cursor使用体验
从量变到质变，参数量级到一定程度后，AI浪潮浩浩汤汤席卷而来。 顺应时势，不求站在浪潮之巅，只期望冲浪板不要被冲走，能留在牌桌上。
体验#
从24年cursor刚出来的时候就已经开始接触，当时是当做新鲜玩具体验，快速生成一些计算器、时钟、贪吃蛇游戏等等。好奇它的语料是不是github，像是从烟海里已有的项目摘取片段，生成目标。当时大模型代际是chatgpt 3.5 刚出来不久，效果还比较简陋，也带来了很多惊喜。
最近又尝试使用了最新版本，底层模型好像是换成了Claude3.5，惊喜依旧。
我有个每天给我发送信息的机器人，之前在github上找到一个服务，集成了「历史上的今天」。突发奇想让他也实现一下，帮我生成一个爬虫，爬取历史上的今天内容。
目标：#
写一段脚本，爬取历史上的今天，并起一个web服务。
交互方式：#
问答的方式，cursor会分析问题内容，生成代码，以及command等待用户执行。
过程概述：#
- 它的思考过程会放出来，方案选择从维基百科爬取内容
- 会辅助确认系统环境需要安装的python包，因为使用pip报错，还会引导安装pip
- 编写代码爬取，从1.1到12.31，爬取了好久，最后一看结果，全是空的
- 此处pua它，你的结果都是空的，先爬取一天的内容，完善一下代码
- 它进行思考，不断迭代
- 发现文档结构有问题，请求分析html结构重新爬取，失败
- 换方案：爬取英文版本、再转换为中文内容，再次失败
- 自动换方案：使用百度百科的内容，再次爬取，再次失败
- 自动换方案：使用网上现有的API，进行爬取，成功！
- 返回结果，将爬取的内容保存到本地。
- 但是最后才发现，生成的数据都一样，还要再调下 :(
一些思考#
惊艳的点#
- 交互方式，问答形式，并且生成可执行的命令，根据terminal的错误进行反馈迭代
- 根据需求可以自己思考设计方案
- 能够分析需求，知道维基上有，维基百科的特点域名和路径是什么
- 失败后调试改进方案，从换英文、到换数据源、到换爬取api
- 并且搜索的精准，知道哪个爬取的api能用
初级工程师快要被淘汰了，或者说，新手可以借助cursor快速成长为高级工程师。
价值 & 定位：#
定位#
- 辅助功能，给开发者一些新的思路
- 新手玩家福音，依稀记得第一次想要写个爬虫，用pycharm使用搞不定环境的那个下午。
- 设计方案的对偶性，在《黑客与画家》中记得零星的金句，从自然界中寻找解决方案。自然界已经经过千百年的进化演化为这个样子，寻求目前系统与自然界某些相似之处，探索解决方案。
- POC尝试，对于某个idea进行快速尝试试错。对于一些要求场景高可用0容忍的场景，可能还需要斟酌使用。用于新场景探索的POC，已经是绰绰有余。
价值#
除了大模型基座，cursor的交互方式，以及生成可执行命令的能力，都是很好的协同 用户、计算机、大模型 的连接方式。
边界#
个人觉得这个东西的上限，有两部分：
- 大模型的能力
- 底层还是依赖大模型，底盘越强，效果越好，感觉当前还未到边际效益递减阶段
- 提问者的思考边界
- 提问者需要把问题描述清晰，知道自己想要什么（也可能cursor会在过程中带来额外的输入改变方向）
其他#
代码地址#
图例#
