Inside Cursor’s agent factory: how it verifies AI-written code

Cursor代理工厂内部揭秘：如何验证AI生成的代码 - Arize AI

Cursor代理工厂内部揭秘：如何验证AI生成的代码

发布日期：2026年7月20日

核心要点

• Cursor将验证视为贯穿CI、安全审查、风险评分、行为工件和专用审查代理的集成架构。

• 代理在类开发者环境中运行，能够执行变更并返回展示产品行为的证据。

• 风险评分将常规提交路由到自动化流程，而将有重大影响的变更定向至合适的人工审查者。

• 人工修正会转化为Bugbot（Cursor的提交审查代理）的规则和评估案例。

• 失败的评估可触发带有完整追踪和日志上下文的诊断流程。

• Cursor会定期清理技能库，因为更精准的上下文比不断增加的指令数量更重要。

当屏幕录制成为信任的载体

Cursor给一个无监督编码代理分配了一个简单任务：向网页应用添加固定聊天功能。该代理实现了功能、启动了界面、执行了交互操作，并返回了展示结果的视频。

对于在Arize Observe 2026上演讲的Cursor区域工程现场总监John Gilhuly来说，这个工件标志着"Cursor内部使用代理的一个转折点"。审查者可以在解析差异之前直接检查行为，这让团队获得了更快判断变更是否需要深入关注的方式。Gilhuly估计，现在Cursor生态系统中约有30%到40%的提交请求无需人工审查即可合并，这使得这些证据的质量变得至关重要。

该演示还揭示了代码生成加速后出现的工程问题。代理现在可以规划工作、修改单体仓库、发起提交请求、响应CI，并在开发者转向其他任务时在后台持续运行。随着这种能力的增强，团队需要一种可靠的方式来收集证据、分配人工审查，并在问题发生时改进系统。

Cursor的解决方案是贯穿整个开发循环的验证架构。该架构结合了可复用技能、真实执行环境、CI和安全检查、风险评分、行为工件，以及其错误会转化为未来评估案例的审查代理。

瓶颈向下游转移

Gilhuly表示，越来越多的Cursor产品来自在开发者离开后继续运行的后台代理。在公司内部，软件开发生命周期已压缩为四个相连阶段：代理制定计划、人工审查方案、代理实施变更并返回演示、团队在持续系统回顾中推进发布。

每个阶段都可以有专用代理，这使工程重点转向模型周围的工具链：上下文、工具、策略、评估，以及将失败转化为更好未来行为的基础设施。Cursor的内部架构图将Anthropic、OpenAI、Gemini及其自有模型置于基线智能层，而定制工程则位于代理系统之上。Gilhuly将这项工作描述为"磨利斧头"。

当这一机制薄弱时，代理会失去相关上下文、过早缩小任务范围、错误判断自身能力，或在未证明结果有效的情况下就完成操作。这些失败在追踪记录中通常表现为孤立的模型错误，但更深层次的原因往往源于系统设计。

合并决策成为一项政策

这种程度的自主性依赖于多个检查门共同协作，因为没有任何单一检查能够承担完整的决策责任。

一个简化的策略可能如下所示：

复制代码

已复制

使用不同的浏览器

evidence = collect(ci, security_review, demo_artifact)
 risk = score_change(pr, evidence)

 if evidence.passed and risk <= auto_merge_threshold:
     merge(pr)
 else:
     request_review(pr, owner=route_by_change(pr))

这是基于演讲内容的概念性草图；Cursor的生产实现是专有的。架构对平台团队来说仍然会很熟悉：收集信号、应用策略，并将异常路由给最能判断其结果的人。

CI和代码规范检查建立了基准线，而安全相关的代理则提供了另一个证据来源。风险评分随后决定了稀缺的人类注意力应该分配到哪里。证据完备且风险较低的变更可以走自动化流程，而高风险变更则可以召唤相应的负责人。

采用此模式的团队应将自动合并阈值视为操作参数。逃逸的缺陷、回滚频率、人工覆盖和合并时间可以揭示策略是否过于宽松或过于谨慎。

开发环境成为评估工具的一部分

传统编码代理可以报告它修改了一个按钮。Cursor为其代理配备了预配置本地开发工具的机器，使它们能够启动产品并验证变更。生成的工件可以是视频、截图、测试运行或其他形式的证据，将代码差异映射到可见行为上。

一次对开发保真度的尝试变得滑稽地字面化。一项技能要求代理表现得像真正的工程师，而代理安装了Spotify，因为该应用程序存在于开发者的设置中。这个轶事暴露了一个严肃的设计边界：环境需要足够的保真度来重现工作流程，而评估工具仍需区分有用上下文与偶然的个人设置。

凭借计算机使用能力，代理可以导航它刚修改的界面，记录结果并将录像附加到拉取请求中。差异描述了实现方式，而演示则展示了用户将遇到的行为。视频证据仍然覆盖了已验证的路径，因此测试和静态检查承载了更广泛的状态空间。Cursor还可以将这些工件作为数据保留下来，用于未来的评估。

