Y Combinator 2025-09-30 11:57 北京
"我们退一步思考，如果真正坚持自己的信念，那么在未来五年里，整个编码领域都有可能发生改变，所有软件开发都可能通过模型来完成。"
图片来源：Youtube
Z Highlights
当时感觉这个领域几乎没有人真正认真对待这个方向——他们的产品虽然很棒，可能只是稍作改进，但并没有真正朝着一个世界努力：在那个世界里，今天我们所知道的编码将被自动化，软件开发的方式也会变得截然不同。
但在那之后，我们就基本放手了，2023年我们几乎像僧侣一样专注于产品，本身增长主要靠口碑传播。
2023年的时候公司规模其实很小。我的合伙人们都是非常出色的工程师，所以我们四个人就能走得很远，不需要额外招聘。
我觉得最重要的是去做你真正感兴趣的事情，并且和那些你既喜欢相处又非常尊重的人一起去做，而且要非常认真地对待。
Michael Truell是AI编程平台Cursor的联合创始人兼CEO，2022年底带领团队果断转向AI辅助编程领域，推出Cursor编辑器，以LLM驱动的智能补全和代码理解迅速积累用户。本次对话由Y Combinator于2025年4月发起，访谈人是YC合伙人Diana Hu，深入探讨这位“以专注与执行穿越技术浪潮”的AI创业者的成长与思考。
初中时代的编程启蒙与AI初探：从Objective-C到自制神经网络库的创业种子
Diana Hu：让我们把这次谈话从你作为创始人的起源故事开始。你得追溯到初中时代，那时候你在读PG写的文章。（ZP注：这里的PG指的是Paul Graham，知名创业导师、Y Combinator联合创始人，他的文章对很多创业者产生了深远影响。）
Michael Truell：对吧？在很早的时候，我觉得，你知道的，我已经对创业产生了长期的兴趣，同时我也对很多其他事情感兴趣。实际上，我最初接触编程，是因为我想要开始做一些带有商业性质的东西。第一次看到代码，是在某个寒假期间，我和我哥哥想要开发一款热门的手机游戏。我们其实完全不知道怎么做，就在Google上搜索“如何开发游戏”。我们听说需要下载一个叫Xcode的应用，于是就去下载了。结果我们立刻被那些奇怪的、五颜六色、晦涩难懂的符号给震住了，那就是Objective-C。你知道的，它现在依然存在，但可能比当时没那么流行了，这也是有原因的。我盯着这堵几乎无法攻克的Objective-C高墙，而我哥哥很快就放弃了，再也没有继续学习编程。（ZP注：Objective-C是一种面向对象的编程语言，曾经是Apple开发macOS和iOS应用的主要语言，后来逐渐被Swift取代。）
他现在走上了一条完全不同的职业道路，好像是在尝试绘画之类的东西。但我呢，继续坚持下去，买了一本关于Objective-C的书，最后开始做移动游戏。这就是我进入编程的起点。后来在这个过程中，我也是PG文章的超级粉丝，同时也非常喜欢Sam的文章，还有YC里很多人的内容。从高中最早期开始，这些都给了我非常大的启发。
Diana Hu：我觉得关于Cursor最疯狂的一点是，你现在才24岁，却在极短的时间里建立起这样一家庞大的公司。对很多人来说，这似乎有点突然冒出来的感觉，但其实这是长期积累的结果。你已经花了十多年时间在不断做项目、不断交付成果，对吧？甚至在高中时你就已经在做AI相关的工作了，对吗？那么请你跟我们聊聊这些项目，以及你是如何开始接触这一切的。
Michael Truell：我很幸运很早就接触了编程，同时也很幸运很早对AI产生了兴趣，并且有一些很棒的合作伙伴一起做AI项目。
不久之后，我涉足了移动游戏，不过实际上我做得并不太好。其中有一个我做的项目，实际上也是最受欢迎的一个，从技术上来说却是最容易实现的，这也许给创业的一个启示——代码不是一切。这个项目是一个移动应用，你可以在像Piano Tiles和Flappy Bird这样的游戏中伪造高分，然后发送给朋友。这款应用就这样火了起来，并不是那种需要自己精心打造游戏引擎的复杂项目。
