Cursor套壳Claude Code这事,给AI应用层创业者上了一课

知名开发者Jason Kneen对Cursor 3.0进行逆向分析,发现其引以为傲的Agent功能本质上是把Anthropic的Claude Code买回来套了一层皮。更令人惊讶的是,这个"套皮"操作竟然是简单的字符串替换。Cursor官方回应称这只是A/B测试,但证据显示更像是有规划的正式集成。本文深度分析这一事件折射出的AI应用层创业困境,以及整个行业需要思考的核心问题。

500亿估值的AI编程工具,被开发者扒了个底朝天。

事情是这样的:知名开发者Jason Kneen对Cursor 3.0做了深度逆向分析,然后发了一份技术报告——Cursor引以为傲的"Cursor Agent"功能,本质上就是把Anthropic的Claude Code买回来,套了一层皮。

更离谱的是这个"套皮"的方式:就是一套字符串查找替换引擎,像批量改Word文档一样,把所有"Claude"字眼全部替换成"Cursor"。连Git提交的签名都给你改了:Co-Authored-By: Claude → Made-with: Cursor。

这操作,确实有点骚。

深度分析-封面图.jpg深度分析

扒开看看里面长啥样

根据Jason Kneen发布的逆向报告,Cursor 3.0.16版本的架构大概是这个样子的:

第一层:GLASS——完整的自定义UI外壳。50多个服务,管理代理面板、文件树、终端、差异对比、主题、快捷键等等。说白了就是把VS Code改头换面,穿上自己的衣服。

第二层:COMPOSER——AI代码生成引擎。40多个服务,支持agent、chat、debug、plan等多种模式。

第三层:AGENT SYSTEM——层级化代理架构。本地代理、云端代理、子代理,形成一套复杂的分布式系统。

但问题来了,这套系统的"大脑"是什么?

答案是Anthropic的Claude Code和Claude Agent SDK。cursor-agent扩展本质上就是Anthropic官方的Claude Code/Claude Agent SDK,只不过被架设在一个本地HTTP代理后面,代理再拦截所有请求、路由到api2.cursor.sh,然后用字符串替换引擎实时改写所有品牌信息。

更有意思的是,这套系统还会主动过滤掉一些"敏感"内容:Anthropic的计费头信、Claude的GitHub Issues链接、/sandbox相关的文档引用……换句话说,Cursor不仅在"借用"Claude Code,还在系统性地抹除所有可能暴露真实身份的痕迹。

官方怎么说

事情发酵到这个地步,Cursor官方坐不住了。联合创始人兼CEO Michael Truell亲自下场回应:

"我们对Cursor的很多部分进行A/B测试:模型检查点、用户体验、代理框架。在这种情况下,我们只测试了不到1%的流量,用来对比Claude官方框架与我们默认框架的表现——这是我们经常通过离线评估做的事情。"

但问题是,逆向分析显示的并不是一个"测试版本"应有的样子。安装包里直接捆绑了完整的@anthropic-ai/claude-agent-sdk和@anthropic-ai/claude-code包,甚至还有一个专门为Cursor微调的模型:claude-3.7-sonnet-finetuned-cursor-20250514-v1。

这看起来更像是一个经过精心规划的正式集成方案,而非临时拼凑的测试代码。

公平地说,Cursor也有真东西

在一片口诛笔伐中,也有开发者试图公平评价这件事。

coah本人在后续补充道:"公平地说,Cursor在Claude Code之上确实做了真正的工程工作。双向流传输基于ConnectRPC/protobuf、并行工具执行、推测性上下文压缩、服务端提示缓存——这些都是实打实的技术活。"

但核心的AI能力——那个真正"思考"的部分——并非自研,而是Anthropic的Claude在扛。

这件事折射出的问题

Cursor"套壳"Claude Code这件事,与其说是一个丑闻,不如说是一面镜子,照出了AI应用层创业的残酷现实。

当OpenAI、Anthropic、Google这些巨头掌握着智能这张王牌,应用层的玩家们只能在体验、集成、工程化这些"外围战场"上厮杀。

Cursor的处境其实很尴尬。作为一个AI编程工具,它的核心竞争力应该是"AI有多聪明"。但"聪明"这件事,是由Claude、GPT这些基础模型决定的。所以Cursor只能在"体验"和"集成"上下功夫——更流畅的交互、更快的响应、更好的上下文理解。但归根结底,这些都是"锦上添花",真正的"锦"还是基础模型公司织的。

