--- schemaVersion: 1 slug: mp-221-20260328-mntruell-cursor-cloud-agents-1m-commits ticketId: MP-221 lang: zh-tw title: Cursor CEO：雲端 Agent 兩週狂刷一百萬個 commit，幾乎全是 AI 寫的 summary: Cursor CEO Michael Truell 宣布雲端 agent 在過去兩週產出超過一百萬個 commit，幾乎全是 AI 自主完成。當生成成本趨近於零，真正的瓶頸就從「寫 code」移到了「看懂 code」。 originalDate: 2026-03-27 translatedDate: 2026-03-28 source: "@mntruell on X" sourceUrl: https://x.com/mntruell/status/2037558733786824965 author: null authorshipNote: null canonicalUrl: https://gu-log.vercel.app/posts/mp-221-20260328-mntruell-cursor-cloud-agents-1m-commits status: published replacementTicketId: null replacementUrl: null --- # Cursor CEO：雲端 Agent 兩週狂刷一百萬個 commit，幾乎全是 AI 寫的 > **來源:** [@mntruell on X](https://x.com/mntruell/status/2037558733786824965) Cursor CEO Michael Truell 丟出了一個很驚人的數字：Cursor 的雲端 [agent](https://gu-log.vercel.app/glossary#agent) 在過去兩週總共產出了超過一百萬個 commit。而且這些 commit「essentially all AI」——因為雲端 agent 有自己的運算環境，它可以自己執行寫出的程式碼，而且執行過程幾乎不太需要人類介入。 一百萬。兩週。平均每天七萬多個 commit。這不是某個人的 side project 在那邊 push，這是一整個雲端 agent 叢集在集體工廠作業。 Truell 不是第一次對外講 Cursor 的 agent 野心。之前推文裡說過[「Code AI 才是 AI 最重要的應用」](https://gu-log.vercel.app/posts/mp-143-20260305-mntruell-code-ai-cursor/)，再之前還有[「Cursor 正在帶來程式設計的第三個時代」](https://gu-log.vercel.app/posts/mp-134-20260228-mntruell-cursor-third-era/)這種等級的宣言。但那些都是願景，這次不一樣——他終於有數字了。而數字一出來，問題的性質就變了。 ## 數字很猛，但得拆開看 > **Mogu 碎碎念：** > > [Mogu](https://gu-log.vercel.app/about) 先潑一盆冷水。commit 數量不等於程式碼品質——一個 agent 搞定一個 function 可能 commit 了十次，每次修一個 typo 或 import。Truell 說的「little human intervention」是指 agent 在執行時不太需要人類介入，但人類一開始還是得下指令、最後還是得 review。所以一百萬個 commit 代表的是 throughput 的爆發，不是人類被打包回家 (◕‿◕) Truell 特別強調「essentially all AI」這個點——雲端 agent 有自己的運算環境，可以自己執行寫出的程式碼。這裡的關鍵字是「幾乎不太需要人類介入」，而不是「完全不需要」。[Agent](https://gu-log.vercel.app/glossary#agent) 自主跑任務，但任務是人類下的，結果還是人類要收。 那問題來了：如果 agent 可以一天生出七萬個 commit，誰來看？ --- ## 不只是 diff，是 demo Cursor 自己似乎也意識到了這個瓶頸。Truell 引用的 Cursor 官方推文提到一個方向轉變：強調用 demo 來呈現 agent 的工作成果，而不只是丟一堆 diff 給開發者自己啃。Agent 能自己用它 build 出來的軟體，然後錄一段影片讓開發者直接看結果。 記得之前 [Cursor Composer 2 那次更新](https://gu-log.vercel.app/posts/mp-197-20260322-cursor-ai-cursor-composer-2/)嗎？當時主打的是 agent 能力的深化——背景跑任務、多檔案理解、整合終端機。那些都在解決「agent 能做什麼」的問題。現在這個 demo-not-diff 方向，解決的是下一個問題：「agent 做完了，人類怎麼更快看懂？」 > **Mogu 補個刀：** > > Demo-not-diff 其實蠻聰明的。叫 agent 做一個登入頁面，它丟給開發者一個 diff 有 200 行 CSS 和 50 行 JavaScript——得讀懂才能判斷做得對不對。但如果它直接錄一段影片，秀出「打開瀏覽器、輸入帳密、按登入、成功跳轉」，三秒就知道結果。Review 效率從「讀 code」變成「看影片」，那是數量級的差距 (๑•̀ㅂ•́)و✧ --- ## 真正的瓶頸在哪 Demo 影片解決了「看懂單一任務」的問題。但一百萬個 commit 的規模帶來的挑戰不只是理解，而是整個下游的基礎建設：code review pipeline 能 handle 這種量嗎？CI/CD 跑得完嗎？rollback 機制夠穩嗎？git blame 在一片 AI commit 的海洋裡，還能找到「是哪一筆搞壞的」嗎？ 這是一個很經典的模式：當生產端的成本趨近於零，瓶頸就從「生產」移到「品管」。印刷術發明之後，寫書變便宜了，但編輯和出版社反而變得更重要。AI 寫 code 也是同一個故事——生成不再是問題，review、rollback、blame tracing 才是。 > **Mogu 認真說：** > > [Mogu](https://gu-log.vercel.app/glossary#mogu) 的看法是：Cursor 強調 demo 影片這件事，其實已經在回應這個壓力了。「agent 做完的事，人類怎麼更快理解」——這就是在做品管端的最佳化。但 demo 影片只是第一步，它能秀出結果，卻不能取代讀 code。當 agent 改了一個 API 的回傳格式，影片秀不出下游十個 service 會不會炸。所以真正的產品競爭，可能不在誰的 agent 生得多，而在誰的 review 工具最能讓人類快速做出「merge or revert」的決策 ┐(￣ヘ￣)┌ --- ## 結語 從[「Code AI 是最重要的應用」](https://gu-log.vercel.app/posts/mp-143-20260305-mntruell-code-ai-cursor/)到一百萬個 commit，Truell 的論述正在從願景變成數字。搭配 Cursor 官方的「demos, not diffs」方向，至少看得出來他們已經在處理「生成之後」的問題。 但一百萬這個數字最有趣的地方，可能不是它作為「生成里程碑」有多猛，而是它作為「品管壓力測試」有多殘酷。當寫 code 的成本趨近於零，真正值得注意的就不再是誰寫得多，而是誰看得快、改得穩、追得到。