紧接着，我和一个朋友对打造一个机器人狗产生了兴趣。我们觉得，如果能有一个你不用编程就能教会它做事情的机器人，那会非常棒。你可以像对狗一样给它正向或负向反馈——做得好就给“奖励”，做得不好就说“不行”，然后也许可以教它玩一些小游戏。这个想法让我们非常兴奋，但我们完全不知道如何去实现。于是我们又从最自然的地方开始——Google，并钻进了很多知识的“兔子洞”。我们了解到遗传算法（genetic algorithms），也许这能帮我们构建想要的机器人狗。后来我们又接触到了神经网络，因为当时有人在用遗传算法来进化神经网络，比如Neat的工作。
最终，我们接触到了强化学习（RL reinforcement learning），即便是在2015年，人们已经研究了很长时间。
最后，我和朋友确实做出了几个机器人。虽然没有做出长期可持续的重大成果，但我们在当时做了一些有意思的工作，比如如何让强化学习算法更高效，从极少量的数据（几十条数据）中学习，同时还能处理人类提供的噪声数据。
虽然不完全是狗，但我们做了几个机器人。其中一个是迷你轴向机器人臂，可以挥动球拍打乒乓球；如果加上合适的传感器，再给予正确的正向和负向反馈，你就能教它在看到球时挥拍。另一个是Kiwi驱动机器人，我们教它沿着线路行走。这个过程实际上是一次很棒的机器学习（ML）教育经历，部分原因是我们当时的天真无知——我们不知道有像Torch和TensorFlow这样的工具，也不了解还有很多可以直接使用的构建模块，或者说当时我们Google搜索能力不够好。
Diana Hu：所以你喜欢从零实现自己的神经网络？
Michael Truell：是的。
Diana Hu：所以那时候你大概是16、17岁左右。
Michael Truell：当时问题的限制在于我们在处理机器人，所以也就涉及到了微控制器（microcontrollers）。微控制器的内存非常有限，根本无法运行任何常规的标准ML库。作为我们尝试打造机器人狗的一部分，我们自己实现了一个微型神经网络库。我记得当时我们并不真正理解这些东西的内部原理，也不太懂微积分，但还是磕磕绊绊地重新实现了一些神经网络的重要思想。我觉得这教会了我们很多东西，也意识到自己在基础知识上有很多空白，而这些空白花了我们很多年才逐渐弥补。
MIT毕业后的首次创业尝试与转型：从机械CAD到加密通信的曲折探索
Diana Hu：然后快进到创业阶段，Cursor这个名字很有意思，因为它并不是字面上的意思。当你们开始的时候，你们刚从MIT毕业，对吧？那是2022年。请问你们四个人在2022年最初开始做的第一个想法是什么？
Michael Truell：是的，Cursor的起源可以追溯到2021年。我和我的合作者们长期对AI很感兴趣。我们每个人都有自己的“小机器人狗”时刻，其中一位合作者在2021年尝试使用LMS在Google构建竞争模型，并训练自己的模型，训练的是对比模型（contrastive models）。（ZP注：”LMS“在此处指Large Model Systems，即用于训练和部署大规模AI模型的系统或框架，用于支持像GPT、BERT等大型神经网络的训练与推理。）
我的另一位合作者在学术界从事计算机视觉研究，还有一些人曾在像Google这样的公司从事推荐系统工作。但我们在2021年对AI的兴趣非常浓厚。我们在思考该如何利用这种兴趣——是去学术界做AI研究？还是加入现有的大型AI项目？或者自己创办一家公司？
有两个瞬间让我们非常兴奋。一个是看到第一个AI产品开始面世——GitHub Copilot成为我们的典型示例；另一个是看到一些工作表明，随着模型规模的扩大，AI在未来会可预测地不断提升。在2022年初，我和我的合作者们进行了大约一个月的“黑客马拉松”，开始尝试一些相关想法，挑选某个知识工作领域，探索随着AI逐渐成熟，它会呈现出什么样的样子。
