他用 Cursor 做了个 Airbnb：最反直觉的是，人反而成了瓶颈

一个看似普通的教程视频，却戳中了 AI 编程时代最被低估的变化：写代码不再是瓶颈，真正慢的是“你有没有把需求说清楚”。Mckay Wrigley 用 Cursor Composer，从零搭出一个 Airbnb 雏形，过程里暴露了未来开发者最重要的新能力。

最炸的一点：2 分钟不是在“写后端”，而是在“交接需求”

很多人看这类视频，第一反应是：哇，AI 写代码真快。但 Mckay 这个案例真正反直觉的地方在于——他几乎没“写代码”。他做的事情，更像是把需求交接给一个永远不累、永远在线的初级工程师。

在 Cursor 的 Composer 项目里，最核心的不是生成了多少文件，而是那一整块“Instructions 区域”。它本质上是一个长期有效的需求说明书：每次你要新功能，AI 都按照同一套工程规范、数据库约定、文件结构来干活。

这一步非常像现实中的团队协作：你不是每天重新教同事怎么写代码，而是先把规则定清楚。区别只是，这个“同事”是 AI，而且执行力夸张得离谱。

真正拉开差距的，是“可复用上下文”而不是模型能力

很多人用 AI 编程工具，停留在“一问一答”的阶段。但 Cursor Projects 的狠招在于：你可以把一整个功能域的上下文，打包成一个可复用项目。

比如视频里的 listings 功能：数据库 schema、queries、actions，全都被加进 Focus Files。结果是什么？当他切到前端项目时，AI 已经“天然知道”后端怎么设计、接口怎么用。

这不是提示工程的小技巧，而是一种新的工作流范式：
- 不是 prompt 越写越长
- 而是上下文被系统性地管理

你开始像搭积木一样，用“项目级记忆”而不是临时对话，去驱动 AI 写代码。

从后端到前端：AI 开始理解“产品级完整性”

这个视频最有说服力的一段，是从“丑到不忍直视的页面”，到一个能创建、展示、搜索 listings 的完整前端。

注意，这里并不只是生成了几个 React 组件，而是：
- 页面路由放在对的地方
- 组件进了约定的目录
- 数据字段严格对齐后端 schema

中间当然有 bug，比如 export 错误、搜索没接好。但关键点在于：Mckay 并没有手动重写逻辑，只是回到 Composer 里说一句：“搜索功能好像没完全实现，帮我 double check 一下。”

AI 改代码的方式，已经从“补全函数”，升级为“修正功能意图”。

这类工具真正改变的，是“谁在主导开发节奏”

视频最后那段话，其实点破了一个很多工程师还没意识到的变化：

AI 会犯错，但你可以持续迭代。

在这个工作流里，人不再是代码的主要生产者，而是：
- 定义问题的人
- 审核结果的人
- 决定要不要继续迭代的人

当后端、前端、甚至 seed 数据，都可以通过同一个上下文体系不断完善时，开发节奏的主导权，第一次从“写得快的工程师”，转移到了“想得清楚的人”手里。

总结

这个 Airbnb 小 demo 并不重要，重要的是它揭示的趋势：AI 编程工具的天花板，已经不在模型，而在人。谁能把需求结构化、上下文模块化、反馈说到点子上，谁就能把 AI 变成放大器，而不是玩具。对从业者来说，最现实的行动建议只有一个：别再只练“怎么写 prompt”，开始练“怎么设计工作流”。未来拉开差距的，不是你会不会写代码，而是你能不能让 AI 持续为你写对的代码。

关键词： Cursor， AI编程， 提示工程， 代码生成， 开发者工作流

事实核查备注： 视频作者 Mckay Wrigley；视频标题 Build a basic Airbnb app with Cursor AI tricks；发布时间 2024-09-02；所用工具 Cursor Composer、Supabase；视频中未出现具体数据对比或公司声明