22
6 月
Cursor 10 天 3 版：编程 Agent 正在长出「双手」
如果你最近十天没关注 Cursor 的更新日志，你可能错过了一个关键时刻：编程 AI 正在从「给你写代码」进化到「替你完成整个开发闭环」。3.7 给了 Agent 一台云端电脑，3.8 教了它什么是「习惯」。
6 月 5 日到 6 月 18 日，不到两周，Cursor 发了三个版本。
不是三个小补丁。是三个有独立叙事的产品更新：3.7 把 Agent 搬上云端，3.7 补丁让云端和本地能「交接班」，3.8 给了 Agent 一套自动化技能栈。
如果你只读到「Cursor 更新了新版本」这条消息，你可能会错过一个重要的范式切换：编程 Agent 正在从「工具用户」变成「独立工作者」。
3.7（6 月 5 日/17 日）：Agent 有了自己的电脑
传统上，本地 AI Agent 有一个硬限制：它和你在同一台机器上抢资源。你跑 4 个 Agent 并行，你的电脑可能先卡死。Cursor 3.7 给的答案是：把你的 Agent 搬到云端。
三个核心能力：
- Cloud Environment Setup：10 分钟内帮你配好一台云端开发环境。Agent 在一个共享终端 session 中执行安装依赖、配置环境等任务，你可以实时看到它在做什么。
/in-cloud云端子 Agent：输入/in-cloud命令，Agent 会在自己独立的 VM 和分支上运行。你的本地工作区保持干净、响应。它特别适合隔离那些「可能会把代码搞乱」的长任务。- PR 托管
/babysit：让云端 Agent「照看」你的 PR——监控 CI 状态、处理 reviewer 的修改意见、准备好后再叫你来看。
理解这个变化最好的方式：以前 Agent 是你的副驾驶，现在它是你派出去的独立任务组。
3.8（6 月 18 日）：Agent 学会了「习惯」
如果说 3.7 是给 Agent 一台电脑，那 3.8 就是给了它一套「自动化习惯」。
最核心的新功能是 /automate 技能。你只需用自然语言描述「我想自动做什么」，Agent 会自动帮你配置好整个自动化工作流。以前你需要在 UI 里手动选择触发器、写指令、配置工具——现在一句话搞定。
新增的 6 种触发器包括：GitHub Issue 评论触发、PR review 评论触发、PR review 提交触发、Review 线程状态变更触发、GitHub Actions 工作流完成触发、以及 Slack emoji 反应触发。
另一个关键变化：Computer Use 在 Automations 中默认开启。 这意味着被自动化触发的云端 Agent 可以直接操作浏览器、生成演示页面或成果物作为工作产出。
结合起来看，一个典型的自动化闭环是：CI 失败 → Agent 自动收到通知 → 尝试修复 → 开 PR → 通知你 review。 全程无人干预。
这对你意味着什么？
1. 开发者角色在变。 未来几个月的核心变化不是「用 AI 写代码更快」，而是「你决定做什么，AI 决定怎么做」。代码审查、环境管理、CI 维护这些「运维体力活」正在被自动化接管。
2. 「Agent 可靠性」成为选型关键。 当 Agent 以无人值守模式跑在云端时，它出错的成本被放大了。Cursor 在 3.7 中强调的「PR 差异化审查」和 Human-in-the-loop 设计，本质上是在给自动化的风险加保险。
3. 孤岛正在消失。 云端 Agent 可以和你的本地 Agent 交接上下文、共享状态。这意味着你的开发工作流可以真正分布式的——本地、云端、CI 环境之间不再是三个独立的宇宙，而是一个连续的 Agent 运行时。
FAQ
Q: /in-cloud 要额外付费吗？
云端 Agent 在 Cursor Pro/Ultra 的额度内运行，超出额度需要额外付费。
Q: Cursor 的 Automations 能用自定义 MCP 服务器吗？
3.8 版本中，自动化在保存不完整状态时可以导航去配置 MCP 认证，说明 MCP 支持在范围内。
Q: 如果云端 Agent 把代码搞坏了怎么办？
云端 Agent 在自己的 VM 和独立分支上运行，所有更改都通过 PR 提交——这意味着有完整的 review 缓冲。你可以拒绝不合规的改动。
参考来源：
📎 相关阅读
- Autonomy 开源框架解析：当 AI Agent 学会自己写工具 — Agent 不只是用工具，开始自己造工具了
- SpaceX 以 600 亿美元股票收购 Cursor：马斯克的 AI 铁王座完整了 — Cursor 母公司就在同一周被天价收购
- Agentjacking 警报：85% 成功率的 AI 编程 Agent 劫持攻击 — 云端 Agent 自主运行的安全风险不可忽视