Diana Hu：你们为了那个最初的想法收集了很多数据，对吧？
Michael Truell：是的，我们最初长期投入的真正想法是在机械工程领域。我们试图为机械工程师打造一个“Copilot”，并训练模型去预测在CAD系统中（比如Solidworks或Fusion 360）你会如何操作，这些系统可以在电脑上对零件进行3D建模。我们之所以选择这个方向，是因为觉得它可能很枯燥、竞争不激烈。当时我们有点像在做沙发上的MBA思考，尽管从一开始这就是一个糟糕的选择——因为我们没有一个是真正的机械工程师，而且科学研究在那个领域也还不够成熟。
Diana Hu：但是你们还是坚持了好几个月，对吧？你们收集了大量CAD文件，实际上还做出了可以自动补全的功能，对吗？那就是它的第一个可用版本。
Michael Truell：是的，其中很多工作都在于数据抓取。说实话，我当时的目标是尽可能获取互联网上所有的CAD模型。因为存在各种不同的文件格式，我们还需要把它们都转换成统一的标准格式。这个市场很奇怪，存在许多不同的系统都相当流行，市场非常分散。同时还有一些云端CAD系统，它们不容易导出文件，也不希望你去抓取它们的数据。所以这部分工作量很大。此外，当时用于建模工作的训练基础设施也相当初级，因此在基础设施方面也有大量工作。同时还要做大量模型实验，包括如何把扩展功能临时接入这些CAD系统的尝试。
因为我们在构建一个扩展功能，而这些应用程序本身几乎不支持扩展。同时，那段时间我们还在做其他项目。我的两位合作者当时在做一个端到端加密的消息系统（end-to-end encrypted Mes system），因为其中一位有安全研究背景。这个想法来源于：像Signal和WhatsApp这样的应用会加密消息内容，但不会隐藏谁在什么时候和谁进行通信。而这其实是非常关键的信息，如果你不想完全信任消息应用提供商的话。例如，如果一位记者正在与政府内部线人沟通，仅仅知道他们在通信本身就是一个非常重要的信息。
Diana Hu：所以那是在2022年年中的时候，你们大约花了六个月时间在这个想法上。那么当时你们有多少用户呢？你们把产品发布出来了吗？
Michael Truell：嗯，这些项目基本上都已经完成了，但几乎没有用户。
Diana Hu：你们是在什么时候意识到这个想法行不通的？就像，“哦，不，我们一直在做这个，试图创业，但根本行不通。”那一刻的感觉是怎样的？
Michael Truell：我觉得每个项目的情况都有些不同。对于那两位合作者做的消息系统来说，技术上确实很令人印象深刻，但存在一些不好的权衡——它的可扩展性很差。他们尝试让用户使用，但效果并不理想；后来又尝试做B2B销售，结果也不太成功。我觉得在几个月努力获取用户反馈之后，我们才意识到这个问题。也就是说，花了很多个月尝试让模型对最终用户真正有用，同时也在思考：我们真的对这些领域感兴趣吗？还是说有其他领域我们天生更兴奋、更热衷去探索？
破局与增长：直面巨头竞争坚定转型，以AI编程辅助实现复利式爆发
Diana Hu：所以有那么一刻，你们意识到，“好吧，这些想法行不通，我们必须再次调整方向。”你们经历了三、四、五个想法之后，才最终落到代码补全（code completion）这个方向上。
Michael Truell：是的，我觉得是这样的——我们很早就受到了像Copilot这样的工具的启发，但当时我们避免做AI编程相关的工作，因为觉得这个领域竞争太激烈，而事实上当时竞争激烈，现在仍然是如此。
Diana Hu：因为早在2022年，Copilot的收入就已经达到了大约1亿美元。
Michael Truell：我觉得，或者说，它还有更大的潜力，甚至可能更多。
