云南龙网

  1. 首页 > 生活百科 > >

25岁创造百亿美金神话，爆款AI工具1年ARR破亿，他讲出背后失败与思考

人工智能安徽

25岁创造百亿美金神话，爆款AI工具1年ARR破亿，他讲出背后失败与思考

智东西
编译 | 陈骏达
编辑 | Panken
智东西9月8日消息 ， 近日 ， 硅谷知名孵化器YCombinator发布了对Anysphere联合创始人兼CEO Michael Truell的深度访谈 。 Anysphere是爆火AI编程工具Cursor背后的公司 ， 估值已达99亿美元（约合人民币707亿元） 。 访谈中 ， 这位年仅25岁、却拥有十余年开发经验的00后创业者 ， 完整回顾了打造Cursor过程中经历的弯路与困境 ， 并分享了从中汲取的宝贵经验 。
Anysphere成立于2022年 ， 一开始曾探索AI CAD、加密通信软件等项目 ， 但由于缺乏相关背景、变现困难等原因 ， 最终选择了AI编程赛道 。
彼时 ， AI编程赛道的商业价值已经被Github Copilot验证 ， 同时竞争相对激烈 ， 但Anysphere找到了一个切入点：市面上虽有不错的AI编程产品 ， 但没有产品是完全自动化、完全变革软件开发流程为目标的 。
从写第一行代码到公开发布 ， Anysphere的创始团队历时3个月 ， 打造了初版Cursor 。 2023年发布后 ， Cursor在产品功能上不断尝试与摸索 ， Truell形象地称其为“在沙漠中探索” 。
当时 ， 部分用户希望Cursor转型为低代码工具 ， 或是适配特定的技术栈 ， 但Anysphere坚持了Cursor的原有定位 ， 专注于打造通用AI编程体验 。
Anysphere曾在Cursor上走了不少弯路 。 例如 ， 他们一开始想从零开始打造IDE本身 ， 后来才意识到应将精力集中在核心AI功能的开发 ， 而非在IDE界面上与VS Code这样有十几年历史的产品直接竞争 。
此外 ， Anysphere起初抱着“不重复造轮子”的心态 ， 决定不做模型 。 但随着产品迭代和用户规模的扩大 ， 他们发现自研模型已经成为关键杠杆 ， 不仅能利用数据持续优化用户体验 ， 更是一项“核心且必须建设的能力” 。
通过不断提升产品对代码库的理解与预测能力 ， Cursor逐渐赢得用户口碑 ， 实现爆发式增长——2023年ARR（年化收入）突破100万美元 ， 2024年更是实现1亿美元ARR的重大跨越 。
在访谈中 ， Truell还回顾了他在高中阶段就与AI技术结缘的往事 ， 并给在校的青年创业者提供了几则创业建议 。 对AI编程的未来 ， 他给出了如下判断：AI将成为工程师的“同事” ， 在辅助开发的同时 ， 并不会削弱编程作为通识教育和实用技能的重要性 。
以下为Michael Truell今年6月在YC AI创业学校的完整访谈整理稿：