分享这篇文章
RELATED
Posts
Marketing Skills — 37K 星 AI Agent 营销技能库：CRO、SEO、文案、增长工程一站式 Agent 工具包
一句话结论：Marketing Skills 是 Corey Haines 构建的一个开源 AI Agent 营销技能库，已在 GitHub 获得 37,000+ Stars。它包含 36 个结构化营销技能，覆盖转化率优化（CRO）、文案写作、SEO 审计、数据分析、增长工程等领域，让 AI 编码 Agent 变身专业营销顾问。
项目介绍
Marketing Skills 是一个遵循 Agent Skills 规范 的技能集合。每个技能是一个 Markdown 文件，给 AI Agent 注入特定营销任务的专业知识和结构化工作流。当你在项目中添加这些技能后，Agent 能识别你正在做营销任务，自动应用正确的框架和最佳实践。
作者 Corey Haines 是 Conversion Factory 和...
AI Job Search — 7K 星 Claude Code 求职框架：让 AI Agent 帮你投简历、写求职信、模拟面试
一句话结论：AI Job Search 是一个基于 Claude Code 的 AI 求职框架，在 GitHub 上已获得 7,000+ Stars。它把 Claude Code 变成一个全能求职助手：自动评估岗位匹配度、定制简历、写 Cover Letter、准备面试。TypeScript 开发，MIT 开源。
项目介绍
AI Job Search 由丹麦开发者 Mads Lorentzen 创建，核心思路是：把求职变成一个结构化的、AI 可执行的流水线。你只需填写个人资料（CV、技能、经历），Claude Code 会自动完成后续所有步骤。
核心工作流（自我画像→岗位匹配评估→起草-审查申请流水线）是语言和国家无关的。内置的丹麦求职门户技能（Jobindex、Jobnet 等）可以替换为你当地的求职网站。项目还提供了 /add-portal 命令自动生成新求职门户的搜索技能。
核心功能
自我画像：填写 CV、技能、工作偏好后，Agent 自动建立你的职业画像
岗位匹配评估：Agent 分析岗位描述，评估匹配度，给出申请建议
简历定制：根据目标岗位自动调整简历重点和关键词
Cover Letter 生成：起草-审查双 Agent 流水线，确保质量
面试准备：基于岗位描述生成常见问题和回答建议
LinkedIn 全球搜索：通过公开...
Agent Skills — Addy Osmani 开源的 AI 编码 Agent 24 技能包：从 Spec 到 Ship 全生命周期工程规范
一句话结论：Agent Skills 是 Google Chrome 工程总监 Addy Osmani 开源的生产级 AI 编码 Agent 技能包，24 个技能覆盖 Define→Plan→Build→Verify→Review→Ship 完整开发周期。支持 Claude Code、Cursor、Codex、Copilot 等 70+ 工具。将 Google 工程文化的最佳实践编码为 Agent 可执行的结构化工作流。
项目介绍
AI 编码 Agent 默认走最短路径——跳过 Spec、跳过测试、跳过安全审查。Agent Skills 给 Agent 注入了资深工程师的工程纪律：什么时候写 Spec、测试什么、怎么审查、什么时候上线。这不是通用 Prompt，而是经过 Google 工程文化验证的、结构化的、有明确验证标准的工程工作流。
每个技能包含：流程步骤、验证检查点、反借口表（阻止 Agent 跳过步骤）、红线标记。设计理念来自
12-Factor Agents — 构建生产级 LLM 应用的 12 条原则：从原型到可靠产品的工程方法论
一句话结论：12-Factor Agents 是 HumanLayer 提出的构建生产级 LLM 应用的 12 条工程原则，受 12-Factor App 方法论启发。它回答了一个核心问题：什么原则能让我们构建的 LLM 应用真正达到可以交付给生产客户的质量标准？
项目介绍
作者 Dexter 在构建 AI Agent 产品时发现一个普遍问题：大多数 Agent 项目能达到 70-80% 的质量，但突破 80% 进入生产级别需要深入了解框架内部。他提炼了 12 条原则，帮助开发者从一开始就用正确的方式构建可靠的 LLM 应用。
核心洞察：即使 LLM 持续指数级增长，依然存在核心工程技巧让 LLM 应用更可靠、更可扩展、更易维护。最关键的是——你不需要全盘重写来采用 Agent 架构，可以逐步将 Agent 的模块化概念融入现有产品。
12 条原则
自然语言优先 — 用自然语言定义...
