案例拆解
四个明星产品，三种取舍：Cursor 为什么长在 IDE 里，Claude Code 为什么选了终端，Manus 把过程摊开给你看，Devin 的争议又提醒我们什么。
为什么拆这四个产品
概念学得再多，不如拆几个真实产品。Cursor、Claude Code、Manus、Devin 是过去几年 AI Native 产品里最有代表性的四个样本：它们用的底层模型大同小异，但产品形态天差地别——一个长在 IDE 里，一个住在终端里，一个跑在云端虚拟机上，一个号称要当你的「AI 同事」。
同样的模型，为什么做出了完全不同的东西？因为真正的差异化不在模型，而在三个产品决策上。把这四个产品拆透，比读十篇「Agent 十大趋势」有用得多——你会获得一套可以套用在任何新 AI 产品上的分析框架。
先声明信息边界：以下分析全部基于官方文档、官方博客、公开访谈和公开的社区讨论，不揣测任何内部信息；涉及数字和二手报道的地方，我会标注「据公开资料」或「据公开报道」，定价这类易变信息以官网为准。
分析框架：三个问题
每看一个 AI Native 产品，我只问三个问题：
- 载体选什么——AI 住在哪？IDE、终端、浏览器、还是一台云主机？载体决定了 AI 能看到什么上下文、能用什么工具，也决定了它离用户的工作流有多近。
- 自主性放多大——AI 是只给建议，还是直接动手？动手之前要不要请示？这是一条连续的滑杆，不是非黑即白的开关。
- 信任怎么建立——用户凭什么敢让 AI 动手？靠 diff 审查、权限确认、过程回放，还是靠品牌信仰？
打个比方，这像招一个新人：在哪给他安排工位（载体）、敢放多少权给他（自主性）、怎么验收他的活（信任）。四个产品的全部差异，都能映射到这三个答案上。下面我们逐个拆。
Cursor：把 AI 缝进人的主战场
载体决策：IDE。 程序员的上下文——打开的文件、光标位置、报错信息、整个代码库——全在 IDE 里。AI 想帮人写代码，就得去上下文最富的地方上班，而不是让人把代码复制粘贴到聊天框里。Cursor 干脆 fork 了 VS Code，把 AI 做成编辑器的一等公民，顺带继承了整个 VS Code 插件生态，降低了老用户的迁移成本。
自主性决策：一根完整的滑杆。 Cursor 的产品线几乎就是一张「自主性刻度表」：
- Tab 补全：自主性最低。模型预测你下一步要改哪、改成什么，以灰色幽灵文本呈现，按 Tab 接受、继续打字即拒绝。官方把它描述为「预测你的下一次编辑」——不只是补全当前行，而是跨位置、跨文件的编辑预测。它不打断你，否决成本是零。
- Cmd+K 局部改写：选中一段代码让它改，自主性升一档，改动范围被人为圈定。
- Agent 模式：自主性最高。给它一个任务（「给这个模块补上单元测试」），它自己搜代码、改多个文件、跑命令，连续执行多步。
一个容易被忽视的细节：Tab 和 Agent 背后是两套模型策略。 据 Cursor 团队公开的技术博客，Tab 用的是他们自训的专用小模型——补全场景对延迟极其敏感（几百毫秒内必须出结果，否则打断心流），调用大模型既慢又贵，所以他们自己训练针对「编辑预测」优化的模型，按次计费不心疼。而 Agent 模式是长程推理任务，直接调用 Claude、GPT 这类前沿大模型。按任务形态分配合适的模型，而不是一个大模型包打天下——这是 AI Native 产品成本控制的基本功。
另一个细节：代码库索引。 Agent 要在几万文件的项目里找到相关代码，靠的是预建索引：据官方文档，Cursor 在本地把代码切块、计算向量嵌入，用 Merkle 树做增量同步——只有改动的文件才重新计算和上传，且官方声称上传的是嵌入和元数据而非明文代码（有隐私模式可选）。这套「嵌入索引 + 增量同步」的做法，如今几乎是代码类 AI 产品的标配。
定价与增长（据公开报道）。 Cursor 采取订阅制（免费额度 + Pro 档约 20 美元/月，之上还有更高档位），超出额度按用量计费。它是增长最快的开发者产品之一：据公开报道，其年化收入（ARR）在 2025 年内从约 1 亿美元级别攀升至数亿美元级别，融资估值接近百亿美元。这个数字的意义在于：它证明了「AI 深度嵌入现有工作流」这条路线，用户是真金白银买账的。