一、高中开启创业生涯 ， 16岁编写神经网络主持人：那我们先从你的创业起点聊起吧 。 故事可以追溯到你中学时期 ， 那时你开始读PG（Paul Graham ， 孵化器YCombinator创始人）的文章 ， 对吗？
【25岁创造百亿美金神话，爆款AI工具1年ARR破亿，他讲出背后失败与思考】Michael Truell：是的 ， 我很早就对创业感兴趣 ， 也对很多其他事情感兴趣 。 我一开始接触编程 ， 就是因为想做一些商业化的东西 。
我第一次看到代码 ， 是在一个寒假 。 我和哥哥想做一款爆火的手机游戏 ， 但完全不知道怎么开始 。 于是我们上谷歌搜索“如何做游戏” ， 发现需要下载一个叫Xcode的软件 。
我们下载后 ， 屏幕上出现了一堆五颜六色的奇怪符号 ， 那是Objective-C语言 。 当时它还挺流行的 ， 不过现在受欢迎程度已经没那么高了 。
我哥哥看到那一堆几乎无法理解的Objective-C代码后 ， 立刻放弃了 ， 从此没有再碰编程 。 他现在走的是完全不同的道路 ， 比如在尝试画画之类的 。 而我则坚持下来了 ， 买了本Objective-C的书 ， 慢慢开始做手机游戏 。 这就是我进入编程的起点 。
一路走来 ， 我是PG的文章和Sam Altman（OpenAI联合创始人兼CEO ， 前YC总裁）的文章的忠实读者 ， 也读了YC里很多人的文章 。 这些在我高中早期就给了我很大的启发 。
主持人：最令人惊讶的是 ， 你现在才24岁（截至发稿时 ， Michael Truell已25岁） ， 就在很短时间里把Cursor打造成一家巨大的公司 。 很多人可能会觉得你是突然冒出来的 ， 但实际上你已经积累了十多年的经验 ， 不断做项目、不断发布成果 。 而且你在高中就已经开始接触AI了 ， 对吧？能不能聊聊当时的项目 ， 以及你是怎么入门的？
Michael Truell：我算是很幸运 ， 既早早接触到编程 ， 又很早就对AI感兴趣 ， 还遇到了几个很棒的合作者 ， 一起做AI项目 。
我其实并不算很擅长做手机游戏 ， 但其中有一个小项目却意外地火了——一个能伪造游戏高分的手机应用 ， 可以在“钢琴块”或者“Flappy Bird”里生成假的高分 ， 然后发给朋友 。 这是最简单的东西 ， 不涉及很复杂的编程 ， 反而成了最受欢迎的 。
之后 ， 我和朋友开始对“机器狗”这个想法很着迷 。 我们觉得 ， 如果能有一只机器狗 ， 不用编程 ， 就能通过正反馈和负反馈来学习 ， 那该多酷啊 。
比如 ， 做对了给它点奖励 ， 做错了就说“不好” 。 这样就能教它捡球之类的技能 。 我们完全不知道怎么实现 ， 于是开始搜索 ， 钻进了很多技术的“兔子洞” 。
那让我们接触到了遗传算法 ， 后来又了解到神经网络 。 那时候已经有人在尝试用遗传算法来进化神经网络 ， 比如NEAT这样的研究 。 之后 ， 我们又接触到了强化学习 ， 早在2015年 ， 就已经有人在长期研究强化学习了 。
最终 ， 我和我的朋友确实造出了一些机器人 ， 但没有留下什么特别重大、有长久影响力的成果 。
不过 ， 我们做了一些有趣的探索 ， 比如让强化学习算法更高效 ， 提升数据效率 ， 让算法能从极少的数据中学习 ， 比如几十个数据点 。 或是让算法能够从带有噪声的数据中学习 。
我们虽然没有造出机器狗 ， 但做了一个多轴的机械臂 ， 可以握着拍子 ， 打乒乓球 。 通过安装合适的传感器 ， 以及提供正确的反馈 ， 它能学会在看到球时挥动机械臂 。
我们还打造了一款KiwiDrive机器人 ， 我们教会了它如何循线 。
这其实是很好的机器学习入门教育 。 因为我们当时太天真 ， 甚至不知道有Torch、TensorFlow这样的工具 。
主持人：于是你从零开始写了自己的神经网络 ， 大概16、17岁？
Michael Truell：因为是做机器人 ， 硬件用的是微控制器 ， 内存特别小 ， 装不下现成的机器学习库 。 于是我们硬着头皮自己写了一个简化版的神经网络库 。
虽然完全不懂里面的数学 ， 比如微积分 ， 但还是磕磕碰碰地实现了一些关键想法 。 这过程中学到了很多东西 ， 虽然基础知识有不少漏洞 ， 后来花了很多年才补上 。

