ChatGPT的桌面应用更新了，直接可以跟应用结合了。这又是什么新方向吗？大家好，欢迎收听老范讲故事YouTube频道。今天咱们来讲一讲11月15号ChatGPT桌面版的一个更新。大家注意，这次更新的不是网站，而是桌面端，就是你要有Windows或者是MacOS才可以使用的这个版本。

在这个里面，MacOS永远是走在Windows前面的，因为MacOS的操作系统其实相对来说要简单一些。为什么呢？因为MacOS的硬件简单，它没有那么多兼容性问题，所以它整个的操作系统，或者说整个的操作系统环境也相对来说要更单一一点点。Windows呢，现在也在跟上，但是Windows的所有功能对于ChatGPT的桌面版来说，都要稍微滞后一些。

现在的Windows上呢，已经有APP了，而且可以上传文件，可以拍照，可以截屏，可以做高级语音，这些都可以干了。MacOS是这些功能早都有了。这一次增加的是什么？这一次增加的叫跟应用相结合。那么跟什么样的应用相结合呢？不是所有应用都可以的哦，主要是跟编程工具一起干活。

Xcode就是苹果自己家的这种编程工具，然后是文字编辑器。很多人写程序是不会看IDE的，IDE叫集成开发环境，他们会直接开一个文字编辑器就干活了。然后是VSCode，这个是最常用的一个IDE，这是微软做的。还有Terminal，Terminal是叫终端，Linux也好，MacOS也好，有大量的操作是在终端里边干的，所以呢，你也可以跟终端直接结合。还有一个比较高级一点的终端程序叫ITerm2，也是支持了。

现在呢，就是支持这5个应用，其他都不支持。那这是不是要去抄Github Copilot的后路去了？那是不是有没有必要去花一个月10美金去订这个Github Copilot呢？我赶快去测试了一下，首先测试第一步，检查梯子，因为呢，我们的网站上去其实还是比较容易的。

但是呢，你使用他的桌面客户端，有的时候还需要对梯子做一些特殊的设置。如果你自己没有这个问题，这块可以越过。再往后呢，就是更新你的桌面客户端，就是ChatGPT在MacOS上的这个应用。当然，这个很神奇，他这个更新居然是手动的，这要稍微吐槽一下。为什么呢？因为我们以前做APP的时候，有一个重要的指标，就是当你每一次新版本出来以后，用户是不是都更新了。因为你的新版本更新经常是要换这个广告商。如果用户不跟着更新的话，一旦更新了以后，你就没法挣钱了。你的广告商换了以后，用户没跟着更新，这事是不行的。可能前面那个广告商的广告服务协议已经到期了，你必须要更新，这个事是一个很重要的指标。

但是呢，ChatGPT是要手动更新的，它不会说一启动了以后，哎呀，我发现有新版本了，咱们更新一下吧。反正这个他没提醒我，我是手动更新了一下。更新了以后呢，需要去点设置，设置是在这个应用的左下角，有一个人脑袋的地方。点一下，然后要允许使用应用，他那个名字是这样的一个名字，叫“允许使用应用”。我显示的都是中文，因为我已经把我的ChatGPT的桌面版换成中文的了。

然后呢，就是去授权。对于一个要去操控你电脑的程序来说，所有操作系统都是会有严格管理的，因为你不管的话，这就要出病毒了，有可能会给你造成损失。授权是什么呢？就是在设置里边有个叫辅助功能，在这一项里头，允许下面的应用程序控制你的电脑。这边有这么一项，在里头找到ChatGPT，把它打开就可以使用了。

后边呢，就是管理应用，就是我到底要用哪些。Xcode因为我自己不使，所以呢我就没有测试。Terminal只要是你把上面授权开了，你的Terminal窗口打开了以后，就可以在ChatGPT的应用程序下边，这个对话框底下多出一个图标来。这个图标呢是一个小方块，中间有一个指针。哈哈，这个我就不跟大家截图了，就是你点完了这个图标以后，就可以选中你的Terminal的这个窗口。

他就会根据你Terminal窗口里面的信息进行问答了。他会把Terminal窗口里的最后200行读出来，根据这200行的信息去给你做各种回复。这就是连接这个terminal窗口的一个操作方式。而且呢，这个terminal大家知道，我们经常通过SSH连接到远程的云服务器上去，或者连到我们的NAS上去。那么这个的话，它依然是可以工作的。我在云服务器上做各种操作，报错了或者什么的，你就可以直接问ChatGPT说：“哎，报了一个什么错，该怎么改呀？”他会给你去解决问题。

文本编辑器也是可以的。我试了一下，打开文本编辑器，里面有内容，它就会根据内容进行回复。VScode这个是我的主力IDE。在使用VSCode的时候，先需要装一个插件。在VSCode里头下载一个VSIX的文件，这个是从OpenAI的网上下载。下完了以后呢，到VSCode里头去安装这个插件。装上以后就可以使用了。但是要注意，这个插件在VScode的插件商店里没有。这也是一种“萝卜急了不洗泥”的方式。就是说，按道理说应该把这个插件上架到Vscode的插件商店里去，但是呢，它就没有上架。有可能是因为太着急了，没上去；也有可能呢，是因为他们惦记抢这个GitHub Copilot的饭碗，去上微软那里去上架的时候，因为VSCode是微软家的嘛，去上架的时候被微软横挑鼻子竖挑眼，说：“你这不行，这个不太安全，回去接着改去。”要给他拖一拖，所以干脆他们就自己升级了功能，自己做了个插件，从外面让你去装上去。