Diana Hu：是的，你们当时想，“我们依然可以做得比GitHub Copilot更好”，因为大家都以为这场游戏已经结束了。
Michael Truell：GitHub……嗯，我的意思是，一开始我们并不认为自己能做到那一步。然后我觉得，经过一段时间尝试不同的想法，却发现自己并不真正热衷，同时这些想法也没有成功，这种“无奈感”反而帮助我们明晰了自己真正关心和追求的方向。我们意识到自己对编码的未来充满了天生的热情。同时，我们也观察了这个领域其他人的产品开发情况，看到了技术的发展。我们退一步思考，如果真正坚持自己的信念，那么在未来五年里，整个编码领域都有可能发生改变，所有软件开发都可能通过模型来完成。当时感觉这个领域几乎没有人真正认真对待这个方向——他们的产品虽然很棒，可能只是稍作改进，但并没有真正朝着一个世界努力：在那个世界里，今天我们所知道的编码将被自动化，软件开发的方式也会变得截然不同。带着这种思考，我们开始着手投入这个方向的工作。
Diana Hu：这是一个大胆的决定，因为你们当时说：“好吧，我们要停止做那些自己背景不够扎实的其他想法。”尽管房间里有GitHub Copilot这个巨人存在，你们依然对编程充满热情，并决定直面挑战：“那我们就去解决这个问题吧。”
Michael Truell：当时其实并不觉得自己做了多大胆的事情，也没有感觉像是一个重大行动——因为说实话，就是一群人坐在客厅里用笔记本电脑，并不是像要去调整一家巨型公司那样。但没错，我们确实做了。起初我们只是小心尝试，想着也许可以做一个非常小众的工具，比如针对安全审查，尝试检测代码中的未来CVE漏洞，或者做一个只针对某个小众软件领域的工具。我们甚至考虑过为量化研究人员（quants）做一些原型或者工具。但在这个过程中，我们对Cursor能够做什么充满了各种想法——如果它只是想成为AI Copilot的最佳方式，那会是什么样子。于是，我们对这个方向有了极大的信念和热情，最终决定全力以赴去实现它。（ZP注：CVE（Common Vulnerabilities and Exposures）：通用漏洞与暴露编号，为已知软件或硬件安全漏洞分配唯一标识，便于统一命名和信息共享。）
Diana Hu：那是在2022年底，对吗？你们决定做出那个转变后，第一个产品发布得有多快？第一个产品是什么样子的？大约几周后你们就发布了，它当时的样子是怎样的？
Michael Truell：确实，我们花了一些时间才把产品公开发布。从写下第一行代码到在GA（General Availability）正式开放，大约花了三个月。
最初我们做的，是从头“自制”了一个编辑器，虽然实际上还是用了很多开源构件。比如像CodeMirror、Language Servers等开源技术，它们提供了很多优秀的基础组件，可以帮助你搭建编辑器。但总的来说，我们确实是从零拼凑起来的，同时当时还自己实现了远程SSH功能和Copilot集成，因为那时候还没有任何自动补全功能。你必须自己构建整个P系统，自己做所有语言服务器的集成。可以想象，要打造一个成熟的代码编辑器、能在市场上竞争并满足用户日常使用，背后需要投入的工作量非常巨大。
但是我记得，大约花了四周时间，我们才做出一个可以自己日常使用的版本。大约四周后，我们才把它交给第一批测试用户使用。再过四周，我们才正式发布给更多用户。当时的产品仍然非常粗糙，公开发布时并没有感觉像是一个重大项目。
Diana Hu：在那个第一个版本中，你们学到了很多东西，因为你们是从零开始构建了一个代码编辑器。当时你们还没有做完整的forking（分叉/克隆已有项目）工作。
