改一個需求要動十幾個檔案時，補全幫不上忙

真實專案裡的改動很少只落在一個地方：加一個欄位，往往要同時碰資料模型、介面層、前端表單和測試案例，散落在十幾個檔案裡。傳統補全擅長猜你接下來想寫的半行字，碰上這種跨檔案的改動幾乎使不上力——清單得自己在腦子裡維護，一處一處走過去，漏掉哪個角落全憑運氣。Cursor 換了個方向：把整件事交給代理。你描述想要的結果，它讀完整個程式庫之後自己動手，改檔案、跑終端命令、看到報錯回頭再修，直到跑通。

Cursor 的定位不是給編輯器外掛一個聊天視窗，而是把自己做成能直接交付的軟體工匠。

先把活拆開，再平行攤開

讓一個代理盯著十幾個檔案寫，很容易顧此失彼。Cursor 在這裡做了兩層拆解。內層是子代理：每個都跑在獨立的上下文視窗裡，只負責某一類具體工作，做完把結論交回父代理，中間的摸索過程不佔主對話的位置。它們可以同時開工，分別處理程式庫的不同部分，不必排隊等前一個結束。官方預設了三個：負責檢索與分析程式庫的探索者、負責執行命令的執行者，以及透過 MCP 工具操作瀏覽器的那一個，三者都能在編輯器、命令列與雲端代理裡呼叫。你也可以自己定義，配好提示詞、可用工具與模型，在多個專案裡反覆使用。

Projects：一位不寫程式的協調者

任務大到一次對話裝不下時，就輪到 Projects 這一層。它特別的地方在分工方式：專案裡的協調者本身不做實作，官方的說法是它不直接寫程式，而是規劃工作、把實作任務分派下去，再把完成的成果帶回來交給你檢查。它按工作需要平行開出任意多個代理，各自推進。每個專案跑在雲端屬於自己的機器上，闔上筆電也不會中斷；需要在真機上驗證時，協調者再在本機起一個代理接過去。

更值得注意的是這些代理之間並不各自失憶。專案維護一組檔案，在所有雲端與本機機器之間同步，代理會把查到的資料、學到的專案約定和你偏好的做法追加進去。某個代理摸索出某個服務該怎麼測試，之後每一個代理都能直接沿用這套結論，於是協調者會隨著專案推進越來越好用。它還能接受訂閱盯一個回饋頻道、按排程執行，或者跟著你所有的拉取請求跑，不必等你開口。

執行環境：雲端還是留在內網

平行起來的代理需要各自的場所。雲端代理待在隔離的虛擬機器裡，程式庫已複製、相依已安裝、金鑰與網路存取都可用，因此能真的去建置、測試，並和它正在修改的軟體互動，最後把成果推成一個拉取請求。它們也會訂閱自己開出的拉取請求，把持續整合的錯誤與機器人留言一路處理到合併為止。

對程式碼不能進公有雲的團隊，可以選擇自架機器：工具執行完全留在你自己的網路裡，程式庫、建置產物與金鑰都停在你基礎設施中的內部機器上，由本機處理工具呼叫。面向團隊的資源池可以按請求量增減容量，閒置時休眠，後續請求到達時在重連視窗內恢復，不必為了下一個提示一直燒著機器。

放手的程度可以自己調

要不要全權託管不是一個開關。最輕的一檔是按鍵補全，由專門訓練的模型驅動，只負責預測你下一步的編輯動作，幾乎不必你開口；中間是定向改寫，處理一個明確的局部變化；再往上才是把整件事託付出去的代理模式。改動過程留有檢查點，程式碼演變的順序一目了然，隨時能回到之前的快照。到了除錯階段，它會給程式碼插樁，用真實的執行資料定位該修哪裡，而不是靠猜。

上手的門檻不高：免費方案不必綁信用卡，只是能用的代理請求數量有限。想要更寬的用量與更前沿的模型，就得升級到付費方案——個人每月 20 美元，團隊每位成員每月 40 美元，具體額度以官方定價頁為準。

讓 AI 寫出一段像樣的程式並不難，難的是讓它自己把一件大事拆成能平行推進的小事，再把結果拼回完整的樣子——Cursor 這兩層分工解決的正是這件事。