這是一篇 X 上的文章，我替這篇來做一下翻譯跟摘要。
--
幾年前我們開始打造 Cursor 時，大部分程式碼仍然是一個按鍵、一個按鍵敲出來的。
第一個時代：Tab 自動補全
Tab 自動補全的出現，開啟了 AI 協助寫程式的第一個時代。
它擅長處理低變化、重複性的工作，為開發者帶來巨大的效率提升。這個時代大約持續了兩年。
第二個時代：同步型 Agent
接著，AI 模型能力提升，Agent 開始出現。
開發者改為透過「提示 → 回應」的同步互動模式指揮 Agent。
Agent 可以：
-
保持更多上下文
-
使用更多工具
-
執行更長的任務流程
開發者的工作方式開始改變——從去年夏天的緩慢轉變，到最近幾個月的快速翻轉。
2025 年 3 月時，Tab 使用者約是 Agent 使用者的 2.5 倍；
如今已經反轉，Agent 使用者變成 Tab 的 2 倍。
Agent 使用量在過去一年成長了 15 倍以上。
但這個「同步 Agent 時代」可能不會維持太久。
第三個時代：雲端自主 Agent
新的時代正在到來。
這個時代的特徵是：
Agent 可以在更長時間尺度下，自主處理更大型的任務，幾乎不需要人類即時介入。
這讓 Cursor 的定位產生根本轉變。
它不再只是幫助你寫程式。
而是幫助你打造「生產軟體的工廠」。
軟體工廠的概念
這座工廠由大量 Agent 組成，你與它們像是與隊友合作：
-
提供初始方向
-
配置工具與環境
-
設定評估標準
-
最後進行審查
Cursor 團隊內部已經這樣運作：
-
35% 的 PR 是由雲端 VM 上自主運行的 Agent 產生
-
多數程式碼幾乎完全由 Agent 撰寫
-
開發者主要在做：
-
拆解問題
-
檢視產出（artifacts / code）
-
提供回饋
-
-
同時啟動多個 Agent，而不是盯著一個完成
一年後，他們預測大部分開發工作都會由這類 Agent 完成。
為什麼雲端 Agent 是關鍵？
同步 Agent 有兩個限制：
-
必須即時互動
-
與本機資源競爭
因此一次只能用少數 Agent。
雲端 Agent 解決了這兩個問題：
-
每個 Agent 在獨立虛擬機上運行
-
可以交辦任務後去做別的事
-
Agent 會花數小時：
-
迭代
-
測試
-
驗證
-
-
最後回傳：
-
log
-
錄影
-
live preview
-
可快速審查的成果
-
這讓「平行運行多個 Agent」變得可行。
人的角色也改變了：
從逐行指導
轉為定義問題與審查標準
尚未解決的挑戰
這種模式要成為產業標準，仍有許多問題：
-
不穩定測試（flaky tests）
-
壞掉的開發環境
-
Agent 需要完整工具與上下文權限
當規模放大後，小問題會放大成系統性失敗。
但方向已經很明確：
開發者的核心能力，將從「寫程式」轉向「設計與管理 Agent 系統」。
簡單總結三個時代
| 時代 | 核心工具 | 人的角色 |
|---|---|---|
| 第一代 | Tab 自動補全 | 加速手動寫碼 |
| 第二代 | 同步 Agent | 即時指揮與修正 |
| 第三代 | 雲端自主 Agent | 設計任務、審查成果 |
如果你現在還在「用 AI 幫我寫程式」，
其實你已經落後半個世代。
真正的轉變是：
用 AI 建立一座可以持續產出軟體的工廠。
