如果您是 X 或 AI 信息的常规刷卡者，那么您肯定熟悉 Cursor 这个词。随便滚动一下我的时间线，你可以看到 XXX 说 Cursor 很棒，我可以用它在 XXX 小时内编写一个应用程序。
是的，他们说的是真的。
我只用了 27 * 3 秒就编写了一个带有 Magic Prompt + History 的简单 FLUX WebUI。
而且，这是一种我第一次看到它时一直头疼的代码语言。
所以，我不得不感叹大模型技术的快速发展，很多还在做大模型应用或者模型的公司也应该仔细思考一下，当下互联网的方式是否还能行得通，现在的节奏可能比敏捷开发更敏捷。
“否则，当 OpenAI 的 GPT-5 问世时，它会打败所有人。”
上面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，他的对手，Claude 的母公司 Anthropic，帮他做到了。
因为 Claude 推出了 Claude-3.5-Sonnet（一个引领前端代码生成方式的模型）和 Artifacts（一个将前端代码直接渲染到网页中的工具）
再加上 Cursor 在 Claude 的加持下不断爆发，似乎很多人似乎在围绕它们的争论中看到了另一个应用大型模型的新思路——代码生成。
代码 - 解释器：代码生成的发起者
说到代码生成，就不得不提一下鼻祖——OpenAI 的 Code - Interpreter 在去年 10 月左右推出，当时互联网的热度绝对不亚于现在的 Cursor 和 Artifacts。
CI 其实就是一个运行 Python 代码的沙箱环境，它允许大型模型生成 Python 代码，在 CI 的这个沙箱中运行，最后输出结果，这样它就突破了工具的固定范式，可以做很多事情。
但遗憾的是，OpenAI 似乎在技能点上点击错误。
很多人都抱怨 OpenAI 的工程能力弱，是草平台，天天反转，但实际上可能是 OpenAI 是算法老大，没有前端或者根本没有话语权，所以在做 CI 的时候，自然要从 Python 开始。（相比于其他产品设计师想出的 Claude's Artifacts，Artifacts 诞生背后的故事其实挺有意思的，有兴趣的可以去 Claude's 官网看看 Anthropic 是如何构建 Artifacts 的。）
然后，在 Code - Interpreter 出来后，每个人都兴奋了几天，然后它就消失了。为什么，Python 后端代码，在沙箱里，无法访问网络，又无法操作数据库，绘图只能使用 Matplotlib，遇到汉字和乱码，你还能怎么办呢？
工件：AI 交互的新范式
我实际上是一个喜欢编码的产品经理，从我十几岁开始就一直在这样做，虽然我已经这么多年不是很熟练了，但输入代码并将想法付诸实践的感觉真的非常非常酷。然而，事实上，仅凭“代码”这个词就可以让大多数人望而却步。
Code-Interpreter 之所以如此难以让用户保持高潮，可能是因为 Python 仍然输出相同的 ......*%&......%&......法典。
另一方面，Artifacts 是一种完全不同的体验，更像是一位善解人意的设计师，他不仅了解您的需求，而且会立即为您提供视觉丰富的交互式 UI 演示。
这种差异的结果是显而易见的。Code-Interpreter 虽然功能强大，但进入门槛很高，主要吸引一些技术爱好者和专业开发者。另一方面，Artifacts 凭借其直观的交互和即时结果吸引了更广泛的用户，包括设计师、产品经理，甚至是完全没有编程经验的临时用户。
在今天的 LangGPT 群里，大神哥哥甚至在前几天还利用了 SuperPrompt 的创意，用 Lisp 版的 Prompt + Artifacts 打造出更加惊人的效果。
（所有图片均引用自 WaytoAGI，作者：李继刚，立即同名）。
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真是太......突然间，它过去了。这不仅仅是为了加快流程，还改变了我们与 Claude 互动的方式。”