Cursor的Bugbot如何从评论线学习

代码审查是Cursor系统中的另一个专用代理。Bugbot，公司负责拉取请求审查的代理，会将反应、回复和审查评论作为学习规则和评估案例的信号。

Gilhuly表示，如果人类必须介入并说"这是你遗漏的东西"，修正会被纳入未来的审查中。因此，评论在当前拉取请求之外还有第二次生命，因为它可以成为回归案例，测试Bugbot是否能再次捕捉到同类问题。

这种设计将审查质量转化为可维护的产品界面。团队需要一个包含遗漏项、预期发现和困难示例的语料库，同时需要精确度、召回率、覆盖率和下游逃逸的指标。他们还需要进行整理，因为审查评论混合了正确性、风格和本地偏好。如果没有经过测量的语料库，审查代理可能会显得越来越完善，但其实际覆盖范围仍然模糊。

技能赋予单一仓库记忆能力

根据Gilhuly的说法，Cursor的单一仓库包含大约150项技能。技能将重复的知识或工作流程打包，使代理能够在不同任务中复用。一个“如何”技能教会代理如何发现系统的工作原理；配套的“为什么”技能则在Slack、Notion、git历史记录和相关记录中搜索决策背后的理由。

Cursor通过信号质量衡量技能系统，随着冗余材料的消失，信号质量通常会提高。Gilhuly描述了他团队提出的问题：“我们能否减少技能数量？能否简化这些技能？”

这种精简的纪律很重要，因为每个额外的指令都会争夺上下文和注意力。一个有用的技能需要明确的触发条件、必要的输入、预期的产物、成功信号和负责人。成熟的技能可以升级为自动化流程，在事件发生时自动运行。Gilhuly表示，一些项目（包括构建流程优化）通过Slack频道协调，这些频道会触发相关工作流程。

评估失败可启动诊断流程

设想一个文档帮助代理返回了错误答案。在Gilhuly描述的工作流程中，评估失败可以通过Arize或Phoenix发出触发信号，启动诊断技能，并将相关日志上下文传递给新运行。系统在检测到问题的那一刻立即开始调查。

这种模式赋予评估操作角色。分数为下一个控制决策提供依据，而追踪记录则为诊断代理提供所需证据。从控制循环的角度看，这个过程变成观察、评估、诊断、改进和部署。这是一种具体的代理原生评估形式，因为评估结果在工作流程中成为机器可消费的信号。即使调查循环变得自动化，人类仍可负责策略制定、升级和部署批准。

Cursor将类似模型应用于更长时间的优化任务。代理可以针对可衡量的产品信号（如构建时间或成功率）进行数小时或数天的爬坡优化，Gilhuly提到有一次运行持续了约五天。他还称Cursor的使用方式是“极端情况的代表”，这对那些延迟、成本或安全约束要求更严格团队来说是一个有用的警示。

长期自主运行的价值体现在目标可衡量、工具范围明确、系统能检查点进度、停止条件明确时。改进来自目标本身和反馈信号；额外的token数量只会延长搜索时间。

日常工程中代理自动化的具体表现

Cursor已将这种模式应用于广泛的维护和审查任务：

• 对单个拉取请求和定期扫描进行安全审查
• 检测和修复CI失败
• 自动修复代码审查中发现的问题
• 维护测试覆盖率和更新依赖项
• 持续检查文档
• 确认漏洞并启动修复流程

当持续集成（CI）失败时，代理可以检测到问题并进行修复，使分支保持最新状态，这种机制被Gilhuly称为“自动驾驶的PR（Pull Request）”。安全性方面提供了另一个典型案例：随着代理承担更多代码审查工作，Cursor开始发现大量潜在漏洞。这些数字在演示文稿中可能显得触目惊心，但也表明检测范围正在显著扩大。

这些工作流共享相同的架构：专用代理负责特定任务，验证工具衡量结果，反馈机制则更新规则、技能或评估集。价值会持续累积，因为每次事件都能让下一次运行更加可靠。

实际落地路径

大多数团队可以从一个易于衡量成效的工作流开始：

• 从有界任务入手。CI修复、依赖项更新、文档验证和针对性安全检查都有明确的输出和现有信号。
• 定义证据契约。确定在任何自动化合并前必须存在的测试、制品、安全检查和风险信号。
• 保证环境可复现。打包执行变更所需的开发工具、凭证策略、测试数据和服务依赖。
• 按风险分级处理。从推荐建议开始，通过测量逃逸缺陷、回滚和人工覆盖，逐步将低风险变更升级为自动合并。
• 将修正转化为回归用例。每次遗漏的审查意见都应更新治理未来运行的评估集、技能或规则。
• 将检测与行动联动。让失败的评估触发带追踪上下文的诊断流程，同时由策略控制哪些修复可以进入生产环境。

