Cursor的突然爆火，唤起了大模型的又一春

如果你经常刷 X 或者关于 AI 的信息，那么你对 Cursor 这个词肯定不陌生。随便刷刷我的时间线，就能看到 XXX 说 Cursor 太牛逼了啊，我 XXX 小时就能利用它写一个应用出来。

是的，他们说的都是真的。 

我只用了 27 * 3 秒，就写了一个简单的 FLUX WebUI，还加了 Magic Prompt + 历史记录功能。 

而且，这还是用的一个我以前一看就头疼的代码语言。

所以，不得不感叹大模型技术发展之快，很多还在做大模型应用或者模型的公司，也要好好想想，互联网的那套方法，在当下还能不能奏效，现在的这种节奏，可能比敏捷开发还要敏捷。 

“不然 OpenAI 的 GPT-5 出来，就吊打大家”。 

上面的这句话，其实是山姆大叔在去年 11 月的 OpenAI 开发者大会上说的，结果他的对手，Claude 的母公司 Anthropic 帮他做到了。

因为 Claude 在前段时间推出了Claude-3.5-Sonnet：一个在前端代码生成能力上断崖式领先的模型，以及Artifacts ：一个直接把前端代码渲染成网页的工具 

加上在 Claude 加持下的 Cursor 持续爆火，似乎让很多人在周边不断唱衰的论调中，似乎又看到了大模型应用落地的另一种新思路——代码生成。

Code - Interpreter ：代码生成的鼻祖

说起代码生成，就不得不提起鼻祖 - OpenAI 于去年 10 月份左右推出的 Code - Interpreter，当时在互联网上掀起的热度，绝对也不亚于现在 Cursor 和 Artifacts 的热度。 

CI 其实是一个运行 Python 代码的沙盒环境，可以让大模型生成 Python 代码，在 CI 的这个沙盒中去运行，最后再把结果输出，这样子就突破了 tools 的固定范式，能做的事情就变得非常多了。 

但可惜的是，OpenAI 似乎点错了技能点。

之前就很多人吐槽 OpenAI 的工程能力弱，是草台班子，天天被逆向，实际可能是 OpenAI 都是算法大佬 ，压根也没啥前端或者没有啥话语权，所以做 CI 的时候，自然也从 Python 切入了。（对比 Claude 的 Artifacts，就是人家产品设计师想出来的，Artifacts 诞生背后的故事其实挺有意思的，有兴趣的可以自己去Claude官网看看 How Anthropic built Artifacts。） 

然后就是，Code - Interpreter 出来之后，大家 high 了几天，也就不了了之了。为啥呢，Python 这后端代码，在沙盒里，又不能访问网络，又不能操作数据库，画图还只能用 Matplotlib，碰上中文字体还乱码，还能干点啥？

Artifacts：一种新的 AI 交互范式

我其实是个很爱写代码的产品经理，这个事情从我 10 来岁的时候就开始了，虽然这么多年技艺也不精湛，但是那种一行行敲下代码把想法落地的感觉，真的非常非常地酷。然而事实上，光是“代码”这两个字，就能让大多数人望而却步。 

Code-Interpreter 很难让用户持续高潮的原因，大概是因为 Python 输出的，仍旧还是那……*%&……%&……的代码。

而 Artifacts 带给用户的，却完全是另外一种体验，它更像是一个善解人意的设计师，不仅能听懂你的需求，还能立刻给你一个视觉丰富的、可以交互的 UI 呈现。 

这种差异带来的结果是显而易见的。Code-Interpreter 虽然强大，但使用门槛较高，主要吸引了一些技术爱好者和专业开发者。而 Artifacts 则以其直观的交互方式和即时可见的结果，吸引了更广泛的用户群体，包括设计师、产品经理，甚至是完全没有编程经验的普通用户，你只管负责想象，我尽情给你呈现。 

在今天 LangGPT 的群里，大神刚哥甚至用前几天 SuperPrompt 的思路，用 Lisp 版本的 Prompt + Artifacts 创作出来更惊艳的效果。

（图片皆引用自 WaytoAGI ，作者：李继刚，即刻同名）

嗯，甚至可以生成动画。 

Artifacts 的产品设计师 Michael Wang 回忆道：“看到它立即出现在屏幕上，某种东西就……突然通了。这不仅仅是为了加快流程，它改变了我们与 Claude 互动的方式。” 

何尝不是呢，在我认为，它即将改变的是人类与 AI 互动的范式。在 Artifacts 之前，我们与 AI（Bot）的对话更多是单向的、静态的：我们输入指令，AI 返回文本；但 Artifacts 将这种交互变成了双向的、动态的对话：我们描述需求，AI 即时呈现可视化的结果，我们可以立即给出反馈，AI 则可以迅速调整。这种交互模式更接近于人类之间的协作，大大提高了创作的效率和乐趣。