嗯，在我看来，即将改变的是人类与 AI 交互的范式。在 Artifacts 之前，我们与 AI（机器人）的对话更加单向和静态：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对话：我们描述需求，AI 立即呈现视觉结果，我们可以提供即时反馈，AI 可以快速调整。这种交互模式更接近于人与人之间的协作，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格局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制作一个可视化草稿，开发者来编码，然后迭代调试和修改。有了 Artifacts，这个过程可能会变得更加顺畅和高效。设计师可以直接与 AI 对话以快速验证他们的想法;开发人员可以更专注于实现复杂的功能，而不是被乏味的 UI 编码所困扰。
别觉得这还有很长的路要走，比如产品经理也从输出需求文档变成了输出提示，以前每天都需要很多算法来提炼模型的事情，现在都可以通过提示来实现。
当然，认识到 Artifacts 远非完美也很重要。它生成的代码可能存在 bug，设计风格可能不够统一，功能可能不够强大。但正如 Anthropic 团队所展示的那样，技术进步往往始于一个简单而大胆的想法。在这个人工智能和人类智能的时代，Artifacts 为我们打开了一扇新的大门。它向我们展示了人工智能不仅可以成为强大的助手，还可以成为我们创造力的延伸和想象力的放大器。
AI 交互的未来会是什么样子？也许答案就在我们的想象中。另一方面，Artifacts 无疑只是这场想象力革命的开始。
光标：使自然语言编程成为现实
一年前，我周围有很多研发学生非常讨厌GPT，觉得他们是不可替代的。同样在今天，读完我的文章后，我认为 Cursor 只是非专业人士的玩具。
事实上，工程界已经制造了足够多的轮子。从基本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 的力量不在于重新发明这些轮子，而在于快速理解、组合和应用这些现有工具的能力。如果 AI 能够熟练地使用这些现有的“轮子”，它将能够超越大多数人。
这就是 Cursor 的革命性之处。这不是要更换程序员，而是要成为程序员的得力助手。通过自然语言交互，Cursor 可以快速理解开发人员的意图，然后筛选庞大的代码库和最佳实践以找到最合适的解决方案。大型模型本身就是一个压缩的数据库，我们只是以不同的方式搜索它。
此外，我们还必须认识到，工具用得好不好，取决于工具的一半，另一半取决于人。
如果用户缺乏基本的编程思维和解决问题的能力，即使是最强大的 AI 辅助工具也难以发挥其真正的潜力。相反，熟练的开发人员可以充分利用 Cursor 的功能，并将其转化为自己创造力的延伸，事半功倍。
看
回到我放在文章开头的截图，其实 Cursor 爆火最重要的一点并不是它又是一个 Github copilot，而是它可以是一个代码代理，这也拉近了普通人与“代码 / 编程”的距离，门槛即将踏上地面。可以提高工具的效率，使人们能够以更低的成本、更快、更高效地思考和创造。
试想一下：过去如果你有个想法，想落地，找外包一周，谈价一周，需求一周，等半个月才开始，说不定你做完后萱草会凉的;现在，由您来设置时间！
X：春天在哪里？
AI Native 的口号从未停止过，但谁能定义真正的 AI Native？
曾几何时，将想法变为现实需要一个漫长的过程和专业技能。现在，借助这些 AI 工具，任何人都可以在几秒钟内将想法转化为交互式原型。这不就是我们期待已久的 “AI 原生 APP” 的原型吗？
当然，就像早春一样，我们也会经历寒流和阵雨。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 Lucky Star 中餐厅总是来的一样，AI 技术的进步是不可阻挡的。更令人兴奋的是，这可能只是 AI 原生应用程序春天的开始。随着技术的不断进步，我们可以期待更多的惊喜：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程序，AI 将能够为我们构建一个功能齐全的产品。
那么，AI 原生应用的春天在哪里呢？借助这些工具，它出现在每一个想法中，因为 Cursor 可以帮助您在 Artifacts 实时为您呈现 UI 的那一刻快速编写代码。它就在我们眼前，触手可及，在每个敢于拥抱新技术的开发者和创作者的心中。
春天在你的每一次勇敢的尝试中。
