Cursor CEO: Going Beyond Code, Superintelligent AI Agents, And Why Teste Still Matters (Рубрика #AI)

Посмотрел интересное интервью Michael Truell с Garry Tan. Они говорили про будущее разработки и это действительно интересно, ведь Майкл — соучредитель и генеральный директор Anysphere, компании, создавшей Cursor, один из самых быстрорастущих AI-инструментов для кодирования. А Гарри — президент и генеральный директор Y Combinator, известного стартап-акселератора. Это интервью было 11 июня и оно проходило во время Demo Day Y Combinator Summer 2025, где представляются новые компании из текущего набора Y Combinator. Ниже представлены ключевые идеи интервью в моей интерпретации

1. Революционное видение будущего программирования
Основная цель Cursor — изобрести новый тип программирования, где разработчики смогут просто описывать желаемый результат, а не писать сложный код. Майкл предвидит, что программисты будут становиться "дизайнерами логики", фокусируясь на высокоуровневом проектировании, а не на написании низкоуровневого кода. Интересно, что раньше часто говорили про языки программирования новых поколений, например, третьим поколением были стандартные C, C++, C#, Java и JavaScript, но люди говорили про четвертое поколение. Но оно особо не полетело:) А теперь новым поколением языков программирования похоже будет plain english/russian/whatever text (но лучше с правильными промптами). Интересно, что Майкл считает, что за следующие 5-10 лет произойдет значительное изменение в способах создания софта.

2. Текущее состояние AI в программировании
Наибольшие изменения уже заметны в небольших кодовых базах, где разработчики могут работать на более высоком уровне абстракции. В среднем разработчики используют AI для написания 40-50% кода в Cursor, но все еще требуется человеческий контроль и понимание. Майкл говорит о том, что vibe coding пишется без глубокого понимания и не рекомендуется для долгосрочных проектов (а для прототипов он отлично подходит)

3. Технические вызовы и ограничения
Ограниченный размер контекстного окна AI затрудняет работу с большими кодовыми базами, содержащими миллионы строк кода (что типично для больших компаний). Существующие модели испытывают трудности с непрерывным обучением и сохранением контекста организации и предыдущих решений. AI-модели пока не имеют четкого представления об эстетике, что требует участия человека-дизайнера.

4. История и эволюция Cursor
Команда основателей из MIT первоначально работала над AI для автоматизированного проектирования (CAD), но позже переключилась на программирование. GitHub Copilot и исследования OpenAI о масштабируемости моделей стали ключевыми источниками вдохновения для создания Cursor. Вместо создания расширения для условного VSCode команда решила разработать собственный редактор, что оказалось важным преимуществом.

5. Рост и успех компании
Anysphere достигла оценки в 9,9 миллиардов долларов после привлечения 900 миллионов долларов инвестиций. Компания достигла 100 миллионов долларов годового дохода всего за 20 месяцев после запуска, а затем выросла до 300 миллионов за два года и более 500 миллионов к середине 2025 года. Cursor используется в крупных технологических компаниях, включая OpenAI, Stripe, Spotify и других.

6. Будущее AI и программирования
Способность создавать программное обеспечение станет доступной гораздо большему числу людей. Появится больше специализированного программного обеспечения для конкретных отраслей благодаря снижению барьеров для разработки. Несмотря на автоматизацию, "чувство вкуса" останется незаменимым человеческим качеством — оно позволяет определить, что именно нужно создать и как это должно работать.

Если подводить итоги, то это действительно интересный взгялд на будущее программирование от гостя, который не просто его предсказывает, но и создает своими руками, так как Cursor стремится быть на переднем крае этой трансформации. По мнению Тралла, мы находимся в начале эпохи интеллекта, которая значительно расширит возможности создания для всех.

#AI #ML #Software #DevEx #Engineering #Development

Почему ИИ собеседуют правильно, а человека нет

Проблема собеседований лежит в том, что мы считаем, что у кандидатов-людей по умолчанию есть способность мыслить, в отличии от ИИ.

Как мы тестируем людей? Задаём кучу вопросов из серии "расскажи как устроено..." и если вдуматься, то это проверка памяти человека. Нам такой шаблон навязали ещё в школе - помнит, значит знает и понимает.

А вот с ИИ ситуация другая, никто не сомневается, что нейронка идеально помнит все знания интернета. Поэтому хочется проверить её способность мыслить и анализировать. Делается это очень просто - формулируется задание и проверяется результат.

И вот здесь возникает вопрос, какого лешего мы по-разному тестируем (собеседуем) людей и машину, ведь нас интересует одинаковый результат.

Если начать давать правильные задания, то выяснится страшная вещь - значительная часть кандидатов не может решать конкретные практические задачи, анализировать и делать выводы. И наше предположение, что такая возможность есть "by design" ошибочно.

Если бы нам нужен был инструмент с идеальной памятью, то проще было бы взять чат-гпт, но мы ищем человека потому что хотим получить не просто инструмент, а специалиста с инженерным мышлением.

Ну а пока, все ровно наоборот - круглое таскаем, квадратное катаем.

Могут ли новички легко выполнять работу сеньора? Опыт погружения новичков в NarisApp.

Постепенно погружаюсь в мир обучения и разбираюсь с тем, что же на самом деле сложного в работе сеньора.

В этом мне сильно помогает опыт, который я получил, работая над проектом NarisApp. У меня была идеальная возможность погрузить людей в реальный проект со сложными процессами и посмотреть, как они справляются с задачами.

Первое, что я понял - сложно не программировать, сложно правильно настроить проект. Мне пришлось сделать целый видео-гайд, чтобы люди могли развернуть, запустить и настроить окружение. Но даже имея такой материал, многие не могли выполнить входное задание.

Второе - писать код и писать понятный код - это две разные задачи. Одному богу известно, сколько сил потрачено на то, чтобы переписать чужой код до вменяемого состояния.

Третье - первые неудачи полностью уничтожают мотивацию. Если человек начал буксовать на первом задании, то вероятность того, что он бросит всё через пару дней, стремится к единице.

В итоге я понял важную вещь - писать код может каждый, но далеко не каждый может свести работу программиста в единую систему, далеко не каждый умеет искать решение проблемы и не сдаваться при первой неудаче. Поэтому я согласен с теми, кто говорит, что писать код легко, но работа программиста гораздо сложнее и разнообразнее, и именно это разнообразие создаёт сложности.

В Соер.Клубе задали вопрос о карьерном пути. Хочу продублировать сюда мой совет, чтобы ты тоже мог им воспользоваться.

1. Я бы начал с простой классификации — «Матрица самооценки умений и предпочтений».

|                     | Нравится    | Не нравится |
|-----------|-------------|---------------|
| Я умею      | Тут список  | Тут список  |
| Я не умею | Тут список  | Тут список  |

Верхний левый квадрат — «Я умею и мне нравится» — это твоё стратегическое преимущество. Если этот список пустой, то я бы начал решать проблему именно отсюда.

2. Дальше нужно понять, насколько другим людям нужно то, что тебе нравится и что ты умеешь. Если ничего востребованного нет, можно переходить к «Я умею, но мне не нравится» — и туда уже набирать навыки, которые реально пользуются спросом.

3. Последний шаг — разобраться с самопрезентацией. Если у тебя крутые скилы, но сложно говорить с людьми и ещё сложнее подать себя как классный продукт, это тоже нужно исправить.

А дальше - продавать то, что ты отлично умеешь, желательно, чтобы это ещё и нравилось, тогда сможешь гораздо эффективнее двигаться в выбранном стеке.