信任机制：diff 是核心 UI。 所有改动都以 diff 块呈现，可以逐块接受（Accept）或拒绝（Reject）。Cursor 的信任哲学是：AI 可以动手，但每一处改动都必须经人眼过一遍，而且拒绝要足够便宜。
Claude Code：为什么是终端
很多人第一反应是：都什么年代了还做命令行产品？但站在「模型视角」想，终端是深思熟虑的选择：
- 终端是纯文本界面，而文本正是 LLM 的母语。不需要解析像素、不需要模拟点击，读写文件、跑命令、看报错，输入输出天然是 token。
- 工具现成且可组合。bash、git、grep、测试框架……几十年积累的 Unix 工具链直接变成 Agent 的工具箱，还能用管道自由拼接——这正契合 Unix 哲学：小程序、做一件事、能组合。
- 住在工程师的真实工作流里。git 提交、CI 脚本、远程服务器，终端都能直接触达，不存在「第二个工作区」的割裂感。
CLAUDE.md：把项目规矩变成持久记忆。 Claude Code 启动时会自动加载 CLAUDE.md 文件注入上下文，而且是分层的：用户级（~/.claude/CLAUDE.md，放个人偏好）、项目级（仓库根目录，放项目约定，通常提交进 git 全员共享），还支持用 @路径 语法引入其他文件。这是一个「用文档工程替代微调」的典型设计——不改模型，只喂纪律。
权限模式：自主性的四个档位。 据官方文档，Claude Code 有明确的权限模式：默认模式（写文件、执行命令逐个请求确认）、acceptEdits（自动接受文件编辑，命令仍需确认）、plan mode（只读规划不动手，先出方案再执行）、以及 bypassPermissions（完全放开，官方建议只在隔离容器里用）。再配合允许列表（把 npm test 这类安全命令加白名单），用户可以精确地把滑杆停在自己舒服的位置。
Headless 与 SDK 化：从工具变成平台。 这是 Claude Code 最容易被低估的一步棋。claude -p "你的任务" 这条命令让 Claude Code 以非交互模式运行，支持 JSON 输出，可以直接塞进 CI 流水线、git hook 和脚本里——比如「每次 PR 自动做一轮代码审查」。再进一步，Anthropic 把同一套 Harness 开放为 Claude Agent SDK（TypeScript/Python），让开发者用同样的 Loop、工具和权限系统搭自己的 Agent。同一个 Agent 内核，既是终端工具，又是自动化组件，还是开发平台——载体的复利效应在这里体现得淋漓尽致。
信任机制：git 就是安全网。 终端场景的所有改动天然落在 git 仓库里，git diff 随时可查、git checkout 一键回滚。Claude Code 的信任公式是：先充分读代码再动手 + 危险动作逐个请示 + 全部改动可回滚。
Manus：通用 Agent 的产品化
Cursor 和 Claude Code 都服务程序员，Manus（2025 年 3 月发布，华人团队 Butterfly Effect 出品）想回答一个更大的问题：通用 Agent 怎么做成普通人能用的产品？
载体决策：一人一台云端虚拟机。 每个 Manus 任务跑在一台独立的云主机沙箱里，有自己的文件系统、浏览器和命令行。载体不再是「你的工具」，而是「它自己的电脑」。这个选择有两个直接收益：一是安全隔离（Agent 折腾得再狠也碰不到你的本机），二是天然支持长任务（云主机不随你关浏览器而停止）。
自主性决策：异步任务制。 你像给同事派活一样提交一个任务（「调研一下东南亚的跨境电商市场，出一份报告」），然后就可以关掉页面走人——几小时后回来收结果。这是和 Chatbot 的根本区别：从「对话」变成「委托」。异步意味着任务时长不再有上限，Agent 可以跑几十分钟甚至几小时的多步流程。