这个系统呢，是可以在本地工作的。什么意思呢？就是VScode在编辑代码的时候，你可以编辑本地的代码，也可以通过SSH编辑远程云服务器上的代码。但是如果要去编辑远程代码的话，你需要重新装所有的插件，这个搞不定，所以它只能在本地工作。这个系统呢，是只能够查看当前窗口的代码，因为VScode里头是可以开好多窗口的，它只能查看当前的。

如果你在当前窗口里头选中了一些高亮代码，他会优先专注于高亮代码进行解析，也就是这样的一些功能。所有生成的代码，比如说我这哪错了，那些代码是有什么问题，他会生成很多的代码来帮你去解释，帮你解决问题。但是呢，这些代码必须要拷贝粘贴，他不会直接把这些代码应用到你的程序里边去，也不会直接把这些指令送到Terminal，就是命令行终端里边去执行。你要自己手动地从这个聊天窗口里头把他给你建议的代码也好，命令也好，粘贴到相应的地方去，打回车。这呢，也是让大家觉得很不爽的一个地方。

那么这东西到底能不能替换GitHub Copilot呢？我试了几下以后就换回去了，我接着使用GitHub Copilot。为什么呢？第一个，ChatGPT不能直接修改代码，每一次都需要你去拷贝粘贴，自己去改，很有可能改错呀。你再问他说这对不对，操作起来非常麻烦，这是第一个原因。第二个，不能处理远程代码，这是我不能接受的。我是经常需要处理云服务器上的代码，他只能在本地工作，这个不行。第三个，他不能使用不同的模型，现在甭管你是用Cursor也好，还是用GitHub Copilot也好，你都可以选不同的模型。但是OpenAI的ChatGPT只能选OpenAI自己家的模型。你说我想去选Anthropic下边的Claude行不行？我想去选谷歌的Gemini行不行？不行，没有这个能力，所以这个也是让人不太爽的地方。

还有一个很烦的是什么，他只能处理当前的文件，没法去处理workspace上的东西。我们做一个程序，这个程序都是一个很复杂的目录结构，这个目录结构我们要管它叫workspace，就是这个工作空间，这里头会有很多很多的文件。如果说不能够根据整个的workspace一起去给我建议，只有根据我当前打开这个文件去建议，那这个完全没有意义，改程序会越改越乱的。

我们推崇的是每一个程序尽可能短，每一个程序之间相互配合，而不是说我们写一个特别长的程序。因为特别长的程序不好维护。你使用ChatGPT的APP，直接调用当前窗口的代码进行提示，那这个效果应该是很差的。我的Cursor呢，是过期了，所以我就没有再回去测试。现在我主要的编程工具是GitHub Copilot。从用户体验上来讲，Cursor应该是最好的，其次是GitHub Copilot，再差的就是今天我们讲的这个ChatGPT。

你说ChatGPT为什么会选择这样的一条路出来，明明做得又不好，还要去跟GitHub Copilot、Cursor去硬刚呢？其实很多做大模型的公司，他们预期的方式就是这种。什么叫全能助理？就是你不需要在编程的时候打开GitHub Copilot，在Office里头去打开Office Copilot，在浏览器里面去打开Web Copilot，在操作系统里头去打开操作系统的Copilot。他们希望你有一个统一的全能助理，打开什么样的工作我都给你搞定。这是这些做大模型的公司，无论是Anthropic还是OpenAI，他们想干的活。

所以你看他的应用，可以截图、截屏、照相、上传文件，还可以听到你的声音，现在还可以直接从IDE页面里把代码拎出来。他们希望说我都干了，你不用再去烦别人了。但是这里面有一些困境，就是不能直接操作电脑。原来Anthropic不是演示过直接操作电脑吗？我上一次出去参加活动，还有人问我说这太可怕了，他就直接操作电脑了。我说这个没有那么可怕。第一个，Anthropic演示的直接操作电脑的那个程序是一个实验室版本，他们也不敢把这种东西直接给用户去用。因为一旦给用户用了，咱不说他有恶意或者什么的，他弄坏了以后你咋给人修啊？这个是没法整的。

所有的公司里边的IT人员，最害怕的就是：“哎呀，我的电脑不行了，我有一个程序找不到了，哪个东西起不来了。”你要到现场去部署，现场去看当时的环境是什么样，可麻烦了这个过程。这是不允许Claude直接操作电脑的。现在用户能够用到的还是Claude从电脑上读东西，操作的过程还要你自己拷贝粘贴，都是如此的。ChatGPT也是这么干，所以它不能操作电脑。

那么用户体验，到底什么是用户体验？或者这种大模型应用的用户体验到底是什么样的？这里头其实有两个关键点。第一个关键点叫做找到合适的内容，第二个关键点是在可预期的范围内进行操作。