有意思的是,这恰恰印证了一个越来越清晰的行业趋势:

  • Claude Code成为执行层的最强选手——SemiAnalysis估计它在2026年3月已经贡献了约4%的公共GitHub提交

  • OpenAI Codex主打异步长时间任务——每周活跃用户突破300万

  • 而Cursor则试图成为"工作流编排层"——把这些智能引擎整合到一个统一的IDE体验中

问题是,当你的核心引擎是别人的,当竞争对手也能用同样的引擎,你的差异化优势能维持多久?

更扎心的是,Anthropic自己也在做Claude Code的官方VS Code扩展。当"品牌方"下场做应用,"代理商"的日子还好过吗?

应用层如何创造真正的价值

Cursor的这次翻车,给整个AI应用层都提了个醒:

在AI能力越来越集中于少数几家公司的时代,应用层如何创造真正的、不可替代的价值?

这个问题,不只是Cursor需要回答,也是整个AI应用行业需要思考的。

用户体验、工程化能力、工作流整合……这些当然重要,但当"大脑"掌握在别人手里的时候,你的护城河到底有多深?

可能连Cursor自己也在思考这个问题


来源: 互联网
本文观点不代表区块AI立场,不承担法律责任,文章及观点也不构成任何投资意见。

赞 ()

相关推荐

  • AI变现指南:从内容创作、自动化服务到数字产品,普通人如何找到可持续收入路径

    过去两年,AI变现从“卖提示词”“批量写文章”的粗放模式,逐步迈入务实、可持续的商业化新阶段。 真正能长期盈利的AI项目,核心不在于掌握多少AI工具,而是能否解决具体商业问题:帮客户节省时间、降低运营成本、提升曝光流量、提高成交转化率,或是将人工高频重复的工作实现自动化落地。 对于普通人而言,AI最大的价值并非一夜暴富,而是极致提升工作效率,将原本单人单日完成的工作,压缩至数小时甚至数十分钟。内容创作、短视频制作、视觉设计、客服运营、数据整理、销售跟进、知识付费、数字产品、企业自动化等赛道,均有大量可落地的变现机会。 当下AI变现已形成明确分水岭:单纯倒卖AI生成内容的模式愈发内卷、利润微薄,真正具备长期竞争力的,是AI工具+专业能力+具体场景的组合变现模式。

    2026年08月13日 13点32分
  • AI生活实验室:用7天重新整理日程、饮食、开支与个人习惯

    很多人已经用AI写过文案、查过资料,却很少把它真正放进日常生活。所谓AI生活实验室,不是购买一堆智能设备,也不是把所有决定交给机器,而是挑选一个具体问题,用一周时间测试AI能否减少重复劳动。例如,把零散待办整理成日程,根据冰箱食材安排晚餐,从消费记录中找出隐性支出,或把一个模糊的学习目标拆成每天可以执行的任务。本文设计了一套7天生活实验,帮助普通用户看清哪些事情适合交给AI,哪些判断仍然必须自己完成。

    2026年08月07日 12点22分
  • AI实战教程:从选题库到批量审核,搭建一套可持续的内容生产流水线

    很多人用AI写内容时,随意生成、毫无规划,短期效率看似很高,长期却会出现标题重复、结构同质化、事实混乱、风格不一等诸多问题。真正适配长期运营的AI内容工作流,并非单纯批量生成海量文章,而是先搭建标准化选题库、资料库与内容模板,再将写作流程拆解为选题、架构、初稿、审核、配图、复盘六大核心环节。本文以网站日更、自媒体内容生产为核心场景,详解可批量执行、易核查、可迭代优化的AI内容流水线搭建方法。

    2026年08月06日 12点54分
  • AI实战教程:从需求拆解、资料整理到批量写作与结果校验

    不少人使用AI时,只会输入一句“帮我写一篇文章”,得到的内容看起来完整,实际却很难直接使用。问题通常不在模型能力,而在于任务没有拆清楚、资料没有准备好、输出标准不明确。真正有效的AI工作流,需要先确定目标,再整理素材,把复杂任务拆成多个步骤,最后通过人工检查和固定模板完成交付。本文以批量制作SEO文章为案例,同时覆盖资料整理、文案修改、数据分析和日常办公等场景,讲清怎样减少重复沟通,让AI输出更稳定、更接近真实工作需要。

