又一个Cursor，美团发布首款AI IDE

🐾 一、背景：为什么是现在？为什么是 CatPaw？

2024 年，Cursor 引领的 AI IDE 浪潮席卷全球，但它在国内面临三大痛点：

• 💸 成本高：$20/月订阅费 + 不透明的 Token 消耗；
• 🌐 网络不稳定：Claude 等模型访问受限，常需手动配置代理；
• 🇨🇳 中文支持弱：Prompt 理解偏差大，需反复调试。

美团选择“后发制人”：

✅ 内部已稳定运行 2 年（2023 年起以编辑器插件形态落地）
✅ 2025 年 11 月正式开放公测，推出独立产品——CatPaw

它不追求“重新发明轮子”，而是以 Cursor 为交互基底 + 国产化深度增强，走出一条务实、高效、开发者友好的技术路线。

▲ 左：CatPaw｜右：Cursor｜高度一致的交互逻辑，老用户零学习成本迁移

---

⚙️ 二、核心架构：双模式 Agent + 工具链闭环

CatPaw 的核心是 Ask / Agent 双模式，覆盖从轻量问答到全自动开发的全场景：

模式	行为	安全性	典型场景
Ask	只读问答，需手动 Apply 修改	🔒 高	代码解读、Bug 定位、方案咨询
Agent	自主执行：读/改文件、运行命令、查文档、调 API	⚠️ 中（高危操作需确认）	新建工程、全栈开发、自动化测试

Agent 模式背后是完整工具链闭环，当前内置 11 类原生工具：

📁 文件类：readFile / writeFile / createDir  
🔍 代码类：grep / searchSymbol / findReferences  
💻 终端类：runCommand（支持 auto-run 开关）  
🌐 网络类：fetchURL / searchWeb  
🧪 测试类：runTests / debug  

更关键的是：支持 MCP（Model Context Protocol）扩展，例如 Chrome DevTools MCP 可实现“开发 → 启动 → 自动测试”无缝衔接。

---

📚 三、知识增强：@Docs 索引系统实战

CatPaw 复刻并优化了 Cursor 标志性的 @Docs 功能——让 AI 学会你的私有文档。

操作流程：

1. 进入 Settings → Indexing & Docs；
2. 添加 URL 或本地文档（支持 Markdown/PDF）；
3. 等待小绿点 ✅ indexed 提示生效；
4. 对话中 @doc_name 即可引用知识。

✅ 实测：同时索引 CatPaw 官方文档 与 Cursor Docs，Agent 可精准对比异同。

随后在 Agent 模式下输入：

@CatPaw_Docs @Cursor_Docs 请对比二者在 Agent 能力上的异同，输出 Markdown 表格

Agent 使用 LongCat-Flash（美团自研编程特训模型）迅速生成结构化分析，输出质量极高：

---

🛠️ 四、开发者体验：那些“小而关键”的创新

4.1 自定义 Agent：你的专属编程搭档

在 Agent → Add Mode 中，可创建个性化 Agent：

• 指定模型（LongCat-Flash / GLM-4.6 / Qwen2.5-Coder）；
• 勾选所需工具集（最小权限原则）；
• 编写角色化 Prompt（如“你是资深 React 性能工程师”）；
• 开启 auto-fix（自动修 Linter）或 auto-run（自动执行终端命令）。

---

4.2 对话收藏：优质上下文的沉淀

❗ 行业首创：主流 AI IDE（包括 Cursor、Trae）均无此功能。

当多轮对话最终调优出理想结果，可 ⭐️ 收藏当前会话——后续在 History → Favorites 中快速复用。

💡 场景价值：团队知识复用、复杂问题解决方案归档、Prompt 模板沉淀。

---

4.3 内置单元测试 & 实时预览

• 测试集成：Agent 可一键生成/运行 Jest/Pytest，覆盖主流框架；
• 实时预览：Web 项目自动渲染，支持 点击元素 → Edit → Agent 修改，前端调试效率倍增。

4.4 内置系统prompt

你可以将会话中的固定内容配置为 System Prompt，CatPaw 会在每次侧边栏对话 和 Inline 对话开始时，自动将 System Prompt 发送给模型。

假设你是一名前端开发工程师，您可以将团队的代码规范添加到 System Prompt 中，这样 AI 模型在生成代码时，会自动遵循您的代码规范，确保代码风格的一致性。

---

🤖 五、模型策略：国产优先，开放兼容

CatPaw 当前支持三类模型接入：

类型	模型	说明
🐱 美团自研	LongCat-Flash	编程特训、低延迟、高吞吐，推荐首选
🏮 国产大厂	GLM-4.6, Qwen2.5-Coder	中文理解强，API 稳定
🔌 第三方	OpenRouter（含 Claude 4.5）、Ollama、vLLM	支持接入部分模型

⚠️ 当前限制：暂不支持完全自定义 endpoint（期待后续开放）。

---

🚀 六、实战：10 分钟从零开发「你画我猜」游戏

需求：

Next.js 前端绘图 + 后端调用 GLM-4.5V 多模态 API 识图 + 自动化测试

Agent 完整执行链路：

1. 读取用户提供的 GLM-4.5V_API.md；
2. create next-app，安装 konva 绘图库；
3. 编写 /api/guess/route.ts 封装 GLM API；
4. 构建前端：画布 + 提交按钮 + 结果区；
5. npm run dev 启动服务；
6. 调用 Chrome DevTools MCP，自动打开浏览器并截图验证。

✅ 全程 1 次对话完成（消耗 1 次额度），一次成功无返工。

---