咱们先说第一个，找到适当的内容。那么什么叫找到适当的内容？就是我们要解决一个问题，你需要解决问题所需的所有内容。就像刚才我们说，我们要改程序，你要改程序的话，你需要在Workspace里，这个工作空间里边的所有程序、所有代码，然后你才能够去改这个程序。甚至你还需要什么？就是很多的环境信息。你说：“我这个电脑是Oracle云上面的一个乌斑图的主机，还是一个Oracle OS的主机，还是一个什么样的主机？我这个主机是什么样的CPU？什么样的内存？”你说：“我是arm的CPU，还是Intel的CPU？”你都要告诉这个大模型，否则的话，它给你的很多建议就会是错的，所以你需要全部的信息。

第二个呢，还有一个问题是什么？你不能被其他没用的信息干扰。什么叫被没用的信息干扰？这跟大家讲一个小故事：以前的杀毒程序在这个硬盘里杀病毒的时候，最怕的是什么，知道吗？最怕的是别的杀毒程序。为什么？因为杀毒程序干活的方式是拿病毒库去比较。我读了这段代码了，谁到我病毒库里比较一下是不是病毒。但是他一旦遇到了别的杀毒程序，在硬盘里安装着这个杀毒程序，里头也有一个病毒库，那你拿出来一比较，哎呦，跟我这里一样，接着往下比还一样。到最后几个字节可能不一样了，这个不是一个完整的病毒，不用管它。

再到下一个，哎，又一样。因为人家那病毒库里头所有病毒都有一遍，他就到人那去检索，说这个好好厉害。你看你这个病毒库里边所有的毒都有，这就是被无用信息所干扰了。我们硬盘里也是这样，各种各样的信息是非常多的。当你这个大模型需要去给我回答问题的时候，你不能把我硬盘里所有的内容都找出来，然后来给我回答。有些是我希望你看到的，有些是我不希望的，或者有些是我不希望你这一次拿去参考的，这个一定要搞清楚。

而且还有一点，什么叫不能让用户害怕，这个是很关键的。如果一个用户告诉他说，现在大模型来了，我要把你硬盘里头所有的内容都搜索一遍，我来给你解决问题，用户说那算了，咱别费劲了。我这个里头还有一些什么学习强国呀，或者这种目录里头放的文件，是我不希望你拿来解读它，可能是一些宝藏、小电影什么的。他还是要让用户知道，你这个大模型是在他允许许可的范围内在工作，不能吓着他。

这个是找到适当的内容。下一个呢，在可预期的范围内操作。什么意思？第一个先要保证做对，这个其实很难。为什么呢？现在给出来的答案，甭管是GitHub Copilot还是ChatGPT，还是Claude，或者它的Cursor这样的产品，它给出来的答案基本上很难一次正确。原因也很简单，就是他们得到的信息不够完整，环境信息不完整，其他的代码没有研究。

就算你告诉他说，你根据我所有代码去做处理，其实他也没有办法真的这么干，因为大模型是有上下文窗口的。你不可能说我把一个程序的所有代码都塞进去，这个是非常非常费劲的。就算他的上下文窗口足够大，你还有大量的网络传输的开销，这个也是很麻烦的。

所以现在的这些大模型处理这种workspace的方式是什么呢？就是做嵌入。他把你所有的代码拿去做这个embedding的处理，做完了以后再根据你的命令，在embedding之后的代码里头找到相关的内容，然后再去回答他们。现在只能这么干，所以他们给出的答案。

其实，通常都是错误的。你拿到了以后，还要人工判断，然后再去调整，才有可能把它做对。这个第一个要做对，这事很难。第二个，什么？你还是不能让用户害怕。一上来说，我们执行一个命令叫“RM -RF *”，那这个什么意思？就是把硬盘上所有东西都删光。执行命令这件事，有很多是比较吓人的。所以，为什么现在 ChatGPT 和 Claude 都不敢直接去执行命令，就是这样。他怕吓着用户。而且，如果真让他执行了，万一出错了以后，他又没有补救措施，这个也是一个很大的开销。

为什么呢？就是你要看正规的工程师，或者叫网络工程师，他们的操作手册都是什么？你做任何的升级，做任何操作之前要备份。备份完了以后才能做操作，万一做错了以后还能恢复。但是这个操作的开销就非常大了。所以，现在他们这两个应用都不敢直接下手。

那么，这算不算是一种纯视觉方案？咱们想的稍微远一点，什么叫纯视觉方案？就是特斯拉在推自动驾驶的时候，就推这种纯视觉方案。别人还在研究什么毫米波雷达、激光雷达的时候，马斯克说不，我就要纯视觉方案，我不跟你费劲了。那么，什么时候上纯视觉方案呢？就是要去对抗各种雷达，对抗车路协同系统。雷达还算是一个相对来说比较简单的玩法，车上加毫米波，加这个激光雷达，这还算简单一些。车路协同是什么？就是在路上加各种传感器，加各种各样的处理终端，加各种标记，让你的车在这样的智能公路上可以畅通无阻。

