Cursor Composer 打造实录：RL 训练里跑十万个虚拟机、混合专家架构与「快到能纠错」的智能体设计

一句话结论

Cursor 研究负责人 Sasha Rush（前 Cornell 教授、transformers 库作者之一）在这场访谈里拆解了 Composer 智能体模型的构建逻辑：它不是又一个通用大模型，而是用强化学习专门训练出来的编码智能体；训练环境是把整个 Cursor 产品装进虚拟机、一次跑几十万个实例；基础设施五个环节用 Ray 串联；混合专家架构解决了「又快又聪明」的矛盾。对理解前沿 AI 编程工具内部如何运转，这是一手材料。

为什么做 Composer：把 Tab 补全的爽感带进智能体

Sasha 介绍了产品起点。Cursor 之前最受欢迎的功能是 Tab 补全模型——快、跟手、开发者能立刻判断建议好坏。团队想做智能体模型时，目标就是把这种体验带过来：足够聪明，可以放心把代码交给它写；同时足够快，答案立刻出来，你能持续迭代、随时给反馈。

这里有一个关键的产品判断：此前市面上出现过一些快模型，但编码质量没到「敢信任」的程度。Cursor 的取舍是两者都要——智能体时代的模型速度不只是生成 token 的速度，还有实际使用的墙钟时间，包括并行工具调用、合理利用上下文，这些行为都可以通过训练塑造。

主持人补充了自己试用 Cursor 2.0 的第一反应是「快得离谱」，Sasha 确认这是有意为之，而且内部试用时公司同事的偏好给了团队信心。

专攻一件事：强化学习如何造出编码专家

通用大模型追求什么都会：写文章、给建议、答问题。Composer 的路线相反——做一个只擅长「当编码智能体」的专用模型。实现手段就是强化学习：不必在全网数据上继续预训练，而是聚焦一个细分领域，用 RL 把这个任务做到极致。

Sasha 特别强调了智能体场景的工具调用强度：进入编码模型领域后他才意识到这些系统的能力有多夸张——模型会随手调用 150 个工具来回答一个问题。在大代码库里，它会连续调搜索工具、跑终端命令，做人会做腻但机器不会累的持久挖掘。他对智能体能力的定义就是「为找到答案而持续努力的持久性」。

训练环境就是产品本身：几十万个虚拟机里跑 Cursor

这是访谈里技术含量最高的部分。Composer 的 RL 训练要求模型在真实产品环境里完成任务，所以 Cursor 把完整的 Cursor 应用封装进虚拟机，然后一次性启动几十万个这样的虚拟机做训练。

为什么要这么重？因为要模拟真实用户体验——模型在训练中看到的环境必须和用户实际用的一致，学到行为才能迁移。这套基础设施的工程挑战具体而真实：规模要能横向扩展、环境要有状态、跑起来要稳。Sasha 指出这是 RL 特有的难题，其他类型训练不会遇到。

Ray 的五个落点：从 RL 控制器到数据分析

主持人追问分布式层用了什么库。Sasha 的回答是「整个频谱都在用 Ray」，并明确列出五个环节，访谈中展开讲了两个核心。

第一个是 RL 控制器。强化学习的 rollout 管理是个典型的不等长任务问题：一次跑一百个 rollout，有的很快得到答案，有的执行一堆终端调用拖很久。Ray 天然适合这种时长参差的任务编排，控制整个 rollout 生命周期的代码就建立在 Ray 上。

第二个是 Ray Data 做训练数据分析。团队内部建了一套系统，用 Ray Data 批处理海量 rollout 结果：哪些赢了、哪些输了、哪些看起来好、哪些有问题，再调用 LLM 逐批评分，理解训练中什么有效什么无效。这种「训完回头看数据」的能力，直接决定了迭代速度。

配套的硬件规模也值得记录：整套系统动用数千 GPU，CPU 数量还要再高一个数量级。

混合专家通俗版：Transformer 时代少数真正变了的东西

主持人请 Sasha 用外行能懂的话解释混合专家（MoE）。作为教过多年 transformer 课程的教授，他先给了背景：transformer 统治 AI 已约八年，核心架构其实变化不大，混合专家是少数真正的架构级例外。

