开启时会模糊预览图，关闭后正常显示
工作不好找（主要指的是非体力劳动），很大程度上是还是历史趋势变了， 一方面经济处在下行的周期上，缺乏扩张的理由 一方面社会生产的形式由组织向个体或小组织转变。
Programmer ｜ Growth Coach｜Helping creators build their personal brand on X 公众号：PandaTalk8
RT @michaelbotta: Best hot sauce I've ever tasted, @blader
🏗️ Love to build stuff (@runwayco, @sandboxvr, @postmates, @zynga) people love. 💸 Investor @amplitude_hq, @mercury, @owner, @elevenlabsio, @meetgamma ++
2026 will be the year of alternative launch mediums. any form factor that isn’t a video. this means launch scents, kinetic sculpture, devised theater, social experiments, data sonification, astral projections, and sigils are all fair game.
something new | past investing @a16z
2026 will be the year of alternative launch mediums. any form factor that isn’t a video. this means launch scents, kinetic sculpture, devised theater, social experiments, data sonification, astral projections, and sigils are all fair game.
something new | past investing @a16z
2026 will be the year of alternative launch mediums. any form factor that isn’t a video. this means launch scents, kinetic sculpture, devised theater, social experiments, data sonification, astral projections, and sigils are all fair game.
something new | past investing @a16z
Cursor 发布「SemSearch」：利用 AI 模型理解代码的“含义”，帮助开发者更高效地导航和重用现有代码库。这一功能标志着代码工具从“语法级”向“语义级”演进，能显著提升开发生产力，尤其在大型项目中。 背景与问题痛点 文章开篇直指开发者日常痛点：传统搜索（如 Ctrl+F 或 IDE 的符号搜索）依赖精确关键词，容易遗漏相关代码。例如，搜索“用户认证”可能错过用“登录验证”实现的类似逻辑。这导致重复造轮子，浪费时间。Cursor 通过 SemSearch 解决这一问题，利用向量嵌入技术，将代码片段转化为“语义向量”，实现基于含义的相似度匹配。简单说，就是让 AI “读懂”代码意图，而非死板比对字符串。 技术实现原理 SemSearch 的核心是 AI 驱动的语义理解： · 嵌入模型：使用类似 GPT-4o 的多模态模型，将代码、注释和自然语言查询转换为高维向量。这些向量捕捉代码的结构、逻辑和上下文语义。 · 索引与检索：Cursor 在后台为代码库构建向量索引（类似于数据库中的倒排索引，但基于语义）。查询时，AI 计算查询向量与代码向量的余弦相似度，返回 Top-K 最匹配的结果。 · 优化细节：团队结合了本地索引（快速响应）和云端增强（处理复杂查询），并支持跨文件、跨仓库搜索。隐私方面，Cursor 强调所有处理均在本地或用户控制的环境中进行，避免数据泄露。 这一设计借鉴了信息检索领域的 RAG 技术，但专为代码优化——例如，优先匹配函数签名、API 调用等开发者关心的元素。 实际应用与益处 SemSearch 已集成到 Cursor 编辑器的搜索栏中，使用方式简单：输入自然语言描述（如“处理图像上传的异步函数”），即可得到排序结果，包括代码片段预览和跳转链接。文章举例： · 在开源项目中，快速定位类似实现，加速学习。 · 在团队协作中，促进代码复用，减少 bug。 量化益处：Cursor 内部测试显示，开发者搜索时间缩短 40%，代码重用率提升 25%。长远看，这能降低维护成本，推动“代码即知识”的理念。 与 AI 智能体的协同 文章特别强调 SemSearch 与 Cursor 的 AI 智能体深度融合。智能体不是简单的代码补全工具，而是能“思考”和执行任务的自治实体。例如： · 一个智能体可先用 SemSearch 检索相关代码作为“知识库”，再基于此生成新功能。 · 场景：构建 Web 应用时，智能体自动拉取类似组件的语义匹配代码，迭代优化输出。 这部分避免了传统 AI 的“幻觉”问题，因为检索提供 grounded 的上下文。Cursor 视此为“智能开发”的基石，未来将扩展到更多智能体场景，如调试代理或架构建议。 局限与展望 客观而言，当前局限：语义匹配对非英语注释或领域特定术语（如金融模型）准确率稍低；大型代码库索引需时间。团队承诺迭代，包括支持更多语言和自定义嵌入模型。 Cursor 定位 SemSearch 为“代码搜索引擎的 ChatGPT 时刻”，预示 AI 将重塑 IDE 生态。 博客地址
专注 - Context Engineering, AI(Coding)Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱：shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴 🔗 信息卡提示词 🔽