但是，这条路看来现在应该不是主流方向。就算是国内的国产新势力们，也没有向车路协同的方式走。大家还都是惦记说，我怎么在车上把这事搞定就完事了。那么，这个事情跟咱们今天讲的 ChatGPT MacOS 上的这个客户端到底有什么关系呢？我们来类比一下，现在的 ChatGPT 和 Claude 这种桌面客户端，干的活是什么？就是给桌面应用增加眼睛、耳朵、嘴和手脚。什么意思呢？原来这个东西叫聊天工具，但现在我们希望这个聊天工具自己可以看到你电脑上的屏幕。

它可以截屏，可以看到你的代码，可以听到你说话，也可以对你说话，甚至可以做一定的操作。那么在这个过程中，如果是走纯视觉方案，实际上就是ChatGPT和Claude现在用的这个方案。什么意思呢？就是看到用户能够看到的部分，用户看不到的部分就算了。然后呢，通过摄像头截屏以及与IDE结合，不需要做其他的改造了，我们只需要做最简单的一个改造，就可以使用了。甚至只是说我给你一个授权，你就可以使用了，也不需要跟操作系统的厂商进行深度的整合。你要做这种很复杂的底层操作，你一定要操作系统厂商给你授权才可以，否则他是不能去做的。

最终是要像人一样工作。什么意思呢？大家想，马斯克为什么推纯视觉？两个原因。第一个，你跟各个国家的公路系统去打交道，说你给我在公路上加一标签吧，或者加一牌子吧，或者加一个什么传感器吧，这个事就没法整。你万一走到没有传感器、没有经过改造的公路上，你智能驾驶系统是不是就没有了？这是一个原因。说我们不愿意跟你打交道，我在车上自己都解决完就完了。

第二个原因是什么呢？他希望这个车像人一样工作，因为你的大模型还是在不断地迭代、不断地升级的。那么到底向哪个方向升级呢？比如说我升级了带有车路协同系统的、带有激光雷达和豪美涡雷达的这样的大模型，那这个到底对不对？其实很难去衡量。但是说，哎，我就向人的方向去转变。人是怎么开车的？我怎么开车？人反正也没有毫米波雷达，也没有激光雷达，也没有什么车路协同。我们走到哪，这路甭管认不认识，我都可以开走。那么我们就以此为基准进行训练就完了。这是纯视觉系统的一个核心底层逻辑，就是我们以人为标准，向这个方向不断前进。

那么这是纯视觉方案。如果是车路协同方案是什么样的呢？就是Github Copilot走的这个方案，还有各种操作系统，像什么AIPC、AI手机，新带Copilot的Windows 11。

带有这个 Apple Intelligence 的 MacOS 和 iPhone 16，以及咱们国内号称带大模型的各种安卓手机，这就是标准的车路协同系统。在这个过程中，那你就需要对基础设施进行改造。反正这个微软没事，他说：“我是做操作系统的，我就在操作系统上改呗。”苹果说：“那我也在操作系统上改。”安卓这帮手机，甭管是小米还是华为，说：“我们也上操作系统 IC，直接底层修改，这样用户体验才最好。”它就变成这样的方式了。

在这块，操作系统厂商跟 IDEE 的这些厂商有一些天然的优势。你那些做大模型的厂商，你就过不来了，因为你搞不懂这个操作系统到底是怎么运作的。就算你能搞懂了，我不给你授权，你越过我的授权也是病毒。他是这样来工作的。

那么，我们在电脑上是不是需要这种纯视觉方案？这个路是不是对的？你说马斯克在做 FSD 的时候，做纯视觉方案，大家都觉得这条路是对的。那么在电脑上，我们是不是也该这么干？除了环境方的配合度之外，模型发展方向才是最重要的考核。自动驾驶这件事，其实相对来说还比较简单，纯视觉方案是可以搞得定的。人就向这个方向走就行了，你只需要让自动驾驶的汽车达到驾驶员的高度就可以了。我不需要达到 F1 方程式赛车，也不需要达到修车老师傅的程度，你只要能够达到一个正常驾驶员的程度就 OK 了。

所以，自动驾驶可以走纯视觉方案，但在电脑上这事不行，为什么？因为我们需要专家模式，我们需要解决很多我们自己解决不了的问题。这个跟刚才我们讲的自动驾驶是不同的。自动驾驶是，你只要模型变成普通驾驶员就够了，而我们去操作电脑是需要电脑上辅助，我们的专家模型能够达到比我们更高水平。那你如果是这样的话，去做纯视觉就不合适了。

现在摆在 OpenAI 和 Anthropic 面前的困境是什么呢？他们需要克服什么？就是操作系统厂商不愿意配合他们。你说：“我希望有更多的功能给用户用起来，我明明可以做更多的事情，可以做得更好。”

但是，你没有操作系统厂商的配合，就做不了。用户量上去了，但是用户也没法使用全部的功能。大家还是在跟你聊天，那用户的付费意愿就低。他们这两家公司最后能够实现盈利的可能性，就基本上等于零。他现在是遇到这样的问题，原来还想着说：“哎呀，微软你就向OpenAI老老实实地交授权费就完了呗，我就让你去用去了。”结果，GitHub Copilot现在不仅能够用OpenAI的GPT-4，还是能够用Anthropic的Claude，人家还可以用谷歌的Gemini。