二、早期探索多个项目 ， 曾打造CAD版Cursor主持人：然后就是AnySphere的创立 ， 对吧？当时你们刚从MIT毕业 ， 那是2022年 ， 你们最初的想法是什么？
Michael Truell：Cursor的起点其实是在2021年 。 我和联合创始人们都对AI很感兴趣 ， 每个人都有类似打造“机器狗”的经历 。
比如有一个联合创始人试着用大模型打造谷歌的竞品 ， 还有人做过计算机视觉研究的学术研究 ， 也有人在谷歌这样的公司做推荐系统 。
我们都对AI很感兴趣 ， 到2021年 ， 我们开始思考 ， 接下来要做什么？是进学术界、加入大公司、还是自己创业？
让我们兴奋的有两个契机：一是开始看到第一个AI产品落地 ， 比如GitHub Copilot；二是看到一些研究显示 ， AI的能力会随着模型规模的增长而持续提升 。 于是2022年初 ， 我们搞了一个月的黑客马拉松 ， 尝试在某个知识工作领域里 ， 用逐渐成熟的AI技术打造这一行业未来的模样 。
主持人：你们为第一个项目收集了很多数据对吧？
Michael Truell：没错 。 我们最早的方向是机械工程 ， 给机械工程师做一个Copilot ， 能预测他们在CAD软件（像SOLIDWORKS或Fusion 360）里的操作 。 我们选这个方向 ， 是觉得市场冷门、没什么竞争 。 但事实证明这是个糟糕的选择 ， 因为我们谁都不是机械工程师 ， 而且当时的底层技术也还没那么成熟 。
主持人：你们坚持了好几个月 ， 花了大量精力抓CAD文件 ， 还做出了自动补全的功能？
Michael Truell：说实话 ， 当时大部分精力都花在数据抓取上 。 我试着把互联网上所有的CAD模型都收集起来 。 另外还有各种不同的文件格式 ， 需要把它们统一转换成一个标准格式 。
CAD这个软件市场很奇怪 ， 有很多不同的系统 ， 各自都挺流行 ， 但整体非常分散 。 还有一些云端CAD系统 ， 它们没有便捷的导出方式 ， 也不希望别人抓取它们的数据 。 所以我们在这方面花了很多力气 。
另外 ， 那个时候用于训练模型的基础设施还很原始 ， 所以在底层系统上也花了很多功夫 ， 还不断试验模型 。 我们甚至尝试给这些CAD系统“硬加”插件 ， 因为我们做的其实是一个插件 。 但这些应用本身几乎不支持插件 ， 所以挺折腾的 。
当时我们还同时在做别的项目 。 我的两个联合创始人开发了一个端到端加密的消息系统 ， 因为其中一位有安全研究的背景 。
他们的想法是 ， 像Signal和WhatsApp这样的应用虽然会加密消息内容 ， 但并不会隐藏“谁在什么时候和谁聊天” 。 而这其实是非常关键的信息 ， 如果你不想完全信任消息应用的提供方 ， 这点就很重要 。
主持人：那大概是在2022年中期？你们大概花了6个月做这些想法 ， 那当时有多少用户呢？产品有上线吗？
Michael Truell：这些项目基本都没什么用户 。
主持人：你们是在什么时候意识到 ， 这些想法行不通呢？就是说 ， 大家都在拼命做 ， 但最后发现创业并没有走通 。 那个时刻是什么感觉？
Michael Truell：不同项目的情况有点差别 。 比如消息系统 ， 技术上非常厉害 ， 但在可扩展性上有很大问题 。 他们试着交给用户使用 ， 发现不行；后来又尝试B2B授权 ， 但还是行不通 。 大概折腾了几个月 ， 始终没能获得关注 。
至于CAD项目 ， 我们也是花了很多个月 ， 想让模型真的对终端用户有用 。 但到最后 ， 我们也不得不思考：我们自己是不是对这些方向真的感兴趣？