信任机制：过程可视化。 这是 Manus 最值得拆的设计——它把 Agent 的操作过程完整摊开：「Manus 的电脑」面板实时展示它正在浏览什么网页、写什么文件、跑什么命令，任务结束后还能回放全过程。为什么这重要？因为通用任务没有 diff 可以审查——你没法像审查代码那样审查一份市场调研。当结果难以验证时，信任的来源从「检查结果」变成「看见过程」。这和现实中的管理一模一样：对看不懂细节的工作，你只能要求下属把过程透明化。
公开访谈与工程博客里的取舍（据公开资料）。 Manus 团队后来发布过一篇被广泛传播的工程博客，总结他们构建 Agent 的教训，几条核心取舍值得记住：
- 围绕 KV-cache 设计上下文：Agent 的上下文每步只增不改（append-only），因为前缀稳定才能命中缓存，否则长任务的成本会爆炸；
- 文件系统就是外存：上下文塞不下的东西写进文件，需要时再读回来，把「记忆」卸载到磁盘；
- 用 todo 清单对抗跑偏：让 Agent 反复把任务清单「复述」进上下文的尾部，防止长程任务中忘记最初目标；
- 少结构、多智能：不要预先用僵化流程框死 Agent，保留模型的自主决策空间，只在其犯错的点上加结构。
这几条几乎可以当作通用 Agent Harness 设计的检查清单。
顺带一提，「回放」在 Manus 这里不只是信任 UI，还是一个低成本的调试资产：团队自己和用户都能拿着失败任务的回放去定位 Agent 在哪一步跑偏，相当于把航空业的黑匣子引入了 Agent 产品。对异步长任务来说，这种可追溯性几乎是一切改进的前提——没有它，你连「任务为什么会失败」都回答不了。
Devin：自治的边界与争议
Devin（Cognition 出品）2024 年 3 月发布时自我定位为「AI 软件工程师」——不是助手，是工程师：给它一个 issue，它自己规划、写码、调试、部署。它把三个问题都推到了极端：载体是一整套独立工作环境（自带编辑器、shell、浏览器）；自主性是四者中最高的，目标是端到端交付；信任则几乎完全押在「结果可运行」上。
SWE-bench 成绩的口径，值得掰开看。 发布博客报告 Devin 在 SWE-bench（用真实 GitHub issue 评测 Agent 的公开基准）上端到端解决了 13.86% 的 issue，远超此前最好成绩的 1.96%。但注意两个口径细节：其一，这是在随机抽取的 25% 子集上测的，不是完整测试集；其二，「unassisted」指评测过程中不人工喂答案，但任务本身来自经过筛选的开源仓库。后来 OpenAI 推出了人工校验过的 SWE-bench Verified 子集，各家成绩才逐渐有了更可比的对齐口径。基准分数是重要信号，但先问口径再比较——这是读一切 Agent benchmark 宣传的基本素养。
社区复现争议的时间线（据公开资料）。 2024 年 3 月发布后反响热烈；4 月，YouTube 频道 Internet of Bugs 发布了一条逐帧拆解视频，分析 Devin 官方演示中的一个 Upwork 接单任务，指出：任务需求其实是演示者自己简化生成的、Devin 修的是自己写出来的 bug、实际耗时远超宣传的人类对照。此后一年多里，陆续有试用者公开反馈真实任务的成功率和耗时与演示存在差距。这里给正反两方：
- 批评方：演示存在选择性呈现，「AI 软件工程师」的叙事跑在了能力前面；自治意味着失败也端对端——一次翻车抵掉十次成功。
- 辩护方：抛开营销话术，Devin 确实率先验证了「Agent 端到端完成软件任务」的可能性边界，而且在持续迭代——据公开报道，它后来以按任务计量（ACU）的方式正式商用，并拿到了一些企业级部署案例；基准分数也随版本稳步提升。
我的看法：Devin 的价值不在于它成功或失败，而在于它用真金白银试出了自治性的当前边界。现阶段「AI 工程师」更现实的形态是「强自主 + 关键节点请示」，而不是「完全不管」。
放在一起看
| 产品 | 载体 | 自主性 | 信任机制 | 计费模式 | 更适合谁 |