这个OpenAI说那不行，你们不在一棵树上吊死，我也不能在一棵树上吊死，咱们双向奔赴了。你们这个不忠诚，我们也不忠诚，搞成这样的一个事情。那么，大模型厂商还在解决用户需求的路上继续前进。甭管最后他的商业问题是不是能够解决，是不是能够挣到钱，这个事我们不管他。但是，如果你没有办法把用户的需求解决掉，这条路注定是条死路。

现在呢，就是两条路。刚才咱们讲过了，一个是车路协调的路，一个是纯视觉的路。纯视觉路实际上就是我关起门来自己把事搞定了，你们不用管我，我也不用配合我，我自己能搞定。车路协同的方式就是我从底层把基础设施改掉。现在车路协同的方式就是AIPC、AIPHONE，这条路是车路协同的方式。

纯视觉方式，现在甭管是OpenAI的ChatGPT，还是Anthropic的Claude，都在尝试走这条独立的路线。我不需要你跟我配合，我自己搞定。我就看到用户能看到的东西，然后我在用户可眼见的范围内去解决问题。用户看不着东西，我也看不着。至于哪条路能够走通，咱们拭目以待。

好，这个故事跟大家讲到这里，感谢大家收听。请帮忙点赞，点小铃铛，参加Discord讨论群。也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

最新的AI智能编程工具Cursor又震惊了世界。这回程序员是不是真的要失业了？大家好，这里是老范讲故事的YouTube频道。最近，一个新的AI IDE，也就是集成开发环境，再一次出圈了。这个新的AI IDE的名字叫Cursor。为什么这一次出圈了呢？因为有两个8岁，或者肯定小于10岁的孩子，独自使用Cursor，在不需要进行大量的编程培训和教育之前，就可以写出一些相当复杂的应用出来了。甚至他们有些人可以自己写出ChatGPT的这种客户端，或者是一些3D的小游戏。

我们一般管这样的案例叫做“wow案例”。什么叫“wow案例”？我以前也是专门做IDE的这种推介的，我们经常会设计一些演示，观众会发出“wow”这样的声音。现在有没有经过学习的8岁小女孩，她就可以直接使用这样的工具，使用英语提示词，做出非常复杂的应用，而且是可以独立运行的应用。这确实是让人可以惊叹一下的。

放心，今天咱们尽量不讲编程技术，尽量去讲新的IDE会对整个行业带来什么样的改变。真正有趣的地方是什么？第一个大模型呢，其实不是它自己做的，它主要用的是Cloud 3.5、Sonic，以及GPT-4、GPT-4 Mini这样的模型。它自己也有一个模型，Cursor Small，但好像很少有人用这个模型。你可以选，但我基本上没有看到谁在选这个模型使用。绝大部分人使用的都是Cloud 3.5 Sonic。

至于GPT-4 O呢，你可以配置自己的API的TOKEN上去，就是使用自己的额度，当然也可以不配。他可以给你免费的14天，这个时候你可以使用Cursor的额度。另外，它还支持Gemini，但Gemini我配置了半天没有成功过。你只要把Gemini的这个API填进去以后，它就没有反应了，不知道为什么。至于其他的模型是不是可以使用，我现在还没有太搞明白。

有一些人号称国内的或者一些开源的这种代码生成模型也是可以工作的。我等回头学习明白了再跟大家讲。像这样的一个项目，主要模型不是自己的，那么它到底是怎么工作的呢？Cursor整个的IDE是在VS Code这样的开源IDE的基础上去修改出来的。我们去稍微看一下它的架构。

现在大部分的IDE，也就是集中开发环境，实际上是一种VS Code，微软家的。还有一种叫IntelliJ，这是另外一个系统，它应该不算开源。想要在这个上面去实现AI辅助编程，一般是两种状态：第一种是在VS Code或者IntelliJ上去加上插件，另外一种就是自己独立开发IDE。Cursor它是属于拿着VS Code的开源代码，在这个上面自己改了一个独立的IDE出来，等于在这个上面做了一个分支。

它是通过这种方式来实现的。Cursor里面应该是有一些提示词工程，所有的AI辅助编程实际上内部都是有提示词工程的。就是我们写到AI辅助编程工具里面的这些提示词，实际上都是要经过它这些系统内部的一些提示词模板，套完了以后再去工作的，而不是说这些工具直接把我们的提示词扔给大模型就可以干活了。

那么在这个过程中，它还需要做一些什么样的事情？第一个，它需要把我们的代码进行一定的处理，一起扔给大模型去进行回答。第二个，大模型拿回来的这个答案以后，它需要直接去修改代码，而不是说给我们一个建议，给我们一个聊天结果就完事儿了。这一块是AI辅助编程工具都要去做的。