工厂依赖证据运转

Cursor的实践表明，编码代理的持久优势将来自围绕它们的验证层。模型每季度可以生成更多代码，但团队仍需负责决定哪些内容值得信任。

当代理返回证据、风险策略分配人工关注，并且每次修正都强化下一次评估时，这种责任变得可管理。在该架构下系统会越来越自主，因为它能解释发生了什么、展示变更通过的原因，并揭示哪些信号能改进下一次运行。

观看完整Arize Observe 2026演讲：How Cursor Uses AI Agents to Build Cursor

<div class="container pt-12"> <div class="max-w-[1200px] mx-auto"> <div class="flex items-center justify-between"> <h4 class="font-sans text-24/[120%] md:text-36/[120%] font-light text-content-primary-light dark:text-content-primary-dark">相关文章</h4> </div> <div class="flex gap-6 mt-6 md:flex-row flex-col"> <div class="flex-1"> <a href="https://arize.com/blog/arize-ai-mongodb-agentic-systems/" class="group"> <div class="rounded-[4px] aspect-video bg-container-light border border-outlines-light dark:border-outlines-dark group-hover:shadow-platform-glow flex items-center justify-center"> <img width="300" height="174" src="https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-300x174.jpg" class="w-full h-full object-cover wp-post-image" alt="Arize and MongoDB logos" decoding="async" fetchpriority="high" srcset="https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-300x174.jpg 300w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-1024x594.jpg 1024w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-768x446.jpg 768w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-1536x891.jpg 1536w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-515x300.jpg 515w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-1030x600.jpg 1030w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-260x151.jpg 260w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-520x302.jpg 520w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-845x490.jpg 845w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-1690x981.jpg 1690w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-1366x793.jpg 1366w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-69x40.jpg 69w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-138x80.jpg 138w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-1374x797.jpg 1374w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-150x87.jpg 150w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x.jpg 2001w" sizes="(max-width: 300px) 100vw, 300px" loading="lazy" /> </div> <h4 class="mt-3 font-normal mb-0 font-sans text-20/[140%] text-content-primary-light dark:text-content-primary-dark text-pretty">Arize AI 与 MongoDB：利用代理评估和记忆构建强大的代理系统</h4> </a> </div> <div class="flex-1"> <a href="https://arize.com/blog/arize-ai-mongodb-agentic-systems/" class="group"> <div class="rounded-[4px] aspect-video bg-container-light border border-outlines-light dark:border-outlines-dark group-hover:shadow-platform-glow flex items-center justify-center"> <img width="300" height="174" src="https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-300x174.jpg" class="w-full h-full object-cover wp-post-image" alt="Arize and MongoDB logos" decoding="async" fetchpriority="high" srcset="https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-300x174.jpg 300w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-1024x594.jpg 1024w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-768x446.jpg 768w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-1536x891.jpg 1536w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-515x300.jpg 515w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-1030x600.jpg 1030w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-260x151.jpg 260w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-520x302.jpg 520w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-845x490.jpg 845w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-1690x981.jpg 1690w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-1366x793.jpg 1366w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-69x40.jpg 69w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-138x80.jpg 138w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-1374x797.jpg 1374w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-150x87.jpg 150w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x.jpg 2001w" sizes="(max-width: 300px) 100vw, 300px" loading="lazy" /> </div> <h4 class="mt-3 font-normal mb-0 font-sans text-20/[140%] text-content-primary-light dark:text-content-primary-dark text-pretty">回顾：人、机器与黑箱</h4> </a> </div> <div class="flex-1"> <a href="https://arize.com/blog/arize-ai-mongodb-agentic-systems/" class="group"> <div class="rounded-[4px] aspect-video bg-container-light border border-outlines-light dark:border-outlines-dark group-hover:shadow-platform-glow flex items-center justify-center"> <img width="300" height="174" src="https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-300x174.jpg" class="w-full h-full object-cover wp-post-image" alt="Arize and MongoDB logos" decoding="async" fetchpriority="high" srcset="https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-300x174.jpg 300w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-1024x594.jpg 1024w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-768x446.jpg 768w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-1536x891.jpg 1536w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-515x300.jpg 515w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-1030x600.jpg 1030w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-260x151.jpg 260w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-520x302.jpg 520w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-845x490.jpg 845w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-1690x981.jpg 1690w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-1366x793.jpg 1366w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-69x40.jpg 69w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-138x80.jpg 138w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-1374x797.jpg 1374w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x-150x87.jpg 150w, https://arize.com/wp-content/uploads/2024/09/MongoDB-partnership-blog@2x.jpg 2001w" sizes="(max-width: 300px) 100vw, 300px" loading="lazy" /> </div> <h4 class="mt-3 font-normal mb-0 font-sans text-20/[140%] text-content-primary-light dark:text-content-primary-dark text-pretty">使用 Arize Phoenix 为 Open Agent Spec 代理添加可观测性</h4> </a> </div> </div> </div> </div>