三、受GitHub Copilot启发 ， 3个月造出初代Cursor主持人：所以你们在转到代码补全之前 ， 已经尝试过三四个想法？
Michael Truell：是的 。 其实我们很早就受Copilot的启发 ， 只是觉得AI编程竞争太激烈了 ， 就绕开了 。 现在的竞争也很激烈 。
主持人：当时GitHub Copilot在2022年已经有大约1亿美元的收入 ， 甚至可能更多 。 很多人觉得游戏已经结束了：GitHub已经做到了 。 你们当时真的觉得自己能比Copilot做得更好吗？
Michael Truell：一开始我们并没有这样想 。 当时我们都有点绝望了 ， 因为前面的项目都不顺利 ， 我们对那些方向也渐渐提不起兴致 ， 就在不断试错和反思中意识到：其实我们真正让我们兴奋的 ， 是编程的未来 。
我们也看到了整个行业在技术和产品上的趋势：如果真的沿着这条路走下去 ， 未来五年 ， 编程方式一定会被彻底改变 ， 所有软件开发都会通过模型来完成 。
但当时还没有多少人把这件事当真 。 大家都在做很棒的产品 ， 也在慢慢改进 ， 但没有人真正去设想一个完全自动化、完全不同的软件开发流程 。 于是我们决定全力以赴 。
主持人：这其实挺大胆的 ， 因为你们决定放弃那些自己经验不足的方向 ， 转而面对一个巨头——GitHub Copilot 。
Michael Truell：其实当时并没有觉得大胆 。 毕竟我们只是几个人坐在客厅里 ， 拿着笔记本电脑写代码 ， 又不是一个大公司转型 。
刚开始我们还想着做一些小而专的工具 ， 比如自动检测代码里的潜在漏洞 ， 或者只针对某些细分领域（比如量化研究）做产品 。 但在探索过程中 ， 我们脑海里不断冒出各种点子 ， 去想Cursor如果真的要成为“最好的通用AI编程方式” ， 会是什么样子 。 我们对这个方向有很强的信念和兴奋感 ， 所以最后就决定冲了 。
主持人：那是在2022年底 ， 对吗？你们多快就发布了第一个产品？它当时是什么样子？
Michael Truell：从写第一行代码到公开发布 ， 大约花了3个月 。 最初我们是从零搭了一个编辑器 ， 当然用了很多开源组件 ， 比如CodeMirror和语言服务器 ， 但整体是自己拼起来的 。
我们还写了远程SSH功能、Copilot集成（因为我们没有自动补全功能）、语言服务器的集成 ， 在像代码编辑器市场这样成熟的领域里 ， 要下很大功夫 ， 才能做出一个真正有竞争力、能够成为用户日常使用工具的产品 。
大概四周后 ， 我们做出了第一个我们自己能当作日常开发工具的版本 ， 再过四周 ， 就让第一批测试用户用了 ， 又过四周 ， 就对外开放了 。 那时的产品还很粗糙 ， 但我们觉得 ， 反正就先让大家试用 。

四、从挑战VS Code到专注AI功能 ， 自研模型是Cursor核心能力主持人：你们自己从零开始写了一个编辑器 ， 这过程学到了什么？
Michael Truell：是的 ， 我们当时充满了敬畏之情 。 有一段时间 ， 人们并不喜欢我们的产品 。 所以我们全力以赴 ， 非常专注 。 在这一过程中 ， 我们学到了如何打造最初的AI功能 。
刚开始的时候 ， 只有一个控制台 ， 它会在编辑器里调出一个万能遥控器 ， 然后你向它发出指令 。 AI会自主判断用户意图 ， 比如是想要聊天 ， 还是需要一个可采用的代码建议 ， 或者是在你的代码库里搜索并回答一个问题 ， 又或是长时间运行还是短时间运行？当时用户并没有太多的控制权 。
我们学到的是 ， 鉴于2022年底当时的技术水平 ， 产品的形态必须有所不同 。 我们积累了第一批早期的AI功能 ， 这些功能成为了Cursor的核心部分 ， 后来我们自己不断迭代 ， 用户也提供了反馈 。
学到的另一则教训是 ， 当时我们曾试图快速开发功能齐全的理想代码编辑器 ， 并加入自认为出色的AI功能 。 原以为花上几个月就能构建一个成熟编辑器 ， 和VS Code功能基本接近 ， 但VS Code经过12年开发 ， 是最早的TypeScript项目之一 ， 也拥有众多开发者 。
我们很快意识到这一想法并不现实 ， 应该专注于AI功能 。 我们后来转向了基于VS Code的开发 ， 就像浏览器通常基于Chromium的渲染引擎一样 。
主持人：另一件事是 ， 你们也做了自己的模型 。 那时候 ， 你们从Codex获得了很多灵感 ， 对吧？
Michael Truell：我们着手推进第一个重要项目——即利用AI提升机械工程师的生产力时 ， 启动阶段就需要资金用于模型训练 ， 因为当时市面上的模型在该任务上表现不足 。
最初我们经常引用Codex的论文 ， 也就是GitHub Copilot所使用的首个自动补全模型 。 根据我们的估算 ， 即便在2022年模型训练成本普遍被认为很高的情况下 ， Codex的训练花费并不算大 ， 可能仅在10万美元左右 。
在机械工程领域的尝试中 ， 我们自主进行了模型训练 。 但这段经历也让我们在启动Cursor时更加谨慎 ， 希望尽可能务实、避免重复造轮子 ， 因此初期完全未涉足模型训练 。
然而 ， 随着2023年产品不断迭代 ， 我们逐渐意识到自主训练模型已成为一个关键的产品杠杆——尤其是在用户规模显著扩大之后 。 它不仅帮助我们更好地响应用户需求 ， 也使得利用产品数据持续优化成为可能 。 最终 ， 自主训练模型也发展成为公司内部一项核心且必须建设的能力 。
主持人：2023年 ， 你们还没确定Cursor最终能否成功 ， 还在讨论应不应该换方向 ， 产生营收还是花了挺久的吧？
Michael Truell：在2023年期间 ， 我们的业务确实在逐步增长 ， 尽管整体规模仍然不大 。 我们所处的领域（AI辅助编程）发展方向并不总是清晰的 。 有些市场可以通过系统性地调研用户需求、逐一梳理问题、提出针对性解决方案并确定优先级 ， 就能有效推进 。 但对我们这样面向最终用户、没有太多预算的应用来说 ， 情况则有所不同 。
我们致力于探索如何利用当前技术 ， 实现与AI协同编程的最佳体验 。 很多功能在设想中很有价值 ， 但具体如何实现、细节如何落地 ， 路径并不明确 。 因此 ， 整个2023年我们都在不断尝试和摸索 。
此外 ， 在早期用户反馈中 ， 也存在一些方向上的拉扯 。 我们有一批活跃的非专业编程用户 ， 希望产品朝他们的需求倾斜；另一些用户则强烈建议我们专注于某一特定技术栈 ， 放弃通用性 。 我们最终没有完全跟随这些声音 ， 而是坚持了原有的产品定位 。
这一年中 ， 我们经历了大量原型设计 ， 就像在沙漠中探索一样 ， 逐步明确了哪些环节需要自主研发模型——例如优化API模型或实现诸如Tab自动补全、编辑预测等功能——而不仅仅依赖于外部技术 。