那这里，Cursor肯定要比别人做得更好一些。Cursor其实是一个交互设计的胜利，并不是说一个基础大模型或者技术有什么样的大的提升，它只是把交互的过程设计得相对人性化一些。那么大家久旱逢甘露，说终于有一个好使了。你其实使用Cloud 3.5、Sonic或者使用GPT-4，你去问相应的问题，它们都是会给你可以使用的解答的。

但是在这个过程中，总是觉得不那么顺畅。你比如说，我在Cloud 3.5上，或者是在GPT-4O上提了问，得到了一大堆的答案以后，我需要再对照着自己的代码拷贝粘贴，再在里面找到需要修改的部分去修改。现在，Cursor等于一次搞定了，它把你的代码一起提上去，说明这些代码是这样的，你现在遇到了什么问题，应该怎么去修改。返回的结果是一大堆的修改建议，你可以一项一项地确认。你只要确认确认确认，它就直接把所有的文件都改掉。这些修改可能在不同的文件里，甚至有可能会给你创造一些新的文件。

当然，比较偷懒的方式，或者说8岁女孩的方式是什么呢？就是同意所有，一次把所有需要创建的文件、需要修改的代码一把全都过去就完事了。那么它跟传统的，或者说从去年开始就有的这些各种各样的AI辅助编程工具到底有什么差异呢？就是多个代码文件可以同时进行阅读和修改。

我们使用GitHub Copilot的时候，每次只改一个文件，它不可能说我把整个系统里头一大堆文件一起都给你改了。现在，Cursor就可以把这事搞定。而且，它在开发的时候很好地考虑到了程序员的使用习惯。什么是程序员的使用习惯？当你去修改一整段代码的时候，可能说我先把第3行改了，改下边应该改第5行，第4行其实没什么可变的。当你改完第3行以后，按一个Tab键，它就自动跳到第5行应该去修改的地方，你接着改就完了。它把很多程序员使用的习惯都给你串起来了。这就是交互设计的一个革命，或者是胜利吧。

再跟大家讲一个wow的瞬间。你可以直接往里贴图片，甭管是GPT-4O还是Cloud 3.5 Sonic，都是可以进行图片识别的。所以它允许我们直接在对话窗口里，把一个设计师设计好的图片，这个界面应该长什么样，直接扔进去。扔进去以后，它就识别这个图片，然后把我们的代码改成这个图片上长的样子，这个非常厉害。像以前我们经常讲叫像素级拷贝。

我们看别人的哪个APP做得很好，别人的哪个网页做得很漂亮，直接把那个图片切下来扔进去，这边就直接给你做好了。以后再做像素级拷贝这种事情，就不需要人了，完全可以靠AI搞定了。那么，Cursor是不是真的会让程序员失业呢？

我们其实从AIGC出来，从最早的AIGC工具，实际上最早的是什么？就是GitHub Copilot。从这个工具出来的时候，就在开始喊程序员要失业了，到现在已经喊了快两年了，因为这个产品是在2022年的年中出来的，现在已经是2024年的秋天了。那么程序员依然没有失业。

那么Cursor出来以后，是不是可以让8岁的小姑娘不需要经过训练就可以做出应用来了？那你说要程序员干嘛使？我自己测试了三天，这真的是把它装上来，把以前的一些代码拿回来，改了三天。聊一聊感受，这言出法随，哈哈，上帝说有光，于是就有了光。这件事情到底是不是实现了，还是有一些距离的。

大家要注意，前面8岁小姑娘虽然做出了应用，但她也是做了40多分钟，她也是要反复去提，说我要一个什么，哪个地方不对了，哪出现问题了，哪去给我修改一下，哪个地方我不满意了，要反复去提这件事情。第二个，他们所能够做出来的应用，虽然是一个独立的应用，但那是一个相对简单的应用，里头有很多的细节还是比较粗糙的。你希望有一个真正的产品化的应用出来，还是需要进行很多很细致的学习，并不是说任何一个8岁小孩坐在这，拿到工具就可以干活了。

那么演示过程中的这种wow案例都是怎么来的？我以前做了这么多年的Evangelist，也就是IDE的布道师，我可以告诉大家，绝大部分的wow案例都是故意编排的。还有一些wow案例是偶然所得，但经过大规模的筛选出来的，就是很多人都去试了，绝大部分人没有试出来，只有几个人试出来了。这样的案例你把它筛选出来以后，再去给别人展示，那么它也会成为一个wow案例。

其实我们看到很多的机器人演示的这种视频，甭管是擎天柱还是 FIGER01、FIGER02，包括国内的一些机器人的这种演示视频，基本上他们的那种 wow 瞬间都是这么做出来的。要不然就是故意编排剪辑，要不然就是反复重试多少次，然后最后给你看成功的一次。

那么 cursor 距离彻底的研出法到底差在哪呢？其实是很多的细节没有学过编程的人还是不太容易搞定的。我举一个案例吧。我这几天去测试的时候，让 cursor 给我写一个 Flutter 应用。Flutter 是谷歌做的一种跨平台的开发技术，它可以同时开发 Windows、Linux、macOS、Web、安卓、iOS 应用。你等于写一套代码，它就可以直接开发出这么多种应用来。