Michael Truell：是的，当时我们心里有一种“God-level的敬畏感”。毕竟，我们之前很久没有真正完成过类似的项目。所以我们全力以赴，非常专注。但我们从中学到了什么呢？我觉得主要有几个方面。首先是最初的一批AI功能：当我们刚开始时，编辑器里只有一个关键命令，它会唤出一个通用“远程控制器”，然后你向它下达指令，AI会去理解你到底想做什么——你是想要返回一个响应？还是想要代码建议以便采纳？或者让它去搜索代码库回答问题？甚至是让它运行时间长一点或短一点。控制选项非常有限。通过这些实践，我们意识到，鉴于2022年底的技术现状，AI功能的呈现形式需要有所不同。于是，我们通过自身迭代和让用户尝试，逐步形成了Cursor核心的早期AI功能。
另一个重要的经验是，我们当时急速地在构建一个功能齐全的代码编辑器版本，同时加入我们认为很棒的AI功能。但我们很快意识到，要打造一个面向全世界的完整代码编辑器，路要走得远得多。我们曾以为，VS Code经历了12年的发展，作为最早期的TypeScript项目之一，有大量开发者参与，而我们可以在几个月内搭建一个相当的版本。但很快我们明白现实并非如此，我们的时间最好还是专注在AI功能上。此外，最初我们考虑基于Chromium渲染引擎开发浏览器式编辑器，但随后我们转而选择以VS Code为基础进行构建。
Diana Hu：另一件事是你们当时也实现了你们自己的模型。你们从Codex获得了很多灵感，对吗？
Michael Truell：是的，当我们开始着手第一个真正花了大量时间去做的想法时，我们的目标是用AI帮助机械工程师提升工作效率。在我们进行第一轮融资的时候，其中一个原因就是我们确实从一开始就需要一些资金来做少量的模型训练。因为虽然可以用现成的模型来做bootstrap，但它们并不足以胜任那个任务。
当时我们经常参考的一篇论文其实就是最初的Codex论文。根据我们的计算，Codex——也就是GitHub Copilot背后的第一个自动补全模型——它的训练成本其实并不算高。即使在2022年年初到年中，当时大家都在谈论训练AI模型有多昂贵，但我们估算它的训练成本大约在10万美元左右（可能我的数学算得不完全准确）。在那段时间里，我们自己也做了一些训练，试图免费地把它用在机械工程上。但等到我们开始做Cursor时，我们对那段经历多少有点心有余悸，所以我们决定尽可能务实，不去重复造轮子。
因此一开始我们完全没有做那些事，而是在整个2023年逐步打磨产品。在产品迭代的过程中，这最终变成了一个非常关键的产品杠杆，尤其是在我们开始规模化、吸引大量用户使用之后。这样你还能够利用产品数据进一步提升产品表现，而这实际上成为了公司内部必须锻炼的一项关键能力。
Diana Hu：然后呢？在2023年的时候，你们其实还不确定Cursor是否真的能成事，你们还在和你的合伙人讨论是不是要转型，像是“哦，这个想法还能行得通吗”，你们还在尝试把它做大，对吧？因为真正开始有收入花了很长时间，对吗？
Michael Truell：是的，我觉得在整个2023年，Cursor是在增长的，但数据其实挺小的。而且我觉得我们当时在做的事情，并不总是有一个清晰的下一步方向。
我认为可能有一些市场，你会受益于立刻去和很多人交流，严格地、系统性地、全面地去听他们的问题，然后逐一思考解决方案，再去做优先级排序并从那里开始。但我觉得我们所在的空间有点不一样，我们做的是一个终端用户应用，它本身没有多少复杂性的空间预算。
我们在尝试打造用AI写代码的最佳方式。所以很多时候是要去弄清楚，基于你今天手里已有的工具，你实际上能做到什么。确实有很多东西你可以写下来，如果能做出来肯定很有用，但要搞清楚如何真正去构建它们，以及细节该怎么落地，这并不是很明确该怎么推进。所以在整个2023年，我们有很多时候都处在这种不确定性中。再补充一点，在我们的早期用户群体里，如果你完全顺着他们的需求梯度走，你会被拉向和我们最后选择的方向不太一样的地方。比如，我们有一群声音非常大的用户，他们完全不会写代码，我们也讨论过是不是应该把重心放在他们身上。
我们还有一大类用户，他们希望我们去做一些特定技术栈的事情，只为某个单一技术去构建，让工具变得不那么横向通用。但我们也坚持没有那样做。