五、产品增长靠口口相传 ， 传统增长工程收效甚微主持人：你们在2023年左右从零增长到100万美元的ARR ， 对吗？达到这个目标花了很多功夫吧？
Michael Truell：是的 ， 比那多一点 ， 但大致是这样 。
主持人：2024年是疯狂的一年 。 你们在一年内从100万美元ARR增长到1亿美元ARR 。 跟我们讲讲这种复合增长的力量吧 ， 因为你们一直保持着每周10%的增长 。 这是怎么实现的？
Michael Truell：早期的数字感觉很小 ， 但后来复利效应持续显现 。 有几件事推动了我们的增长 。 我们所在的市场 ， 只要你把产品做得更好 ， 你就能立刻在数字上看到增长的加速 。
当我们第一次开始让Cursor能够感知代码库时 ， 第一次能够预测你的下一个动作时 ， 让预测更准确时 ， 让它更快 ， 让它能够预测一系列的变更时 ， 我们都感受到了增长的提速 。 我们还让模型在代码库中执行更多的动作 。
我们一直专注于提升产品本身 ， 复利效应一直持续 。 我们所处的市场中 ， 终端用户的喜好是十分关键的 ， 如果能打造出最好的产品 ， 人们就会关注它 ， 讨论它 。
主持人：我想起那段时间发生的一件有趣的事 。 我们确实看到YC公司在创业营期间发生了一个巨大的转变 。 我们会问他们用什么样的技术栈来构建应用程序 ， 每一期之间简直是天壤之别 。 我记得在2023年 ， 可能只有个位数的百分比的公司使用Cursor 。 然后到了2024年 ， 比例已经来到80% 。
Cursor就像野火一样蔓延开来 ， 最优秀的开发者都在用你们的产品 。
Michael Truell：他们把Cursor发到自己的Twitter上 。
主持人：你们的很多用户增长都是这么来的吗？所有的增长是如何实现的？
Michael Truell：在最早阶段 ， 当我们刚推出编辑器时 ， 我们尝试在社交网络上进行宣传 。 实际上 ， 我的一位联合创始人在2022年发现 ， 可以通过在网上发帖获得名气 ， 积累大量粉丝 。 这并不是通过常规的社交媒体操作 ， 而是通过深入讨论AI实现的 。
令人惊讶的是 ， 他居然可以通过读论文 ， 深入分析当时的发展趋势 ， 并公开分享自己的观点 ， 从而获得该领域有影响力人士的认可 。
当时有一个开源模型叫Flan T5 。 我的这位联合创始人在推特上持续分享这一模型的信息 ， 让许多人了解到其优点 。 此后 ， 有多个项目因他的分享 ， 使用了这一开源模型 。
我们的这位联合创始人也因此成为旧金山一个小众圈子里的知名人物 ， 并在早期利用这一优势 ， 推广产品 。
当我们第一次发布产品并建立候补名单以获取首批用户时 ， 在推特账号上发布了一个几乎像电影般的Demo ， 这对公司起步帮助很大 。
但在2023年 ， 我们几乎像隐士一样 ， 专注于产品研发 ， 主要依靠口碑传播 。 我记得那一年 ， 团队中有人建议 ， 产品已经足够成熟 ， 可以暂时放下 ， 专注于增长工程 。
我们进行了大约两个月的冲刺 ， 但与我们当年完成的其他工作相比 ， 这些努力收效甚微 。
主持人：到了2024年那个时候 ， Cursor的规模有多大？公司当时有多少人？
Michael Truell：在2023年规模还很小 ， 我的联合创始人们都是非常出色的工程师 。 我们当时有四个人 ， 我们在不雇人的情况下已经做了很多工作了 。
我们在招聘第一批员工以及具体如何操作上也有一些自己的想法 ， 早期非常有耐心 ， 同时也更少关注招聘 ， 或许我们本应该多关注招聘的 。 2023年底的时候 ， 员工还只有个位数 ， 仍然不到10个人 。

