揭秘OpenAI新神器：Cursor源码深度解析与应用探索

背景

Cursor（github.com/getcursor/c…）是一款专为编程与人工智能而设计的编辑器。

虽然现在还处于早期阶段，但目前Cursor可以完成以下几个任务：

写作：使用比Copilot更智能的AI生成10-100行代码；
差异：请求AI编辑一段代码块，并只查看建议的更改；
聊天：采用类ChatGPT界面，了解当前的文件；
以及更多：请求修复lint错误，在悬停时生成测试/注释等。

Cursor背后的公司于 2023 年在旧金山成立，主要开发利用 LLM 从基层建立的 IDE。

创始团队目前2位，已获得OpenAI的投资：

Aman Sanger，2022 年毕业于麻省理工学院数学与计算机科学专业，Abelian AI 联合创始人
Michael Truell，2022 年毕业于麻省理工学院数学与计算机科学专业。

Cursor源码架构

Cursor目前开源的部分是基于Electron+CodeMirror搭建的，源码代码质量不高，我甚至都怀疑代码都是用AI写的…拼凑感很强，另外没有一条测试用例。不过从市场角度也能理解，毕竟要快速抓住市场为主，两位MIT的高材生也没有太多前端工程经验。

整体的架构可以画一张图来表示：

在Electron架构之上主要构建了6个模块：

LSP，语言服务，内置了对TS、Python、C++等常见的语言支持
Settings，一系列设置，比如OpenAI的key，开启的语言服务等等
Comment，注释，生成注释用
CodeMirror，一些基于CodeMirror的补丁
Chat，核心模块，generation也在这里面，是与AI的交互部分，也是我们本文分析的重点模块
extensions，扩展，比如编辑器相关的扩展，自动补全，等等，目前还没有开放插件能力

特性分析

Cursor至今的官网和代码仓库都十分的简陋，没有详细的文档介绍。

在它的Github主页声称比Copilot更智能，但目前只能从作者的Twitter上的一个视频（twitter.com/amanrsanger…）来评测它的功能，这个视频一共执行了五条指令：

Build the `SearchResult component showing file icons, names, and paths
Connect this component to redux
How do I add a keyboard shortcut in electron?
Where in the code are shortcuts and redux reducers to open file search
Make cmd+p with label File Search open file search

目前Cursor支持的交互方式有两种，一个是cmd+k唤起指令模式，这个指令会调用AI进行generate直接生成代码，另外一种是cmd+l唤起的聊天模式，会返回markdown的文本显示在一个浮层上。

在上面的指令中，1、2、5应该是指令模式，3、4是聊天模式。

接下来，我们仿照这个视频的环境（它用的是cursor源码并且打开了一个fileSearch文件），深入探索下这些交互背后发生了什么。

第一条指令，生成代码

屏幕录制 2023-04-05 时间 18.44.38 3.gif

基于命令生成代码应该是AI的基本操作，这里的逻辑位于源码文件的 features/chat/chatThunks.ts 中：

const thunkFactory = (
    actionCreator: ActionCreatorWithoutPayload,
    name: string
) =>
    createAsyncThunk(
        `chat/${name}`,
        async (payload: null, { getState, dispatch }) => {
            dispatch(actionCreator())
            // If message type is chat_edit, then we want to change the message type to chat
            if (
                (getState() as FullState).chatState.userMessages.at(-1)
                    ?.msgType == 'chat_edit'
            ) {
                dispatch(diffResponse('chat'))
            } else {
                dispatch(streamResponse({}))
            }
        }
    )

当我们输入回车的时候，就会触发submit的action，而这里面的actionCreator都是经过thunkFactory包裹的，在这里面会看到，最终执行了 streamResponse 。

由于 streamResponse 函数十分冗长，我们截取一下请求部分：

const server = `${API_ROOT}/conversation`

const response = await fetch(server, {
    method: 'POST',
    headers: {
        'Content-Type': 'application/json',
        ...getBearerTokenHeader(getState),
        // Cookie: `repo_path=${state.global.rootPath}`,
    },
    //credentials: 'include',
    body: JSON.stringify(data),
})

核心就是向 cursor 的服务器发送了一个POST请求，目前 cursor 的后台代码并未开源，所以对这块是黑盒，不过从命名可以看出这个是一个对话接口，后台的实现中肯定也包含了对AI的调用。值得注意的是这并不是一个普通的POST请求，它返回的是一个 text/event-stream 的MIME，可能大部分同学并不熟悉，实际上它用于实现服务器向客户端推送实时数据流。它是基于HTTP长轮询和服务器发送事件(SSE)的一种技术，能够实现服务器与客户端之间的双向通信。

