的文件来自定义每个工程特定的知识，所以它的mechanism是已经在那里的，只要接入一个整理知识的prompt应该就可以了。 多一句嘴，在prompt方面，Devin有一个文档，我感觉特别有帮助，他会教你什么样的prompt在与Devin沟通的时候是最有效的。比如你需要明确定义成功的标准，比如要跑通某个测试，或者访问某个链接能对得上等等。这个和我们在builder's mindset课程里面的观点不谋而合，而且当你把同样的原则应用到使用Cursor的过程中间的时候，也会发现Cursor一下子也变得聪明了很多，可以自主验证有没有完成任务并且进行迭代。 一个文档 builder's mindset课程 可控与场景 正因为这三个设计和产品方面的区别，给我一个很明显的感受：DeVIN设计出来就是为了像一个人一样，有章法、会成长，虽然不可控性更高。 比如有时候他会对着我一个MD文件发呆十分钟，我甚至怀疑他在后台偷偷玩手机。 但是也更擅长做更复杂的项目。相比之下，Cursor是一个更直观的编程工具，你会知道他可能会掉什么坑里去，并且事先加以预防，但这个对Devin来说就更加困难一点，有时候甚至他掉坑里了，事后复盘都不太懂他为什么会犯这个错。 对于实际的使用来看，我目前会更倾向Cursor，因为这两个工具所针对的场景其实相差很大。 Devin更强调对于软件工程进行复杂开发。比如他一个月要500美元，而且跑起来也很慢，一个小项目跑个半小时几个小时很正常。 但如果这个项目可以用Cursor来完成的话，他可能五分钟就跑完了。 所以Cursor更适合做一些更贴近生活、更轻量级的小任务。 而且我相信Devin的很多设计和经验，包括Prompt Engineering的技巧和迭代的思路，都可以被Cursor轻松实现。 所以也许Cursor的竞争对手其实不是Devin，而是ChatGPT。 换言之，如果你想要的其实不是一个代码，而是一个artifact，比如一个图标，一个文档，甚至一个photoshop的图像，都可以用Cursor来做。 只有当最终想要的deliverable是一个复杂的软件工程的时候，Devin才是一个更适合的工具。 下面我也会继续探索Devin有没有什么更好玩的用法，来让我们每天的工作和生活更加便利。 二Agentic AI系列2：从智者到行者——Agentic AI的范式革命与技术架构 从“我问你答”到“我问你做” 在讨论Agentic AI之前，我想先讲两个小故事。 我在网上和别人聊天的时候，想要比较一下亚马逊和谷歌最近五年的股票走势来佐证我的一个观点。我先是上网搜索了有没有现成的比较和工具，发现没有。接着问了C