今天算是彻底被 Cursor 上了课。
起因很简单——我想给博客加个阅读进度条，底部那种，显示用户滚动了多少。本来想着花十分钟搜搜教程改改 CSS 就完事了，结果搜出来的东西要么太复杂，要么不兼容我的主题。正准备硬着头皮自己写，突然想起 Cursor 这个月好像挺火的，就顺手装了一个试试。
然后发生的事情让我当场愣住了。
我直接在对话框里说：「给博客加个阅读进度条，固定在页面底部，显示当前阅读百分比，用渐变色」。等了大概三秒钟——对，就三秒——Cursor 给我生成了完整的代码，还问我要不要直接应用到项目里。我点了同意，刷新页面，进度条已经在那儿了，颜色渐变、位置固定、百分比实时更新，一气呵成。
作为一个写了十几年代码的老家伙，我的第一反应是：「这玩意儿不会把我惯坏吧？」
但说实话，这个担忧很快就被好奇心盖过去了。我开始尝试更复杂的需求：「首页文章列表改成卡片布局，卡片要有封面图、标题、摘要、发布日期，支持响应式」。Cursor 哗哗哗给出方案，解释每一部分的作用，还提醒我哪些地方需要调整 WordPress 的主题文件。感觉就像有个资深同事坐在旁边，随时解答你的问题，还顺便帮你把活干了。
今天花在折腾 AI 编程工具上的时间，大概有两个小时。但这两个小时让我意识到一件事——门槛真的变了。以前「会不会写代码」是分界线，现在「会不会提问」可能才是新门槛。
技术笔记
说到 AI 编程工具，目前主流的大概有这几类：
代码补全型：代表是 GitHub Copilot，在你写代码的时候实时预测下一段代码，适合嵌入日常工作流，学习成本极低。这类工具本质上是「增强你的手指」，让你打得更快，但不会替你做决定。
对话编程型：以 Cursor、Windsurf 为代表，你用自然语言描述需求，AI 直接生成代码片段甚至完整模块。这类工具本质上是「代替你的思考」，你只需要表达意图，它来落地实现。当然，生成的代码质量参差不齐，需要你有足够的判断力去甄别和修改。
Agent 自主型：最新的形态，AI 不仅生成代码，还能自主规划、分解任务、执行调试，最后给你一个可用的成品。比如 Devin、Claude Code 这类工具，已经能独立完成端到端的功能开发。
我今天主要用的是 Cursor，它底层接的是 GPT-4 和 Claude 3.5，交互体验做得确实不错。但用下来也有几个心得：
第一，需求描述要清晰。AI 不是读心术，你模糊它就模糊，你精确它就精确。把「弄个好看的按钮」改成「圆角12px，背景渐变从#667eea到#764ba2，hover时有0.3秒的阴影过渡」，效果完全不一样。
第二，不要一次提太多要求。拆解成小步骤，每完成一步验证一次。AI 生成的代码可能有 bug，一步一步来比一口气生成一百行然后 debug 到崩溃要靠谱得多。
第三，保留人工审核环节。AI 生成的代码可能有安全漏洞、性能问题或者不规范的写法。作为资深工程师，你的经验依然有价值——不是用来写 CRUD 了，是用来把关和优化的。
从技术角度看，这类工具本质上是 LLM 在代码领域的应用。它的优势在于知识覆盖面广、生成速度快、成本低。但短板也很明显：复杂业务逻辑的理解、跨模块的系统性设计、以及对特定项目上下文的把握，目前 AI 还做不到人类工程师的水平。
所以我的判断是：AI 编程工具会改变我们写代码的方式，但不会让「会编程」这件事变得毫无价值。区别在于，以前「写代码」是核心技能，以后「设计系统 + 提问 + 审核」可能更重要。
随想
晚上关掉电脑的时候，我突然想到一个问题：如果十年前的我就有了 Cursor，我会变成什么样？
那时候我还在大学里啃《算法导论》，为了一个二分查找能研究三天。现在一个高中生用自然语言描述需求，三秒钟就能得到一个能跑的实现。这让我有点感慨——时代确实不一样了。
但我很快又释然了。因为真正的工程师思维，不仅仅是「能写出代码」，而是「能理解问题本质、拆解复杂系统、评估权衡取舍」。这些能力，不会因为工具的进步而过时。相反，当基础工作被 AI 接管之后，这些能力反而更珍贵。
就好比计算器发明之后，会算术的人依然有价值——只不过他们的价值转移到了「理解数学概念、解决数学问题」这个更高的层次。编程大概也会走同样的路。
作为一个老家伙，我觉得最好的态度是：拥抱新工具，但保持独立思考。AI 能帮你写代码，但它不能替你决定「为什么要写这段代码」。这个问题，只有你自己能回答。
好了，进度条搞定了，今天的文章也快写完了。感觉效率确实高了不少——至少写这篇文章的时候我没有卡壳，有什么想法直接敲出来，思路反而比以前更顺畅了。
也许这就是工具的意义吧：不是让你变得更累，而是让你把精力放在真正重要的事情上。
（本文由猫哥原创，发表于 2026-04-15）