我等于用 Flutter 去做了一个应用，然后让这个 Flutter 应用去连接我本地的 Dify 的这种 API 端口去做一些数据的访问。到这儿呢，就直接报错了，说这个事儿不对，我连不通这个东西。然后我再把这些错误去询问 cursor 的时候，cursor 就开始恢复大模型本色了。因为你问的还是 GPT-4O 或者是 Cloud 3.5 Sonic，他给你回复是什么呢？他说：“哎呀，有三种可能，第一种可能是什么，第二种可能是什么，第三种可能是什么。”其实这几种可能里头没有任何一个是正确答案。你再去反复的问他，各种的修改都是错的。

那如果没有学过编程的话，可能就会比较费劲了。我个人呢，还是前面学了一些 Flutter 到底怎么编成的，然后我就去问他：“这个东西是不是有一些配置文件需要改？”他说：“对，是有配置文件需要改。”你如果提不出这个正确的问题来，他可能就永远在一些概率比较高的问题上绕来绕去，一些概率比较低的问题就直接被他忽略掉了。

那为什么始终他没有找到正确答案呢？因为绝大部分人使用 Flutter 的时候，都是在开发 iOS 或者是安卓应用，可能绝大部分人在开发安卓应用。

而我写的是一个 macOS 应用。我就跟他说，我现在是 macOS 应用，遇到这样的一个问题：需要修改哪一个具体的配置文件，才能给我的 Flutter 应用打开网络接口。他哦，明白了，你到哪个哪个目录下找到哪个文件，然后在里头加两行，就搞定了。

像这种跨平台的开发工具里边，每一个平台的权限其实是需要单独写配置文件的。虽然 Flutter 可以跨平台，但你要给 iOS 应用打开网络接口，需要到里头去找配置文件去改；你要给安卓应用打开网络接口，也要到安卓那一块的配置文件里去改；macOS 也是一样。如果提不到正确的问题，就永远做不对，可能会出现这样的情况。

所以在这个过程中，程序员的知识还是起到了一定的作用。如果没有应对这种跨平台开发工具的经验，就不知道该提什么问题。为什么这些东西都是分开的？因为不同的软件平台、不同的操作系统，对于权限和整个底层的代码库的差异是很大的。

像 Flutter 这样的跨平台开发工具，为了让你的逻辑代码尽可能地和平台底层的这些代码完全隔离，等于写一次就可以四处运行。因此，它一定会把各个平台的配置信息拆到外边，单独让你写去。你的所有逻辑代码按了什么出什么，哪个地方画红的、绿的、蓝的，这些都让你写在一个地方。

如果没有这样的知识，就没法使用这样的程序。那你说我有了这样的知识，Cursor 在里边干嘛呢？当我有了这样的知识，提出了正确的问题以后，Cursor 就可以快速告诉我，这个文件在什么地方，你应该往里加哪几句话。然后你只要告诉他说我同意的修改，他就自动给你加上。加完了以后，这个程序就可以跑了，所有的错误就过去了。

这就是 Cursor 比较强的地方。所以，两边结合起来才是真正的答案。这一次程序员又没有失业，我们又在危险的边缘晃了一圈，转回来了。

咱们再讲一下古代骑士从失业到再就业到底是一个什么样的过程。很多人很焦虑，问我是不是要失业，希望这个故事能够安慰你。

骑士是怎么失业的呢？步枪发明了以后，骑士就失业了。为什么呢？以前要想成为一个骑士，你需要训练一辈子，从小开始训练。而有了步枪之后，任何一个健壮的农夫或工人，经过三个月的训练就可以上战场了。训练了三个月的农夫与训练一辈子的骑士，他们在战场上的杀伤力和存活率其实差不太多。

在这样的情况下，骑士就没有存在的必要了。这跟我们现在的情况其实很像。想想一个8岁的小姑娘可以去写应用，那么是不是依然需要一个孩子从大一开始上四年大学，再上两年研究生，出来成为程序员呢？这跟骑士的状态是不是非常像？

那骑士在被淘汰以后，怎么再去就业呢？在骑士被步枪手淘汰之后，战争的规模发生了变化。原来骑士打仗时，一场战争也就几十个人或几百个人，能够上万人的战争就很少了。然而到了步枪兵的战争，参与人数变成了几百万人。在这个过程中，我们需要更多的人去进行指挥和后勤协调，甚至需要很多人去培训这些步兵。

这个过程又是一个需要培训一辈子的过程，或者需要一些职业军人去担任相关岗位。这就是骑士再次就业的过程。以前的骑士要练习武艺，同时也要练习指挥，现在可能更多的人要去学习指挥。你说我没有指挥天赋，我武艺特别好，有一把力气，这事行不行？也还有一些专业军士长或者特种兵的位置在等着大家。

军官团、职业军士，包括一些专业军士的总数量，其实要比旧时代的骑士数量大得多。这就是骑士从失业到再就业后，变成一个数量更加庞大的团体的过程。程序员其实也是如此。我们会有一些焦虑，有很多未经训练或只经过少许训练的人也可以成为程序员，去干事情。再去学四到六年的编程，这件事情显得很傻。