    2026年08月05日 12点17分
  • AI变现指南:普通人如何从接单服务、内容产品到企业自动化建立收入闭环

    AI降低了写作、设计、编程和数据处理的门槛,却没有自动解决客户从哪里来、产品卖给谁、结果如何验收等商业问题。真正能够持续变现的人,通常不是最会写提示词的人,而是能够找到具体需求、设计交付流程并对结果负责的人。本文将AI变现拆解为服务型收入、产品型收入和系统型收入三条路线,并提供报价示例、30天执行计划和常见风险清单。

    2026年07月30日 12点15分
  • AI生活实验室:把人工智能放进日常生活后,哪些事情真的变简单了?

    AI工具越来越多,但普通人真正关心的并不是模型参数,而是它能不能减少生活中的麻烦。本文设计了一场为期一周的“AI生活实验”:让AI参与整理日程、安排饮食、辅助学习、比较商品和处理家庭事务,再记录节省的时间、出现的错误以及仍需人工判断的环节。实验结果并不夸张——AI没有接管生活,却确实减少了一部分搜索、整理和重复沟通。

    2026年07月29日 13点33分
  • AI智能体应用指南:从客服、办公自动化到企业工作流落地

    AI智能体并不是换了名称的聊天机器人。普通对话工具主要负责生成答案,智能体则可以根据目标拆解任务、读取资料、调用软件工具并执行连续操作。它可以整理客户工单、查询订单、生成报表,也可以在获得授权后更新表格、发送通知或提交审批。不过,智能体能够“行动”之后,错误的影响也会从一段不准确的文字扩展到真实业务系统。企业落地时不能只看模型能力,还要明确数据权限、操作边界、人工审核和异常处理机制。

    2026年07月28日 14点49分
  • AI实战教程:如何批量写SEO文章?从选题规划到发布复盘完整流程

    使用AI写一篇文章并不难,难的是连续产出几十篇内容时,仍然保持标题不重复、结构自然、信息可靠,并符合网站的SEO要求。真正有效的批量写作,不是把同一条提示词重复提交,而是先建立关键词库和选题表,再分别完成资料、提纲、正文、校对与发布。本文以一个批量生成5篇SEO文章的案例为基础,拆解一套普通用户也能执行的AI内容工作流。

    2026年07月27日 13点04分
  • AI变现指南:普通人如何用人工智能做服务、卖产品并建立长期收入

    AI工具越来越多,但真正能够稳定赚钱的人,往往不是最懂模型参数的人,而是能够把工具转化为具体结果的人。 客户很少愿意为“我会使用AI”付费,却愿意为写好一套宣传文案、整理一份行业报告、完成短视频脚本、搭建自动回复流程或节省团队时间付费。 这也是AI变现最容易被忽略的地方:AI不是产品本身,而是提高交付效率的一种手段。真正决定收入的,仍然是需求是否真实、结果是否可用、交付是否稳定,以及客户是否愿意再次购买。 本文从普通人可以实际执行的角度,拆解AI服务接单、内容变现、数字产品、自动化方案和长期收入模式,并分析常见误区与风险。

    2026年07月21日 12点47分
  • AI生活实验室:当人工智能真正进入日常,我们的生活会发生什么变化?

    过去谈到人工智能,很多人想到的是写文章、生成图片或者回答问题。但当AI开始接入日历、邮箱、智能家居、健康设备和购物平台后,它的角色正在发生变化。 它不再只是一个偶尔打开的聊天窗口,而可能成为安排日程、整理账单、规划饮食、辅导学习和管理家庭事务的日常助手。 不过,AI进入生活并不意味着所有事情都会自动变好。错误建议、隐私泄露、过度依赖和隐性消费,同样可能随着便利一起出现。 所谓“AI生活实验室”,不是把家改造成充满机器人的未来空间,而是用真实的小场景测试:哪些任务交给AI确实省时间,哪些任务看似智能,实际只是增加了新的操作成本。

    2026年07月20日 13点00分
  • AI智能体应用正在进入日常工作:从自动办公到企业业务执行的真实落地

    过去使用人工智能,用户通常需要不断输入问题,再复制模型给出的答案。AI智能体出现后,这种交互方式正在发生变化。 它不仅能够理解用户提出的目标,还可以拆分任务、调用工具、读取资料、填写表格、发送通知,并根据执行结果继续调整下一步动作。换句话说,AI正在从“提供建议”走向“参与完成工作”。 目前,AI智能体已经开始应用于办公协作、客户服务、内容运营、销售跟进、数据分析、软件开发和个人生活管理等领域。不过,智能体并不等于完全无人值守。权限管理、数据安全、任务边界和人工复核,依然决定着应用能否真正落地。

    2026年07月19日 13点02分
  • AI实战教程:从写文章、做表格、查资料到自动化办公,新手如何真正用起来?

