他用一句自然语言，几乎写完一个聊天应用：Cursor 正在改变写代码的方式

如果你还把 AI 当成“写函数的助手”，这条视频会直接打脸。Mckay Wrigley 用 Cursor 从零做了一个完整的 AI 聊天应用，目标只有一个：尽可能接近 100% 的 AI 代码生成。这不是炫技，而是一次对“程序员工作方式”的正面冲击。

最反直觉的地方：不是教你写代码，而是教你“不写代码”

视频一上来就抛出一个很激进的目标：用 Cursor，从零构建一个初学者级别的 AI 聊天应用，而且“尽量不亲手写代码”。这和大多数 AI 编程教程完全不同——不是教你怎么 prompt 一个函数，而是把 Cursor 当成一个“能听懂自然语言的软件工程师”。

Mckay 在视频里反复做的一件事是：描述“我要什么”，而不是“我怎么实现”。例如，他不是先设计组件结构，而是直接让 Cursor 帮他生成侧边栏、聊天区域的基础布局。这种工作方式的变化非常关键：程序员的重心，从“语法正确”，转向了“需求表达是否清晰”。

这也是 Cursor 最具争议、也最有潜力的地方：当 AI 能持续生成可运行的代码时，真正的瓶颈不再是敲键盘的速度，而是你对系统的理解深度。

从环境搭建到跑起来：AI 不是跳过步骤，而是压缩步骤

视频的前半段看起来很“传统”：初始化项目、运行命令、在 Cursor 中打开新窗口、完成基础配置。不同的是，这些步骤几乎都被 Cursor 接管了。

Mckay 的做法很值得注意：他并没有假装“完全不用理解发生了什么”。相反，每一个 setup 阶段，他都会先用自然语言告诉 Cursor目标，再快速扫一眼生成结果，确认方向正确就继续推进。

这揭示了一个现实结论：AI 编程并不是跳过工程流程，而是把原本需要 30 分钟查文档、试错的过程，压缩成 3 分钟的“确认与修正”。对有基础的人来说，这种效率提升是线性的；对新手来说，这是第一次能完整跑通一个真实应用的机会。

真正拉开差距的，是中后段的“状态与体验”

如果只是把界面跑起来，这个视频还不足以让人“必须看完”。真正精彩的部分出现在中后段：消息处理、聊天切换、以及最关键的——流式响应（streaming）。

当 Mckay 开始让 Cursor 帮他接入消息流时，你能明显感觉到 AI 不再只是写静态代码，而是在参与“交互设计”的讨论。比如：什么时候创建新 chat、侧边栏如何同步状态、消息如何保存，才能和示例应用保持一致体验。

有一个细节很有代表性：当测试功能正常工作后，他特意提到——你甚至不需要钻进每个文件里 debug。这句话点出了 Cursor 的真正价值：它减少的不是代码量，而是“上下文切换”和“心理负担”。

100% AI 写代码并不重要，重要的是你在扮演什么角色

到视频后段，应用已经具备：聊天创建、消息发送、历史保存等完整功能。Mckay 又加了一个小特性，然后自然收尾。但真正留下来的问题是：如果 AI 能做到这一步，程序员还剩下什么？

视频给出的隐含答案是：程序员正在变成“产品 + 架构 + 反馈”的综合角色。你需要判断生成的东西是否符合预期，需要知道下一步该做什么，需要在 AI 偏离时把它拉回来。

这也是为什么他反复强调“thinking about what we want next”。Cursor 并不会替你思考产品，但它会极大放大你的思考价值。

总结

这条视频真正值得 AI 从业者反复琢磨的，并不是某个具体实现，而是一种已经发生的转变：写代码，正在从“执行技能”变成“表达能力”。如果你是工程师，下一步该练的不是更快的手，而是更清晰的需求描述；如果你在做产品或创业，这意味着你可以用极低成本验证完整想法。留给你的问题是：当 AI 已经能写出 80% 的代码，你是否已经准备好，成为那个负责剩下 20% 判断的人？

关键词： Cursor， AI代码生成， 对话AI， AI应用开发， 自然语言编程

事实核查备注： 需要核查：视频的实际时长；Mckay Wrigley 是否明确提出“接近 100% AI 代码生成”的原话；视频发布时间 2024-08-21 是否准确