所以在2023年有很多早期的原型尝试，也像是在“沙漠中徘徊”。然后我们逐步摸索清楚哪些地方有意义，不仅是构建软件本身，还要构建我们自己的模型，来改进API模型，或者在某些地方替换它们。比如，我们的tab功能、下一次编辑预测功能，还有到底该如何实现这些。
Diana Hu：你们是在2023年从0做到100万的，对吧？而且花了很多努力才走到那一步，对吗？
Michael Truell：是的，差不多就是那个数量级，稍微多一点。
Diana Hu：然后2024年简直是疯狂的一年。你们在一年内从100万做到1亿。跟我们讲讲这种复利式的增长吧，因为你们是连续好几个月保持每周10%的增长，这是怎么做到的？
Michael Truell： 一开始数据看起来比较小，但复利效应一直在叠加。我觉得有几个关键因素真正推动了我们的增长。我们所在的市场有个特点：只要你把产品做得更好，你几乎能立刻从数据上看到效果，增长会马上加快。我们第一次让Cursor能够理解代码库的时候，就感受到了这种拉动；我们第一次能预测用户的下一个操作时，感受到了这种拉动；后来我们把预测做得更准确、更快，甚至更有野心，可以预测一系列的修改；再后来我们让AI模型能在你的代码库里直接执行更多操作，而且执行得非常快——每一个环节，我们都专注于把产品变得更好。
于是复利效应就一直在延续。我不认为所有市场都能这样，但我觉得我们所在的这个市场，终端用户的偏好非常重要。如果你能做出最好的产品，大家都会在意、会去讨论，而这种传播和增长也就持续了很长时间。
Diana Hu：我觉得当时有个挺有意思的现象。我们确实看到YC公司在完成各个batch的过程中发生了很大的转变。我们会问他们：你们用什么技术栈来构建应用？结果两个batch之间简直是天壤之别。还记得在2023年，大概只有个位数百分比的团队在用Cursor；到了2024年，就像野火一样迅速蔓延开来，最优秀的builder们都在用它。
Diana Hu：你们登上了他们的Twitter feed，对吧。大部分的采用都是从那里来的吗？所有增长都是怎么来的？
Michael Truell：在最早期，当我们刚推出编辑器的时候，我们尝试在社交网络上做一些宣传。实际上，我的一个合伙人在2022年，当我们在做一些illustrate想法时，因为获得了多巴胺的激励而保持动力，他开始在网上发帖，有意识地去积累大量粉丝，但不是通过常规的社交媒体手段，而是通过讨论AI。说实话，有点惊讶的是，一个人真的可以通过阅读所有相关论文、深入思考当下发生的事情、公开讨论，然后被领域内有影响力的人认可。
当时有一个开源模型FLAN-T5，很多AI项目最终都用到了这个模型，他们直接从我合伙人的Twitter帖子中了解到了这个模型的好处，因为他一直在持续发帖。于是他变成了一个非常小众的、可以说是SF（San Francisco）微名人，实际上早期还在宣传产品。
所以在我们第一次上线和第一次做waitlist获取初批用户时，我们有一个非常像电影特效般的演示，我觉得这对启动帮助很大。但在那之后，我们就基本放手了，2023年我们几乎像僧侣一样专注于产品，本身增长主要靠口碑传播。我记得那一年有几次团队成员会说，“伙计们，产品已经够好了，先放一边吧，专注于growth engineering”，然后会有大约两个月的冲刺去做某个版本的增长尝试。但相比我们那一年做的其他事情，这些尝试最终并没有产生太大影响。
Diana Hu：到了2024年那会儿，Cursor有多大？公司当时规模有多大？
Michael Truell：2023年的时候公司规模其实很小。我的合伙人们都是非常出色的工程师，所以我们四个人就能走得很远，不需要额外招聘。我们也有一些自己的失误，比如如何确定第一批员工该招谁，以及具体该怎么做。因此，早期我们既很有耐心，也比实际上应该做的更少招聘。我记得到2023年底，公司人数仍然只有个位数，还不到10人。