实际上 cursor 的server是将信息通过token的方式流式返回的，这样也保证了在界面中类似 chatGPT 那样的体验。

我们来看一下这个请求的入参：

编辑器传递给 server 有价值的信息包括：

当前的文件信息，包括文件的所有代码，文件名和路径
交互的类型和指令message
上下文的Code（源码中可以看到，是按照20行切分的字符串，猜测是提供给模型上下文的，同时避免超过最大token的限制）

基于这些信息，生成合适的prompt，AI就可以生成代码了。

第二条指令，AI续写内容

屏幕录制 2023-04-05 时间 19.10.53.gif

第二条指令与第一条指令不同，是选中了某段文本，然后要求改写，让我们来看看这次发起的请求：

会发现和上次请求的不同之处在于 selection 和 msgType ，分别传入了选中的文本和edit，这样server应该就能更准确地生成相应的prompt。

在edit这个模式下，很容易会触发一个 continue 的请求，这是因为选中的文本，再加上AI返回的内容，很容易就会超过模型最大token的限制，所以 Cursor 这里还加了一个 continue 接口，用来接上之前不能一次性返回的内容：

可以看到 continue 接口多了一个 botMessages 字段，用来将上一次AI返回的信息再次传递过去，而接口应该也是根据这个上下文信息要求AI能够续写上之前的内容。

continue 的逻辑在源码中是有一个 interrupted 作为标识的，如果判断是 edit 模式并且因为token问题被中断了，就会触发 continue 的逻辑：

lastBotMessage = getLastBotMessage(
    (getState() as FullState).chatState
)!
if (
    lastBotMessage.type == 'edit' &&
    lastBotMessage.interrupted &&
    lastBotMessage.hitTokenLimit
) {
    await dispatch(continueUntilEnd(lastBotMessage.conversationId))
}

第三条指令，聊天模式

屏幕录制 2023-04-05 时间 19.23.41 2.gif

这个是AI聊天的经典模式，向AI问了一个问题，我们看一下请求：

可以看到这次传参非常简单， msgType 变成了 freeform ，就是向AI提一个问题，不过这里还是一样，传递了当前文件的上下文和光标上下文。

第四条指令，AI理解工程

屏幕录制 2023-04-05 时间 19.30.19 2.gif

同样是聊天场景，但是这个问题 Cursor 可以从当前的工程中找到答案，会告诉你在当前工程的哪些文件中有相关的实现，这就相比于纯粹的AI有了显著的进步，意味着可以联系工程上下文给出解决方案了。

其实它的请求并没有什么特殊的，要实现工程上下文，我猜测 Cursor 在server端可能采用的方案：

有自己的索引，根据索引找到问题关键词相关的工程上下文，提供给模型
实际上在源码中也有一点蛛丝马迹，在获取 Symbol 的时候， Cursor 查找了最近的10个文件，然后实现了一个自己的相似度计算函数，用来判断内容是否匹配，这个方法是用来寻找 Copilot的 Snippet，但我估计后台也有类似的处理。

第五条指令，是个迷

第五条指令理论上可以自动让编辑器跳转到对应文件，然后修改代码，但我按照视频里面输入指令并没有触发，不过源码里面确实有对应实现，如果有人能够复现这个步骤欢迎告诉我一下。

小结

本文深入分析了 Cursor 的内部实现，重点关注是怎么结合AI做到代码生成和辅助我们写代码的。可惜的是， Cursor 最核心的后台实现并没有开源，这也算是他们目前的商业机密了。不过从客户端的代码中，我们也差不多推敲了一二，大概能猜到它本身的实现思路。

我认为目前 Cursor 的核心优势是在于免费（现在也开始收费了）和理解项目工程的能力，相比来说，它更想快速抢夺市场，但它的劣势在于挑战了VSCode整个生态。

按照作者的话说，他们畅享的许多能力都不能基于VSCode插件来实现，这点我能够理解，从目前的一些特性来看，比如直接关联工程文件，甚至跳转某个文件直接编辑和diff代码，都是非常灵活的交互，但我认为接下来 Cursor 面临的核心问题是：

gpt4价格不低，虽然有openAI的风投，依旧是成本高昂，按照之前有人评测应该没有用gpt4，不然不可能有这么快的速度，问它会回答gpt3（目前看起来模型已经是被finetune过了，不会再回答是gpt3）
代码完全是赶鸭子上架，不利于后续的维护，而且相对于VSCode整个庞大生态，有太大的差距（我读代码的时候实在无法忍受给作者提交了个优化PR，目前还没被采纳…）
这些新颖的交互后续也有可能被VSCode所借鉴优化，毕竟微软才是最大的投资方，一旦VSCode跟上这个能力支持Copilot X，Cursor将没有立足之地。