作者：默思編輯部 發布：2026-09-16
AI程式開發工具Cursor在2026年9月推出Projects測試版，這是一套鎖定大型開發工作的新工作空間，設計目標是讓AI代理能夠維持數個月份的專案脈絡，並將工作拆解、派工給大量子代理執行，適用於功能開發、系統遷移、甚至完整應用程式建置這類需要長期投入的專案。
Projects的核心設計是「協調代理」（coordinator agent）機制：這個代理本身並不直接撰寫程式碼，而是負責規劃整個專案的工作拆解方式，將具體實作任務派工給負責執行的子代理，並在子代理完成工作後，將成果回收、彙整，交由人類開發者進行最終審查。這種「規劃者與執行者分工」的架構，某種程度上模仿了人類軟體團隊中專案經理與工程師的分工模式——協調代理可以同時管理多個平行運作的執行代理，依照專案實際需要動態調度人力（或者說「代理力」）。
Projects的雲端代理運算層採用Lambda MicroVM技術，讓開發者能在自己的AWS帳號中運行AI代理，每台虛擬機器可以從快照近乎即時啟動，閒置時自動休眠，需要時又能恢復完整狀態繼續工作。這種設計解決了長時間執行的代理任務常見的兩個痛點：一是本地電腦運算資源與電力續航力有限，難以支撐數個月份持續運作的代理任務；二是透過快照式啟動與休眠機制，能大幅降低閒置運算資源造成的成本浪費，只在代理實際工作時才產生運算費用。
過去AI輔助開發工具多半聚焦在「單次對話、單一任務」的互動模式——開發者提出需求、AI生成程式碼、開發者審查採納。Projects試圖將這個互動模式擴展到「跨月份、多任務並行」的專案管理層級，如果這個模式成熟，可能會讓開發團隊的工作型態從「逐行審查AI生成的程式碼」，轉變為「審查AI代理團隊彙整後的階段性成果」，管理的顆粒度從程式碼層級上升到專案里程碑層級。
對於正在評估導入AI輔助開發工具的技術團隊而言，Projects代表的「多代理協作管理大型專案」模式，需要團隊重新思考程式碼審查與品質把關的流程——當AI代理負責的工作範疇從單一函式擴大到整個功能模組甚至完整專案時，人類開發者的角色也必須相應調整，從逐行審查轉向更高層次的架構把關與驗收測試設計。
想建立能駕馭AI輔助開發工具的扎實程式基礎，歡迎參考Python課程。