一个工程师同时管理数十个AI智能体的时代。问题是，人类的注意力成了瓶颈。
What Is It?
2026年3月5日，Cursor发布了Automations。核心很简单——AI编程智能体不再需要人类手动输入提示词触发，而是由事件自动触发。
代码提交了？智能体自动开始代码审查。Slack收到Bug报告？智能体分析原因并创建Issue。PagerDuty发生事故？智能体查看日志，生成原因时间线和热修复PR。
Cursor异步智能体工程负责人Jonas Nelle的说法很到位——人类并没有完全退出，而是在这条流水线的适当时机被召唤进来。
触发来源也很多样。除了Slack、Linear、GitHub、PagerDuty等内置集成，还可以通过Webhook设置自定义事件。执行时，智能体在云端沙箱中运行，利用MCP连接和选定的模型执行指令。
有趣的是还有记忆工具（memory tool）。智能体从之前的执行结果中学习，越运行越精准。
What Changes?
从「输入提示词等待」变为「设置好就忘记」。
以前所有AI编程工具都是对话式的。让我做这个→确认结果→让我做下一个。即使智能体再聪明，人类也必须按下执行键。Automations把那个执行键本身取消了。
| 传统AI编程工具 | Cursor Automations | |
|---|---|---|
| 执行方式 | 人类输入提示词 | 事件自动触发 |
| 运行时间 | 仅人类在线时 | 24小时全天运行 |
| 代码审查 | 请求时一次性 | 每个PR自动 + 深度安全审计 |
| 事故响应 | 人类直接调查 | PagerDuty→自动日志分析 + 热修复PR |
| 重复任务 | 每次手动执行 | 计划或事件驱动自动重复 |
Cursor在自己的代码库上运行了几周，分为两大类。
第一类，审查和监控。Bugbot是鼻祖，每次PR打开或更新时运行，每天触发数千次，目前已发现数百万个Bug。Automations在此基础上扩展，涵盖安全审查（每次push到main分支时运行）、智能体化代码所有者（自动分类PR风险等级 + 自动分配审查员）、事故响应（PagerDuty→用Datadog MCP查日志→Slack通知 + 热修复PR）。
第二类，杂务自动化。每周把代码库变更摘要发布到Slack的周报摘要；每天早上找出测试覆盖不足的地方并添加测试的智能体；Bug报告上Slack后做重复检查→创建Linear Issue→分析原因→尝试修复的分诊智能体。
Cursor每小时处理数百个Automations。 已超越简单的代码审查，达到自动化整个开发流水线的水平。
Key Takeaway
Rippling的工程师Abhishek Singh把一天的会议记录、TODO、Loom链接扔到Slack频道，每2小时cron智能体就会汇总GitHub PR、Jira、Slack@提及，生成整洁的仪表板。Jira Issue创建、Confluence摘要全都自动化了。
Getting Started
- 确认Cursor最新版本
Automations基于云端智能体。确认Cursor桌面应用是最新版本。 - 在Automations页面创建
访问cursor.com/automations或从市场模板开始。 - 设置触发器
连接Slack、Linear、GitHub、PagerDuty中想要的事件源。也可以使用自定义Webhook。 - 编写指令 + 连接MCP
用自然语言写下智能体需要做什么，连接所需的MCP（Datadog、Linear等）。也可以选择使用的模型。 - 运行并持续改进
智能体有记忆工具，运行次数越多结果越好。建议从简单的代码审查自动化开始。
Heads Up
Automations消耗云端智能体积分。目前Cursor计费体系需要Pro套餐及以上，根据自动化执行量可能产生额外费用。请确认适合团队规模的套餐。
市场背景：为何是现在
Cursor Automations推出的时机恰到好处。OpenAI升级了Codex，Anthropic为Claude Code添加了语音模式。 AI编程工具的战场正在从「写出多聪明的代码」转向「多自主地运营开发流水线」。
数字证明了这一点。据Bloomberg报道，Cursor年收入突破20亿美元，过去3个月翻了一番。 Ramp数据显示，在生成式AI软件购买者中，Cursor市场份额约为25%，保持稳定。
