软件开发正在经历一个极少有人察觉的身份翻转——开发者正在从一线编码者变成项目管理者。
几个月前，如果你问一个 Cursor 用户怎么写代码，他会告诉你：按 Tab 键，AI 自动补全。这是第一纪元。再后来他告诉你：写一段 prompt，Agent 帮你改完整个文件。这是第二纪元。今天，Cursor 给出了一套全新的答案——你连 prompt 都不需要逐个写了。你只需要打开一个 Project，告诉 coordinator 你想要什么，它会自己去调兵遣将。等你几个月后回来，项目还在正常运行。
2026年9月，Cursor 正式发布 Projects。这不是又一个功能更新。这是 Cursor 在今年2月提出的“软件第三纪元”愿景的具体落地产品。Projects 让一个 AI coordinator 不写一行代码，却能调度成千上万个并行执行子代理，跨数月维持项目上下文，还能订阅 Slack 频道、定时任务或 PR 事件，实现自主响应——不再需要你每次都亲自下指令。
Cursor 内部已经有了答案。用过 Projects 的新用户 PR 合并量增加了30%，而重度 Project 用户合并的 PR 数量是普通用户的六倍。在 Cursor 内部，已经有35%的 PR 是由 AI 代理在云端虚拟机上自主创建的。
从 Tab 到 Agent 再到 Project：三个纪元的快速迭代
要理解 Projects 的真正意义，需要先理解 Cursor 看到的那条演化线。
第一纪元是2023年前后的 Tab 时代。Cursor 靠着一个能准确预测开发者下一步输入的自动补全功能杀出重围。几乎所有 AI 编程工具都在比谁的补全更准更快。据 Cursor 官方数据，Tab 的自动补全接受率最高达到了72%。
第二纪元是2024至2025年的对话式 Agent 时代。模型能力的跃升改变了游戏规则。开发者从“写代码”变成“说代码”——你描述需求，Agent 帮你实现。到2025年结束时，Cursor 的 Agent 用户数量已经反超 Tab 用户，比例达到2:1。Agent 使用量在一年内增长了15倍。Cursor 联合创始人 Michael Truell 在2月的文章中直言：第二纪元可能连一年都撑不过去。不是 Agent 不行，而是 Agent 太好用了——以至于用户很快发现，它的天花板在于会话上下文的浅薄。
你同时推进两三个功能，就要在两三个对话窗口里来回切换。每个 Agent 都是“一朝天子一朝臣”，上一个完成任务后就和代码库的记忆一起消失了。开发者从编码者变成了“提示工程师”，再从提示工程师变成了“给 Agent 当保姆的人”——每次重启都要重新介绍项目背景。
Projects 意味着第三纪元正式到来。这个时代的核心不是更好的补全，不是更强的单次推理能力，而是一个能持续管理项目全生命周期的 AI 系统。开发者不再操作 Agent，而是管理 Agent 的管理者。
Coordinator 不写代码：指挥官架构的底层逻辑
Projects 最反直觉的设计，是它的 coordinator 不写代码。
一个普通的 AI 编程 Agent 接到任务后直接打开文件开始编辑。它同时扮演战略家、执行者和运维工程师，三个角色挤在一个上下文窗口里。上下文一长，Agent 就开始遗忘、混淆、偏离方向。
Coordinator 把这个循环彻底拆开了。它永远不碰代码编辑器，只做三件事：理解你的意图、拆解成子任务、分派给子代理执行。因为不执行具体操作，coordinator 的上下文窗口永远不会被代码片段污染；因为你无法让它“顺手改一下”，它永远不会偏离方向。用 Cursor 官方的原话说：
因为 coordinator 做的是委派而非执行，它永远不会被阻塞，随时可以回应你的指令。
这套架构的实现依赖三项设计决策。
云端执行，本地测试。 每个 Project 运行在云端独立虚拟机上。你合上笔记本电脑，它还在地下跑。Cloud agent 不会消耗你本地的算力，可以并行启动更多子代理分摊工作。只有当需要运行预览或本地测试时，coordinator 才会在你的机器上启动一个本地 Agent。这意味着你可以同时推进十几个子任务——这在传统 Agent 架构下是不可能的，本地机器的上下文窗口和计算资源都撑不住。
共享上下文。 Coordinator 不是空手上阵。每个 Project 维护一组跨所有云端和本地机器同步的共享文件。子代理探索代码库时学到的架构理解、技术决策和测试方法——都不会用完即弃。这些信息会写入 Project 的共享存储中持续累积。你今天启动的 Agent 可以直接使用昨天另一个 Agent 对数据库层的分析结果。如果一个子代理学会了如何测试某个服务，之后所有的子代理都可以直接使用那套指令。这是对 AI Agent“金鱼记忆”的一次终结。
订阅式触发。 Coordinator 可以订阅 Slack 消息、定时任务、PR 事件。当一个 PR 被合并或 CI 失败时，coordinator 自动启动，不再需要你主动 prompt 它。这是从“等人问”到“主动做”的质变。一个从不主动行事的工具，和一个能发现问题的队友，是两个完全不同的存在。
三种工作模式：不在聊天框中写代码
Cursor 团队自己在过去几个月已经深度使用了 Projects。他们总结出三种典型模式，每一种都指向了完全不同于传统 AI 编程工具的工作方式。