其次，这种新的交互范式对前端开发领域的影响可能是深远的。

传统的前端开发流程通常需要设计师出视觉稿，开发者进行编码，然后反复调试和修改。而有了 Artifacts，这个过程可能会变得更加流畅和高效。设计师可以直接与 AI 对话，快速验证自己的想法；开发者则可以更专注于复杂功能的实现，而不是被繁琐的 UI 编码所困扰。 

不要觉得这个事情很遥远，就比如，产品经理也从以前输出需求文档变成了输出 prompt，以前需要很多算法天天炼模型的事情，现在通过 prompt 就能实现了。 

当然，我们也要清醒地认识到，Artifacts 现在还远未达到完美。它生成的代码可能存在 bug，设计风格可能不够统一，功能可能还不够强大。但正如 Anthropic 团队所展现的那样，技术的进步往往始于一个简单而大胆的想法。在这个 AI 与人类智慧不断碰撞的时代，Artifacts 为我们打开了一扇新的大门。它让我们看到，AI 不仅可以是一个强大的助手，更可以成为我们创意的延伸，想象力的放大器。

未来的 AI 交互会是什么样子？也许答案就在我们的想象之中。而 Artifacts，无疑只是这场想象力革命的一个精彩开端。

Cursor：让自然语言编程变成了现实

一年前，我身边还有很多研发的同学非常嫌弃 GPT，觉得自己是无可替代的；同样的今天，读完我文章觉得 Cursor 只是非专业人士自嗨的玩具也肯定大有人在。 

事实上，工程界已经造了足够多的轮子。从基础的数据结构到复杂的框架，从简单的算法到庞大的系统架构，这些都是大佬们智慧的结晶。AI 的强大之处不在于重新发明这些轮子，而在于能够快速理解、组合和应用这些已有的工具。如果 AI 能够熟练运用这些现有的”轮子”，它就已经能够超过大部分的人了。 

Cursor 的革命性正在于此。它不是要取代程序员，而是要成为程序员的得力助手。通过自然语言交互，Cursor 可以快速理解开发者的意图，然后从海量的代码库和最佳实践中筛选出最合适的解决方案。大模型本身就是一种压缩的数据库，我们只是换了种方式在检索而已。 

另外，我们也要认识到，工具用得好不好，一半看工具，另一半看人。

即使是最强大的 AI 辅助工具，如果使用者缺乏基本的编程思维和问题解决能力，也难以发挥其真正的潜力。相反，一个熟练的开发者能够充分利用 Cursor 的能力，将其变成自己创造力的延伸，从而达到事半功倍的效果。

再回过头来看我在文章开头放的几个截图，其实 Cursor 爆火最重要点并不在于它是另外一个 Github copilot，而在于它可以是 Code agent，它同样也拉近了普通人跟“代码/编程”之间的距离，门槛都快踩到地下了。工具的效率提升，可以让人更低成本，更快效率，更专注地去构思创作。

试想一下：换以前如果你有一个想法，想落地，找外包一周，谈价格扯皮一周，对需求一周，等开始已经是半个月以后了，做完说不定黄花菜都凉了；现在，你来定时间！

X：春天在哪里？

AI Native 的口号就没停过，但是谁又能定义得了真正的 AI Native？ 

曾几何时，将一个想法变成现实需要漫长的过程和专业的技能。而现在，借助这些 AI 工具，任何人都可以在短时间内将创意变为可交互的原型。这不正是我们一直期待的”AI 原生应用”的雏形吗?

当然，就像初春时节，我们还会遇到寒流和阵雨。这些 AI 工具还不够完美，生成的代码可能需要调整，设计可能需要优化。但正如春天总会到来一样，AI 技术的进步也是不可阻挡的。更令人兴奋的是，这可能只是 AI 原生应用春天的开始。随着技术的不断进步，我们可以期待更多惊喜：也许有一天，我们可以直接用自然语言描述一个完整的应用，AI 就能为我们构建出全功能的产品。 

所以，AI 原生应用的春天在哪里？它就在 Cursor 帮你快速编写代码的时候，在 Artifacts 为你实时渲染 UI 的瞬间，在每一个因为这些工具而得以快速实现的创意中。它就在我们的眼前，在我们的指尖，在每一个敢于拥抱新技术的开发者和创作者心中。 

春天，就在你每一次勇敢的尝试中。

本文来自微信公众号：GLBai，作者：ElliotBai