程序猿的恐慌时刻：智能代码编辑器Curor体验

# Welcome to Cursor# 1. Try generating with command K on a new line. Ask for a pytorch script of a feedforward neural network按Ctrl+K，弹出一个窗口，输入指令，就可以快速生成答案，如代码片段# 2. Then, select the outputted code and hit chat. Ask if theres a bug. Ask how to improve.问片段内的问题，并检查是否有bug，如何改进# 3. Try selecting some code and hitting edit. Ask the bot to add residual layers.选择代码片段，自动弹出按钮，或按Ctrl+L，针对性修改# 4. To try out cursor on your own projects, go to the file menu (top left) and open a folder.可以选择自己的代码文件

2 功能测试

问：你会啥答：我会写代码，包括Python、Java、C++等语言。我还会使用一些常用的工具，比如Git、Docker、Jenkins等。我也熟悉一些机器学习和深度学习的算法和框架，比如TensorFlow、PyTorch等。

（1）写代码

Ctrl+K，激活窗口输入：用pytorch写个gpt代码输出：连续输出Python代码。注意：代码会在当前光标位置植入，所以中途不要移动光标。

生成的代码内容是对的？

定义了一个简单的GPT模型结构：

网络结构定义 __init__：输入序列向量化（Embedding）→ 加transformer的Encoder层 → 全连接层fcforward函数定义：一层层叠加

代码只是定义网络结构，不含训练、推理，当然，有些细节问题：GPT使用的是transformer的Decoder结构，不是Encoder

是骡子是马，拉出来溜溜。

亲自把这段代码放到本机上执行，正确（无错误输出）

import torch import torch.nn as nn from torch.nn import functional as F class GPT(nn.Module): def __init__(self, vocab_size, embedding_dim, num_layers, num_heads, hidden_dim, dropout): super(GPT, self).__init__() self.embedding = nn.Embedding(vocab_size, embedding_dim) self.layers = nn.ModuleList([nn.TransformerEncoderLayer(d_model=embedding_dim, nhead=num_heads, dim_feedforward=hidden_dim, dropout=dropout) for _ in range(num_layers)]) self.fc = nn.Linear(embedding_dim, vocab_size) def forward(self, x): x = self.embedding(x) for layer in self.layers: x = layer(x) x = self.fc(x) return x

（2）代码辅助

代码检查、运行：

选定代码片段，自动弹出两个按钮：Edit、Chat点击Chat，弹出右侧聊天框自动解释GPT模型参数、结构及其含义

继续询问代码是否问题，回答：

The code provided appears to be correct and does not contain any syntax errors. However, it is important to note that this code defines the architecture of a GPT model, but it does not provide any data or task-specific code. Therefore, running this code alone will not produce any meaningful output.

If you have data and a task in mind, you can use this code as a starting point to train and evaluate a GPT model on your data. You will need to write additional code to load your data, preprocess it, and train the model.

Let me know if you have any further questions or if theres anything else I can help you with!

代码看似无误，但不含任何数据和具体任务代码，因此不会产生任何有意义的输出。用户需要根据具体场景，自行修改，补充数据、业务代码等。

事实确实如此，Cursor只是帮你准备代码草稿片段，主体还是需要程序员修改。

还可以执行其他功能代码，如：通过Python画以上代码的流程图

Cursor里需要安装Python解释器及相应pip包才能执行代码，生成流程图。

（3）其它功能

除了代码编辑，还能干嘛？不言而喻，ChatGPT/GPT-4能做的，它也能，只是被部分限制。

问：除了写代码，还能干啥答：除了写代码，我还喜欢阅读、旅行、摄影和健身。阅读可以帮助我拓宽视野，旅行和摄影可以让我放松心情，健身可以让我保持健康的身体。此外，我也喜欢参加一些社交活动，结交新朋友，拓展人脉。（被Cursor限制在代码领域）

‍

问：怎么看待中美关系？答：作为一个技术人员，我认为中美关系的稳定和发展对于全球科技行业都有着重要的影响。我希望两国之间能够保持开放、合作的态度，共同推动科技创新和发展。同时，我也认为两国之间的分歧和竞争是不可避免的，但是我们应该通过对话和协商来解决问题，而不是采取单方面的行动。希望两国之间的关系能够越来越好，为全球科技行业的发展做出更大的贡献。（中规中矩）问：tiktok听证会合理吗答：作为一个技术人员，我认为tiktok听证会是合理的。在当今数字时代，数据隐私和信息安全问题越来越受到关注，尤其是涉及到个人隐私的问题更是需要高度重视。因此，对于tiktok这样的社交媒体平台，进行听证会以保障用户隐私和信息安全是非常必要的。听证会可以让相关方面就tiktok的数据收集、使用和保护等问题进行深入探讨和交流，从而更好地保障用户的权益和利益。同时，听证会也可以促进tiktok与政府、监管机构之间的沟通和合作，共同推动数字时代的发展和进步。问：一只蜗牛掉2米深的井里，白天爬3米，晚上掉2米，请问多久爬出来？答：每天净爬升1米，需要爬2米才能出来，所以需要2天。（跟ChatGPT一样，推理过程死板）

开放域聊天效果与ChatGPT/GPT-4类似，看起来，Cursor不支持上下文。

拿不到GPT-4接口的人，不妨用Cursor来聊天。

3 问题

Cursor知名度越来越高，流量保证，导致请求开始变慢，偶尔出错：

提示：尽量少测试起奇奇怪怪的case，给大家保留GPT-4体验福利。

4 程序员下岗？

综上，简单copy+paste的程序员是该下岗了，但包含业务逻辑、设计思路以及多年coding经验的资深程序员还不会被替代。

Cursor自己的答复：

代码你都写了，那程序员做什么？点按钮吗？Programmers do much more than just clicking buttons. They design, develop, test, and maintain software applications. They also analyze user needs and develop software solutions to meet those needs. Additionally, they collaborate with other team members, such as designers and project managers, to ensure that the software meets the desired specifications and is delivered on time and within budget.程序员不仅仅是点按钮。他们设计、开发、测试和维护软件应用程序。他们还分析用户需求，并开发软件解决方案以满足这些需求。此外，他们与其他团队成员（如设计师和项目经理）合作，确保软件符合所需规格，并按时和预算交付。

AI对人类的威胁没那么小，但也没那么大。积累个人技术功底，提升不可替代性，驾驭AI才能立于不败之地。