Feature Work：从对话式开发到项目式开发
当一个工程师接到一个较大功能需求时，Project 的做法是这样的：coordinator 先派出研究型子代理对整个系统摸底，把架构理解、已经做过的技术决策、已知约束写入共享上下文。然后它创建一份计划，根据计划分派多个子代理并行实现不同子模块。每个子代理拥有独立上下文，互不干扰。项目完成后，同一个 Project 还可以继续监控日志、处理 bug 报告——因为它拥有最初所有设计决策的完整上下文。
“架构偏好不走样”是 Projects 最被低估的价值。传统 Agent 每次启动都像失忆患者重新学习代码库，而 Projects 的 Agent 越用越懂你。
Migrations：持续逼近，而非一次搞定
迁移类项目是 Projects 最能打的场景。Cursor 团队自己用它完成了数百个 PR 的框架迁移和样式系统替换。开发者和 coordinator 确定一个安全可靠的方案后，coordinator 开始在代码库中增量应用。最初每个 PR 都仔细审查。随着修复持续通过审查，审查密度逐步降低，coordinator 独自推进剩下的迁移工作。
这种持续逼近策略在传统开发模式下是无法规模化的人力密集型生产；在传统 AI 编程模式下，则是开发者需要在每个对话窗口重新解释上下文的技术债务噩梦。Projects 把它变成了半自动流水线。
Gardening：有人替你值班
软件开发中最被低估的成本来源于“永远结束不了的工作”——设计系统的一致性维护、代码质量的持续监督、回归的预防。这些不是项目，更像是农田的日常护理。
Cursor 团队一位工程师维护着一个设计系统 Project。最初他需要逐个审查 Project 的每一次修改。几个月下来，coordinator 已经学会了什么该改、什么不该动。现在这个 Project 每天自动扫描所有新增 PR，将符合设计系统规范的组件提取出来，每次发现同一个错误就自动加一条 lint 规则。它每天处理20到100个 PR，工程师只需在需要判断的地方出现。
这种工作模式的价值不止于效率。它从根本上改变了人和 AI 的关系——不再是“我问你答”的工具，而是“我设定边界、你在边界内自主行动”的队友。
Cursor 正从 IDE 进化为 AI 项目管理平台
理解 Projects 的影响力，需要跳出“又一个 AI 代码编辑器”的框架。
当 Tab 补全是第一纪元的王座时，GitHub Copilot 是最大对手。当对话式 Agent 是第二纪元的标配时，Claude Code 凭借 SWE-bench 上的高分和开发者满意度抢走了“深度推理”的头衔。JetBrains 2026年4月的开发者生态调查显示，Claude Code 被评为“最受喜爱”工具的比例达到46%，远高于 Cursor 的19%和 Copilot 的9%。在开发者满意度分数方面，Claude Code 的 CSAT 高达91%，NPS 达到54。
但 Projects 把竞争推到了另一个维度。Claude Code 在单次任务上的推理能力再强，每次启动都要重新理解代码库。Copilot 的安装基础再大（超过1500万开发者），仍然停留在 IDE 扩展的角色。Projects 是第一个试图建立项目级持续 AI 记忆的产品——它不在单发精度上和 Claude Code 硬碰硬，而是比谁能持久作战、积累经验、越战越强。
从商业角度看，Cursor 的节奏也相当清晰。母公司 Anysphere 在2025年11月完成了 $2.3B 的 Series D，估值达到 $293亿。到2026年初，ARR 已突破 $2B，成为 B2B 领域增长最快的公司之一。2026年6月16日，SpaceX 宣布行权以全股票交易方式收购 Anysphere，交易估值 $600亿——这是风投支持初创公司有史以来最大规模的收购，交易于2026年8月14日完成交割。Cursor 将获得 SpaceX 旗下 xAI 的 Colossus 超算访问权，被 Cursor 称为“全球最大规模的 GPU 集群”。
在这个节点推出 Projects，信号相当明确——Cursor 不只想做最好的 AI 编辑器，它想做 AI 时代软件开发的调度层。
传统 DevOps 工具（Jira、Asana、Linear）管理的是任务在人类之间的流转。Projects 管理的是 AI Agent 们在代码库上的工作。传统项目管理要求你把任务拆到足够细才能指派给人类；Projects 的 coordinator 自己就能拆——你把“迁移到新框架”一句话扔给它，它自己决定怎么做、分几步、谁来做。这是对项目管理工具本身的降维打击。
当然，Projects 并非没有局限。在分布式工业级部署场景中，一个环境依赖问题就能让整个自动化链条断裂。Projects 目前的最佳落地场景仍然集中在中小型代码库和定义清晰的迁移类任务。新功能的创造性架构设计和重度创新探索，依然需要人类判断的深度参与。
但这恰恰是第三纪元最精确的注脚——不是 AI 取代开发者，而是每个开发者都获得了一支 AI 舰队。项目的规模不再受限于团队人数，而是受限于管理者的调度能力和判断精度。
编程这件事，正在从一个动手的行业，变成一个动脑的行业。未来最稀缺的能力，可能不再是写了多少年代码，而是能不能说清楚：你要什么，以及你觉得怎么做才对。
快报