|---|---|---|---|---|---|
| Cursor | IDE（VS Code fork） | 滑杆：Tab → Cmd+K → Agent | diff 逐块审查 | 订阅制 + 超量按用量（约 $20/月起） | 日常写码的个人开发者与团队 |
| Claude Code | 终端 + CI + SDK | 权限模式四档 + 允许列表 | 逐次确认 + git 回滚 | 订阅（Pro/Max）或 API 按 token | 工程师、自动化流水线 |
| Manus | 每任务一台云端虚拟机 | 高：异步委托整个任务 | 过程直播 + 全程回放 | 订阅 + 积分（credits）计量 | 非技术知识工作者 |
| Devin | 独立工作环境（编辑器/shell/浏览器） | 最高：端到端交付 | 押注结果可运行（受争议） | 按任务计量（ACU，据公开资料） | 愿意试水的工程团队 |
（计费信息据各官网公开资料，此类价格变动频繁，以官网实时信息为准。）
一条清晰的规律浮现出来：自主性每升一档，信任机制就必须跟着换一种形态。补全级别靠「拒绝免费」，改动级别靠「diff 审查」，任务级别靠「过程透明」，自治级别……目前还没有公认答案，这正是 Devin 争议的根源。
工程实践要点
如果你在设计自己的 Agent 产品（或给团队引入这些工具），这几条是四个案例共同验证过的：
1. 自主性要和可验证性匹配。 结果越容易被机器验证（测试通过、编译成功），自主性就可以放得越大；结果越依赖人判断（报告质量、设计好坏），就越要把自主性收回来或加强过程透明。用一个简单的审批策略表达：
type Risk = "read-only" | "reversible" | "destructive";
function needsApproval(action: { risk: Risk; verified: boolean }): boolean {
if (action.risk === "read-only") return false; // 读操作直接放行
if (action.risk === "reversible" && action.verified) return false; // 可回滚且机器验证过
return true; // 其余一律请示
}
Cursor 的 Tab（read-only 级，零审批）和对生产环境的操作（destructive 级，必审批）之间，隔着的就是这张表。
2. 上下文比模型更值得投入。 四个产品都在上下文工程上花了大力气：Cursor 的嵌入索引、Claude Code 的 CLAUDE.md、Manus 的「文件系统即外存」。同一模型，喂给它的上下文质量不同，表现判若两人。
3. 按任务形态分配模型。 低延迟高频场景（补全）用自训小模型，长程推理场景（Agent）用前沿大模型。成本和体验同时受益。
4. 信任 UI 是产品的一部分，不是附属品。 diff 视图、权限弹窗、过程回放，这些不是「锦上添花的安全提示」，而是用户敢不敢用的决定性因素。预算里要给它留位置。
常见误区
- 把 demo 当能力：单点演示证明的是「上限存在」，不是「下限可靠」。评估任何 Agent 产品，先看它失败时什么样。
- 自主性越高越好：自主性是有成本的——每升一档，验证成本和翻车成本都指数上升。合适的档位取决于任务的可验证性，不是越高越先进。
- 只比模型，不比载体和 Harness：四个产品证明，同一个模型在不同载体里的能力差，可能大于不同模型在同一载体里的能力差。
- 看 benchmark 不看口径：子集比例、是否 unassisted、用什么脚手架，口径不同分数没有可比性。
- 忽视信任设计：很多团队把精力全花在「让 Agent 做对」，却忘了「让用户敢用」。后者往往才是瓶颈。
术语表
| 名词 | 定义 | 一句话直觉 | 常见混淆 |
|---|---|---|---|