AI重塑编程的未来与给年轻开发者的核心建议
Diana Hu：是的，太棒了。那么我想换个话题，好奇想问一下，你对于未来编程的发展会是怎样的，有什么看法？
Michael Truell：从一开始，我们就走了一条中间路线。当我们开始创业并招聘第一批员工时，经常会收到一些奇怪的目光：“你们为什么要做这个？”——因为在2022年底，还不像现在这样普遍关注AI。那时ChatGPT还没有完全爆发，整个世界对AI的潜力还没有充分意识到，尤其是在2022年，当我们在做CAD相关和早期代码工具时，人们觉得投入AI工作有点奇怪。
当时很多人并不完全相信这是时间的有效利用，也不确定AI会产生很多有价值的应用。即便是对AI感兴趣的人，在我们的领域里，很多人只是专注于优化现有的形式，把现有产品做得稍微更好一些。同时，在我们的社交圈和专业圈里，也有不少人会想：“为什么你不去做AGI（通用人工智能）？你现在做的这些工作，在一两年之后可能就毫无价值了。”
是的，我认为我们一直持有这样的观点：在未来几十年里，会有大量极具价值的事情可以去构建。AI将会是一项具有变革性的技术，可能比近几个世纪以来的任何技术革命都更具影响力。但这将需要几十年的时间，也将是一项全行业的努力——其中有很多独立的能力需要逐步实现，才能真正达到彻底改变软件开发或其他可能被AI重塑的知识型工作领域的最终状态。
具体来说，在近期内，我们认为对于专业工程师这个终端用户群体来说——也就是我们服务的市场——no code仍然非常重要。未来会有一个漫长而复杂的中间阶段，在这个阶段，你会越来越多地与AI协作。AI会越来越像你的同事，也可能像一个非常高级的编译器，能够帮你隐藏一些代码。但你仍然需要阅读逻辑、进行审查和编辑。
Diana Hu：那你认为哪些技能仍然会重要？大家应该继续学习哪些东西，又应该停止学习哪些内容？
Michael Truell：我的意思是，我觉得编程和数学本身就是一种很好的通识教育，这一点不会消失。我也认为，目前学习计算机科学还能带来很多实用技能，尤其是当人们进入快速变化的行业时。学校里具体学的内容并不是特别关键，重要的是在学习过程中培养起来的学习能力。我认为AI的出现并不会改变这一点。
Diana Hu：你会给观众什么建议呢？假设有一个年轻的Michael True，不是三年前，而是像三年前的你那样，想要在创办Cursor之前达到你的状态，他们现在应该做些什么？
Michael Truell：我觉得最重要的是去做你真正感兴趣的事情，并且和那些你既喜欢相处又非常尊重的人一起去做，而且要非常认真地对待。是的，我认为对于很多还在上学的人来说，周围有太多事情会让你去“打勾做任务”，而不是去专注于长期积累、真正去构建你感兴趣的东西。
原视频：Michael Truell: Building Cursor At 23, Taking On GitHub Copilot & Advice To Engineering Students
https://www.youtube.com/watch?v=TrXi3naD6Og&ab_channel=YCombinator
编译：Chenkai Gao，关注大模型与AI Agent等前沿技术与应用，欢迎交流。
请注意，本文编译自文末载明的原始链接，不代表Z Potentials立场。如果您对本文有任何想法或见解，欢迎在评论区留言互动探讨。
Z Potentials将继续提供更多关于人工智能、机器人、全球化等领域的优质内容。我们诚邀对未来充满憧憬的您加入我们的社群，与我们共同分享、学习、成长。
-----------END-----------
🚀 我们正在招募新一期的实习生
🚀 我们正在寻找有创造力的00后创业
关于Z Potentials