但是后面我们要去培训这些人，要去组织这些人，要去写一些真正底层的模块，比较难的模块。那么在这一块，需要比现在更多的程序员。这就是骑士跟程序员在被替代、重新就业之间的异同之处。

那么，cursor到底应该怎么用？咱们前面没有讲编程的部分，后边我们稍微讲一点点。首先去cursor.com的网站上去下载，下载了以后呢，会自动合并VS CODE上面的各种配置，因为它是从VS CODE里边分支出来的嘛。你比如你在VS CODE里头装什么插件，写了什么配置，它会自动给你拉回来。

再往后呢，就是要去使用大模型了。你可以自己设，说我的这个API TOKEN是什么样的，你也可以不设。不设就是使用cursor的额度，免费的，一天有多少次。付费了以后就会取消限制，你就可以直接使用。它的免费是14天，你说我14天用完了怎么办？换个邮箱还可以再用14天。在这块判定的是比较宽松的。免费的用完了以后，20美金一个月。

我明年3月份GitHub copilot的到期了，我是一次买了一年的，所以等到期了以后，我要考虑一下，是不是该换这个cursor的订阅了。我现在订阅的AI工具notion AI已经被我退订了，mid journey我觉得还是需要的，GPT一个月20美金，我现在也还在犹豫，是不是以后要把它退订掉。目前为止我觉得还是比较好用的。

有了cursor之后，编程的行业会变成什么样？这可能是大家所关心的。那么一定是更多的人可以进行编程了。对于这些人来说，他们也还是需要一些短期的培训，就像步枪兵，你也是需要经过三个月的培训的。8岁小姑娘这个事呢，我们作为一个故事听就完了，不要太信以为真。

因为我也是碰到很多的朋友说，我要去使用这些AI agent，使用AI工具了，也看了一堆课程，不行，搞不定这件事。可能也是我前面的课程讲的，要稍微的困难了一点。那么这一块我也在思考，看看怎么能够提炼出一些。

真正可以去使用的课程，让这些完全没有计算机基础的人真正可以跑起来。因为我录了这么多课程，毕竟我自己还是个老程序员，有很多东西我自己想当然了，就直接做了这件事情。我去看看是不是可以找一些愿意学习、没有任何编程基础的人，我们一起来合作做一些课程，也许是一个解决方案。

那么未来的程序可能也会发生一些变化。现在的程序基本上是三个部分：第一个部分是我们编写的代码，第二个部分是注释，第三个部分是各种配置文件。未来的程序可能会加上所有的提示词历史。否则，你给我一个代码，我不知道这个代码是怎么变成这样的。所以如果有提示词历史和所有跟AI工具聊天的这种历史，可能更容易让下一个人去理解这个程序到底是怎么回事。因为写程序不是一个人的事，是需要大家协作的。你没有聊天历史，这事没法协作，这可能是一个变化。

未来一定会出现更多的只会开车、不修车的司机。巨大量的个人应用也会涌现出来，像8岁小姑娘写的这种应用，你说它有用吗？有用，或至少能用。但这种应用，如果把它作为一个商品交付给其他人用，这事是不行的。因为你光要跟别人沟通，哪个地方有一个小的机关，哪个地方有一个小小的隐藏开关，这个事你就交代不明白。所以这种东西就是自己开发自己用，应该是可以使用的，不要传播，不要推广。

所以很多现在的人在讲什么AI agent或者各种的AI工具，像Excel。很多人其实是可以使用Excel，在里边套各种公式，算各种复杂的数据，再让它画图表，功能极强，他们也不会编程。那么有了AI agent，有了AI工具以后，等于你就有了一大套的Excel，Excel的技能就提升了。现在你可以处理的问题，比原来Excel能够处理的问题要多多了。然后再有了AI编程，AI agent有了AI的一系列工具之后，每一个人的能力就上升了。未来更多的AI IDE一定会涌现。

现在，Cursor已经给大家指明了方向。来，照这个方向做。技术上并没有那么难。上产品经理，上交互设计师，咱们把整个编程的过程交互设计好就可以了。而且，如何依靠交互设计，在AI大模型的帮助下做好产品的路径，其实也已经被指明了。

到底应该如何去工作？我记得前两天还看到另外一些工具，比如说如何做一些科学研究。这些工具也是根据大家正常的思路，根据正常的科学阅读、研究者的这种流程，给你设计得很好。你先去提出问题，四处搜索。搜索完了以后得到结论，结论完了以后，允许你在这个结论里的选择，说我希望在哪些分支里边继续深入去思考，再去搜索，再得到相应的信息，再把这个结果进行某些方式的总结归纳，再做出比如说适合阅读的脑图，或者其他的一些可以让工作者快速接受的方法。

现在，这些工具也在逐渐涌现。我觉得AI APP，或者整个AI应用的大爆发，已经要到来了。Cursor已经为这些AI应用的大爆发拉开了序幕。好，这就是我们今天介绍的Cursor，希望你甭管会不会编程，都可以下来试一试。好，这个故事跟大家讲到这里，感谢大家收听，请帮忙点赞，点小铃铛，参加Discord讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。