| 载体（Form Factor） | AI 栖身并作用于世界的界面形态，如 IDE、终端、云虚拟机 | AI 在哪上班 | 不等于「模型部署位置」，载体是产品概念不是基础设施概念 |
| 自主性滑杆 | 从「只建议」到「完全动手」的连续自主性刻度 | 放权不是开关，是旋钮 | 自主性 ≠ 能力：同一个模型可以放在不同档位上 |
| Tab 补全（编辑预测） | 预测用户下一次编辑并以幽灵文本呈现，按键接受 | 猜你下一步改哪 | 与 Agent 模式混淆：前者零风险秒级响应，后者多步执行可改多文件 |
| diff 审查 | 把所有 AI 改动以差异块呈现，逐块接受或拒绝 | 改可以，先给我看改了啥 | 不是事后 code review，是执行过程中的即时关卡 |
| CLAUDE.md | Claude Code 自动加载的项目说明书文件，注入上下文 | 写在仓库里的项目规矩 | 不是微调也不是系统提示词，是会话级的持久上下文 |
| 权限模式 | Claude Code 对写文件/执行命令的四档确认策略 | 每档对应不同的请示频率 | 与「允许列表」混淆：模式是总开关，白名单是逐项豁免 |
| Headless 模式 | 以非交互方式运行 Agent（如 claude -p），供脚本和 CI 调用 | 把人从回路里临时拿掉 | 不是「无头浏览器」，指无人工交互的批处理运行 |
| 代码库索引 | 对代码切块算嵌入向量并增量同步，供语义检索 | 给代码库建一张可搜索的地图 | 不等于全文搜索（grep）：索引理解语义，grep 只匹配字符 |
| 异步委托 | 提交任务后离开，Agent 在云端独立完成再交付结果 | 派活给同事而不是盯着他干活 | 与「后台任务」混淆：异步委托包含完整的自主执行与交付 |
| 过程回放 | 完整记录并回放 Agent 的操作过程供人检查 | 看不见结果的价值，就看见过程的诚意 | 不是日志：回放是给人看的产品 UI，日志是给机器的排查材料 |
| SWE-bench | 用真实 GitHub issue 评测软件工程 Agent 的公开基准 | Agent 界的公开考卷 | 分数必须带口径（子集、是否 unassisted），裸分数不可比 |
| 自治（Autonomous） | Agent 端到端完成任务，中途不请示 | 放手让它跑完全程 | 与「自动（Automated）」混淆：自动是固定脚本照做，自治是模型自己决策路径 |
| ACU | Devin 的任务计量单位，按消耗计费 | 按工作量付工资的「AI 工时」 | 不是 token 计费：ACU 试图对齐「完成一件事」而非「烧了多少算力」 |
参考材料
- Cursor 官方文档 — Tab 补全、Agent 模式与代码库索引的官方说明
- Claude Code 最佳实践 — Anthropic 官方总结的终端 Agent 用法与权限设计
- Claude Code 官方文档 — CLAUDE.md、权限模式、headless 用法的完整定义
- Claude Agent SDK 文档 — 把 Claude Code 的 Harness 用进自己的产品
- Introducing Devin — Cognition 的 Devin 发布博客与 SWE-bench 成绩口径
- SWE-bench 论文 — 基准本身的定义与评测方法
- Context Engineering for AI Agents: Lessons from Building Manus — Manus 团队公开的工程取舍总结
- Manus 官网 — 官方产品页与任务回放示例
小结
拆完四个产品，记住这张映射表：载体决定上下文的上限，自主性要和可验证性匹配，信任机制要随自主性升档而换形态。还有一个隐含的第四问值得留意：同一套 Agent 内核能否跨载体复用——Claude Code 从终端走到 CI 再走到 SDK，已经演示了这种复利的威力。
下次再看到任何 AI Native 新品，先问那三个问题——载体选什么、自主性放多大、信任怎么建立——你就能在十分钟内看懂它的核心取舍，而不是被发布会演示牵着走。