解释本身很干净：把某层里的单个标准神经网络，换成一组的分布式神经网络；每次前向传播不再动用全部参数，而是只选一个子集。收益有二：计算上不为全部专家付费；工程上可以把不同专家分片到不同 GPU，用到哪个调哪个。机器学习与系统的交叉在这里特别典型——架构设计与集群效率互相成就。

给开发者的用法建议：慢模型规划、快模型执行

对已经在用 Cursor 2.0 的开发者，Sasha 给出了社区验证过的组合拳：让一个较慢的模型在 plan 模式里起草大改动方案，长时间思考后产出策略级计划；再让 Composer 这样的快模型去执行计划。因为 Composer 快，你能在它跑偏时即时纠正，甚至直接插手改。多智能体并行试用同一个问题、云端智能体离线跑长任务，都是新版本提供的实验空间——他自己也强调「最终形态还没定型」。

对想自研模型的团队：开源 RL 门槛在快速下降

访谈最后谈建议。Sasha 认为最值得关注的是专用模型的多点开花：Thinking Machines 发布了好用的 RL API；开源 RL 框架（如 SkyRL）也在快速发展。做自己的专用智能体模型的门槛在降低，他会预期看到更多类似 Composer 的专用模型出现。开源库对这一切至关重要——PyTorch、vLLM 这些项目是 Cursor 这类产品能快速迭代的地基。

对普通开发者的启示落在使用层：理解「快模型+慢模型」分工、敢于让智能体长时间并行试错、把工具调用持久性当作选型指标，这些来自一线构建者的经验比参数表更有参考价值。

产品与研究的日常咬合：构建者视角的组织细节

访谈里反复出现一个值得注意的组织观察：Cursor 是「新一代 AI 原生产品」的样本——构建系统的人、日常使用系统的人、做机器学习的人几乎是一群人，彼此之间是日常的、高频的对话。Sasha 举的例子：模型行为的很多决策本质是产品决策——多快算够快、上下文怎么用、什么时候并行调工具，这些判断来自「我们自己就是最重度用户」的直觉，再由研究侧落地成训练目标。

这种咬合解释了 Composer 为何把「速度」当成第一性设计目标。Sasha 对此的展开是：速度改变的是使用行为——模型慢的时候你只能等，模型快的时候你会自然而然地边跑边看、随手纠偏、并行开几个试验。这与访谈开头「Tab 模型的爽感」首尾呼应：Cursor 想把交互式补全的使用习惯，原样搬运到智能体时代。

这场访谈适合谁看、怎么看

三个群体的观看建议。正在选 AI 编程工具的开发者：重点看「用法建议」一节的分工策略，慢模型规划加快模型执行，是被社区验证过的组合，也直接适用于其他工具的组合使用。做 AI 产品的团队：重点看训练环境与基础设施部分——把完整产品装进虚拟机做 RL 训练，是「智能体训练要贴近真实使用环境」这个理念的极端落地，对产品行为如何反哺模型能力有直接参考。关注开源生态的人：Sasha 对开源 RL 框架（SkyRL 等）门槛下降的判断，预示专用智能体模型会在更多垂直场景批量出现，这是接下来一到两年的确定性趋势。

一点观看提示：这场对话信息密度高但语速快，自动字幕在专业术语上有少量转写失真（如 Ray Data 被转成 array data、MoE 相关表述），本文已按上下文校正；访谈中提到的 Cursor 2.0 功能（plan 模式、多智能体并行、云端智能体）在产品里都可以直接试用，边看边动手对照效果最好。

原文信息

• 原视频标题：Sasha Rush on Building Cursor Composer and the Future of Agentic Coding
• 频道：Anyscale
• 讲者：Sasha Rush（Cursor 研究负责人，前 Cornell 大学教授）
• 发布日期：2026-01-12
• 视频时长：约 12 分钟