六、AI将成为工程师的“同事” ， 但不会影响编程教育的价值主持人：太厉害了 。 我想换个话题 ， 我很好奇 ， 你对AI编程的未来有什么看法？
Michael Truell：从一开始 ， 我们可能就算是走了一条中间路线 。 当我们创办公司并招聘第一批员工时 ， 经常会得到一些奇怪的眼神 ， 大家会问：“你们这是在做什么？”
在2022年底 ， 情况还不是现在这样 。 那时 ， ChatGPT尚未出现 ， 整个世界直到2023年初才开始意识到AI的潜力 。 尤其是在2022年 ， 当我们在做CAD相关项目和早期代码项目时 ， 人们普遍觉得做AI有些奇怪 。 他们并不完全相信这是值得投入时间的事情 ， 也不相信AI会带来大量出色的应用 。
即便是那些对AI感兴趣的人 ， 在我们的领域里 ， 也有一部分人只关注优化已有产品的形式 ， 仅仅让产品稍微好一点而已 。 同时 ， 在我们的社交和专业圈中 ， 也有人会想：“为什么不去做AGI（通用人工智能）呢？你现在做的这些工作 ， 一两年后可能就会失去意义 。 ”
我们一直认为 ， 未来几十年里 ， 将会有大量非常有价值的东西可以去构建 。 AI将是一项变革性的技术 ， 可能比近几个世纪的任何技术革命都更具影响力 。
但要实现这一目标 ， 需要几十年的努力 ， 并且需要整个行业的参与 ， 其中所有独立能力都必须逐步完善 ， 才能真正实现在计算机上完全改变软件开发 ， 或者变革其他知识工作领域的终极状态 。
在短期内 ， 对于我们的终端用户——职业工程师而言 ， 代码仍然非常重要 。 未来我们会经历一个漫长而复杂的过渡阶段 ， 将与AI一起工作 。 AI会越来越像同事 ， 同时也可能像一个高级编译器 ， 能够为你隐藏部分代码 。 但你仍然需要阅读逻辑 ， 审查并进行编辑 。
主持人：那你认为哪些技能仍然重要？大家应该继续学习什么 ， 或者停止学习什么？
Michael Truell：我认为 ， 编程就像数学一样 ， 是一种很好的通识教育 ， 这种价值不会消失 。 而且 ， 学习计算机科学还能带来许多实用技能 。
通常 ， 当人们进入快速变化的行业时 ， 学校里学的具体知识并不是最关键的 ， 更重要的是在学习过程中培养的学习能力 。 我认为 ， AI的出现并不会改变这一点 。
主持人：对于观众中那些年轻的、像三年前的你一样的Michael Truell ， 你有什么建议？如果他们想成为三年前、在你创办Cursor之前的你 ， 现在应该做什么？
Michael Truell：我认为 ， 应当去做自己感兴趣的事情 ， 并且与那些既相处得来 ， 又彼此尊重的人一起合作 。 这非常重要 。
对于许多在校学生来说 ， 太多事情会把你引向“应付了事”的模式 ， 而不是长期专注于打造真正有价值的东西 。 关键是专注于你真正感兴趣的事 ， 并长期投入其中 。

    推荐阅读


    上一篇：安卓手机性能排名：红米K80至尊版排名第九，第一名意料之中

    下一篇：扣子空间，偷偷搞全了AI Office