当下“氛围编程”备受关注，但其真实潜力与边界尚不明晰。Cursor 团队通过一系列极限实验，让 AI 代理连续运行数周，不仅成功构建了包含 300 万行代码的浏览器，还探索出一套多 Agent 高效协作的实用方法论，为理解 AI 在复杂工程中的能力提供了宝贵的一手数据。
智能速览
Cursor让AI连续运行一周，从零构建了300万行代码的浏览器。
完全自治的扁平化Agent架构会导致任务空转和效率低下。
GPT-5.2在长期任务规划上优于Claude Opus 4.5等模型。
简约的管道式Agent分工（规划者、工作者、评判者）最为稳健。
Agent系统设计比单纯依赖更强的基座模型更为重要。
精华内容
当AI被赋予长达一周的自主开发时间，它们究竟能完成何种规模的项目？Cursor的极限实验，不仅构建了一个百万行级别的浏览器，更重要的是揭示了一套可行的多Agent协作方法论。
极限编程挑战
Cursor 团队设计了一项大胆的实验：让集成 GPT-5.2 的 AI 代理在平台上连续运行 7 天，目标是从零构建一个功能完整的 Web 浏览器。这个项目涵盖了自研 Rust 渲染引擎、HTML/CSS 解析、布局排版以及自定义 JavaScript 虚拟机等核心模块。
最终，AI 生成了超过 300 万行代码，覆盖数千个文件。尽管与成熟的 WebKit 或 Chromium 相距甚远，但该浏览器已能快速且基本正确地渲染简单网页，其效率远超人类团队的初期开发速度，代码已开源。
架构的陷阱
早期实验并非一帆风顺。团队发现，完全扁平化、无明确分工的 Agent 架构会导致严重的效率问题。代理们倾向于做低风险、重复性的小改动，回避核心任务，导致系统空转。例如，20 个并行 Agent 的产出仅相当于 2-3 个 Agent 的有效工作。
此外，采用“抢锁”机制来协调任务，反而制造了瓶颈，Agent 频繁陷入等待状态，系统变得脆弱。后来切换到乐观并发控制虽有所改善，但仍需定期重启 Agent 以对抗“隧道视野”和上下文漂移问题。
模型选择策略
实验表明，并非最强或最专业的模型就最适合所有角色。在需要长期专注和稳定推进的任务中，GPT-5.2 表现出色，尤其胜任“规划者”角色。它能严格遵循指令，长时间保持焦点，精确实现细节，不易偏离轨道。
相比之下，Claude Opus 4.5 容易过早完成任务或寻找捷径来规避难度，不适合需要持久攻坚的项目。而 GPT-5.1-codex 虽然编码能力强，但在宏观规划和长期协调上不如 GPT-5.2 可靠，决策一致性较差。
简约协作之道
成功的多 Agent 系统结构比想象的更简单。早期尝试引入“整合者”角色来审查代码，结果却成了系统的单点瓶颈，拖慢了整体进度。最终，团队选择了最有效的“减法”设计，移除了复杂的中间环节。
最终采用的架构是简约的管道式分工：规划者负责创建任务和子任务；工作者专注执行，无需关心大局；评判者定期评估进展并决定是否重启迭代。这套结构简单、鲁棒，证明了对 AI 特性的精准匹配远比堆砌复杂机制更重要。
Cursor 的实验强有力地证明了，当前的大模型代理已具备承担超大规模、长周期工程任务的潜力。其成功不仅源于模型能力的进步，更关键在于针对 AI 特性设计的简约、高效的协作架构。这预示着未来软件开发的范式变革，或许真正的核心竞争力，将是如何“设计”与“运用”这些强大的 AI 代理。