    很多人接触AI之后,第一反应是“它挺厉害”,但真正到工作里,却不知道该怎么用。问得太简单,结果很空;需求说不清,输出又不准;复制一段提示词,换个任务就不好用了。 其实AI不是万能按钮,更像一个会写、会整理、会分析、会帮你打草稿的助手。想用好AI,不是背几句固定提示词,而是学会把任务拆清楚、把背景交代清楚、把输出格式说清楚。本文会从最常见的办公和内容场景入手,讲一套普通人也能直接上手的AI实战方法。

    2026年07月18日 12点48分
  • AI变现指南:普通人如何把AI工具变成副业收入?

    AI变现不是简单地问一句“怎么赚钱”,也不是买一堆AI工具就能马上有收入。真正能跑通的AI变现,往往来自一个具体场景:别人不会做、没时间做、做得不够好,而你能借助AI更快、更稳定地交付结果。 对普通人来说,AI最大的价值不是“替你一夜暴富”,而是降低内容生产、设计、办公、营销、数据整理和自动化服务的门槛。本文会从新手能落地的角度,拆解AI变现的几种常见路径、适合人群、操作步骤和避坑重点。

    2026年07月12日 15点30分
  • AI生活实验室:普通人如何把AI真正用进日常生活?

    AI早已不再是专属科技从业者、技术研究者的专业工具,而是彻底走进大众日常的实用助手。日常写文案、整理工作报表、规划三餐食谱、制作旅行攻略、辅助孩子学习、制定健身计划、优化个人简历,这些高频、琐碎的生活琐事,都可以依托AI高效完成。 所谓AI生活实验室,并非复杂的科技概念,而是一种全新的高效生活方式:以AI为核心工具,在日常工作、家庭生活、自我成长等各类场景中持续测试、适配、复用,用AI替代重复劳动、梳理混乱思路、节省无效时间,让普通人的生活与工作效率大幅提升。本文全程贴合新手视角,拆解可直接落地的AI使用场景,无门槛、可复用、易落地。

    2026年07月11日 12点28分
  • AI智能体应用:从办公助手到自动化工作流,普通人如何真正用起来?

    AI智能体不是简单的聊天机器人,它更像一个能理解目标、拆解任务、调用工具并持续执行的数字助手。过去我们使用AI,更多是让它回答问题、写一段文案或生成一张图片;现在,AI智能体正在进入办公、内容生产、客服、销售、电商、数据分析、学习规划和自动化工作流中。 对普通人来说,AI智能体的价值不在于概念有多高级,而在于能不能真正帮你节省时间、减少重复劳动、提高执行效率。本文将从真实应用场景出发,讲清楚AI智能体是什么、能做什么、适合哪些人,以及新手如何一步步用起来。

    2026年07月10日 13点41分
  • AI实战教程:从写作、办公、配图到自动化工作流的新手落地指南

    很多人收藏了大量AI工具、熟记各类提示词技巧,真正落地到工作场景时,依旧无从下手、效率全无。其实AI实战无需钻研复杂模型、不用学习代码,普通人最优入门方式,是贴合真实工作任务实操落地。 无论是撰写文章、整理办公资料、制作配图海报、处理Excel表格、优化文案内容,还是搭建常态化自动化工作流,都可以依托AI高效完成。本文按真实工作场景拆解AI实战用法,手把手教新手把AI从“休闲聊天工具”,转化为提升工作效率、降低重复劳动的核心生产力助手。

    2026年07月09日 13点06分

发表回复

评论列表

点击查看更多

    联系我们

    在线咨询: QQ交谈

    微信:叁叁

    邮件:794033364@qq.com

    工作时间:周一至周五,9:30-18:30,节假日休息

    微信