Chatwoot — 30K 星开源客服平台：自托管替代 Intercom/Zendesk，支持全渠道 + AI Agent
一句话结论：Chatwoot 是 GitHub 上 30,000+ Stars 的开源客服平台，自托管替代 Intercom 和 Zendesk。支持网站实时聊天、邮件、WhatsApp、Facebook 等全渠道收件箱，内置 AI 助手和知识库。Ruby on Rails 开发，数据完全私有。
项目介绍
Chatwoot 是现代开源客服支持平台，为需要完全控制客户数据的企业设计。它将所有客户对话集中到一个强大的收件箱，无论客户从哪里联系你。支持 网站实时聊天、邮件、Facebook、Instagram、Twitter、WhatsApp、Telegram、Line、SMS 等渠道。
核心优势：完全自托管，数据归你所有。适合有合规要求（GDPR、HIPAA）或不想把客户数据交给第三方 SaaS 的企业。
核心功能
全渠道收件箱：网站、邮件、社交、即时通讯，一个界面管理所有对话
AI 助手：自动回复、意图识别、情感分析、对话摘要
知识库：内置帮助中心，支持多语言
联系人管理：客户画像、交互历史、自定义字段
团队协作：对话分配、内部备注、预设回复（Canned Responses）
自动化：基于规则的自动分配、标签、触发器
API 和 Webhook：完整 REST API，支持自定义集成
移动端：React Native 构建的 iOS/Android App
安装方式
# Docker 一键部署（推荐）
docker run -p 3000:3000 chatwoot/chatwoot
# 手动安装（Ubuntu）
git clone https://github.com/chatwoot/chatwoot.git
cd...
AI Agents for Beginners — 微软官方 AI Agent 入门课程：10 节课从概念到代码
一句话结论：AI Agents for Beginners 是微软官方的 10 节 AI Agent 入门课程，使用 Microsoft Agent Framework (MAF) 和 Azure AI Foundry，从概念到代码带你构建第一个 AI Agent。支持中文等多语言，免费开源。
项目介绍
这是微软官方出品的 AI Agent 入门课程，在 GitHub 上开源。每节课包含 视频讲解 + 文字教程 + Python 代码示例 (Jupyter Notebook)，使用 Microsoft Agent Framework 和 Azure AI Foundry...
Claude SEO — 11K 星 Claude Code SEO 插件：25 子技能 + 18 专业 Agent 并行审计
一句话结论：Claude SEO 是一个开源的 Claude Code SEO 分析插件，已在 GitHub 获得 11,000+ Stars。它拥有 25 个子技能和 18 个专业 Agent，可并行执行技术 SEO、E-E-A-T 评分、Schema.org 标记、GEO/AEO（AI 搜索优化）、本地 SEO、电商 SEO、国际 SEO 等全方位审计。MIT 开源，完全离线可用。
项目介绍
Claude SEO 由 Daniel Agrici 开发，是目前功能最全面的开源 SEO 分析工具。它遵循 Google 官方 AI 优化指南 和 2025 年...
Pixelle-Video — 开源 AI 全自动短视频引擎：输入主题，3 分钟出视频
一句话结论：Pixelle-Video 是一个开源的 AI 全自动短视频生成引擎，输入一个主题即可自动完成脚本撰写、AI 配图、语音合成、背景音乐和一键合成视频。支持多种 AI 模型和 TTS 方案，完全免费方案仅需本地 Ollama + ComfyUI。中文友好。
项目介绍
Pixelle-Video 由 ATH-MaaS 团队开发，是一个"输入主题，3 分钟出视频"的全自动 AI 短视频引擎。不需要视频编辑经验，不需要复杂配置。基于 ComfyUI 架构，支持预设工作流和自定义能力扩展。
核心功能
全自动生成：输入主题 → 自动出完整视频
AI 智能文案：基于主题自动生成解说词
AI 配图/视频：每句解说词配精美 AI 插图
AI 语音合成：支持 Edge-TTS、Index-TTS 等主流方案
背景音乐：自动添加 BGM 增强氛围
多种视觉风格：多个模板打造独特视频风格
灵活尺寸：支持竖屏、横屏等多种视频尺寸
多 AI 模型：GPT、千问、DeepSeek、Ollama 等
成本方案
方案配置成本完全免费Ollama (本地) + 本地 ComfyUI$0推荐方案千问 LLM +...
MuscleWiki — 2000+ 动作交互式健身库：点击肌肉，秒查训练动作
一句话结论：MuscleWiki 是一个免费的交互式健身动作库，收录 2,000+ 个动作和 7,500+ 个视频演示。通过交互式肌肉地图，点击任意肌肉即可看到针对训练动作。提供免费 API，适合健身 App 开发者集成。
项目介绍
MuscleWiki 以独特的交互式肌肉地图为核心体验。人体模型上标注了 45 个肌肉群，点击任意肌肉即可显示该部位的针对性训练动作，每个动作都配有视频演示和分步文字说明。是目前互联网上最直观的健身动作查询工具。
核心功能
交互式肌肉地图：45 个肌肉群可视化标注，点击即查
2,000+ 动作库：覆盖全身所有肌群
7,500+ 视频演示：专业动作教学视频
分步文字指南：每个动作的详细执行说明
免费 API：供开发者集成到健身 App 中
移动端适配：响应式设计，手机浏览器完美体验
API 使用
# 获取所有动作
curl https://api.musclewiki.com/v1/exercises
# 按肌肉群筛选
curl https://api.musclewiki.com/v1/exercises?muscle=biceps
# 完整 API 文档见
# https://api.musclewiki.com/documentation
适用场景
健身 App：嵌入动作教学视频和文字指南
个人训练：查询不熟悉的动作正确做法
教练教学：快速展示动作给学生看
内容创作：健身文章和视频的参考资料
FAQ
MuscleWiki 免费吗？
网站完全免费。API 有免费层，适合个人项目和中小型应用。商业大规模使用需查看 API 定价。
和 YouTube 健身视频有什么区别？
MuscleWiki 的独特优势是按肌肉定位。你不知道动作名字，但你">>知道想练哪个部位——点击肌肉就能找到所有针对该部位的动作。
相关链接
MuscleWiki 官网
MuscleWiki API
Exercises...
Exercises Dataset — 433 个健身动作开源数据集：为你的健身 App 和 AI 模型提供结构化数据
Exercises Dataset 提供 433 个健身动作的结构化数据，并整合 MuscleWiki 动作演示与 DAREBEE 免费训练计划，适合健身 App、AI 模型和个人训练参考。
评论 (3)
[…] Cursor 10 天 3 版：编程 Agent 正在长出「双手」 — 编程 Agent 的自动化能力在同一周密集升级 […]
[…] Cursor 10 天 3 版：编程 Agent 正在长出「双手」 — Cursor 在被收购后立即发布了密集的自动化更新 […]
[…] Cursor 10 天 3 版：编程 Agent 正在长出「双手」 — 具身智能和编程 Agent 在同一周展示了「从会说到会干」的范式切换 […]
评论被关闭。