上周有个需求让我彻底放弃 Cursor 2.0 的“自动补全”功能，结果反而把开发效率提上去了

上周有个需求让我彻底放弃 Cursor 2.0 的“自动补全”功能，结果反而把开发效率提上去了

上周有个需求，要对接一个遗留了十年的 Java 单体系统，核心模块用的是 Spring Boot 1.5.4.RELEASE。我本来想着试试新出的 Cursor 2.0，毕竟它号称基于 GPT-5 架构，代码生成速度翻倍，连自动重构都支持多文件联动。结果真上手才发现，这玩意儿在我这种“老古董环境”里简直是个灾难。

第一天我就傻眼了。Cursor 2.0 默认配置的模型是 gpt-5-turbo-2026-03，它生成的代码完全无法兼容 JDK 8 的特性。比如它自动补全一个泛型方法时，直接用了 var 关键字和隐式类型推断，这在 1.5.4 的版本里是语法错误。我花了一小时手动回退版本，发现它甚至会在没有显式声明 return 类型的情况下生成 lambda 表达式——在旧版编译器里直接爆红。

有意思的是，我后来尝试把 Cursor 2.0 的模型切换成 claude-3-5-opus-20240229（虽然它不叫这个名，但官方文档里写的是“兼容 Legacy JVM 模式”），效果反而好了不少。它开始尊重老版本的语法限制，不会随意引入新特性。这个调整让我意识到，不是工具不行，而是我们太依赖“最新”的东西，忽略了环境本身的约束。

我还试了一次用 Cursor 2.0 的“智能重构”功能，想把一个长方法拆分成几个短函数。它果然生成了新的类和方法签名，但完全没有考虑原有的调用链。结果一跑测试，发现原本传递进来的 null 指针在拆分后被忽略掉了——因为新函数里没做 null 检查。我手动加回来又花了半小时。事后看，如果当时先自己手动拆，再让工具辅助写边界条件，可能反而更稳。

说到性能数据，我做了个小对比：在同样的旧项目里，用传统 IDE（IntelliJ IDEA 2023.2）配合手动补全，平均一次函数修改耗时 8 分钟；而用 Cursor 2.0 的自动补全，看似快了不少，但因为频繁需要回滚和修复语法问题，平均实际有效编写时间是 11 分钟。RT 从 8 分钟11 分钟，这不是倒退是什么？

还有一个更深层的问题：Cursor 2.0 的上下文窗口虽然标称支持 256K token，但在处理跨多个历史 commit 的代码逻辑时，它会“忘记”前面的关键设计决策。比如我在一个工具类里加了个特殊校验规则，两周后它生成新代码时完全没继承这个逻辑，重新按通用方案写了，导致线上出现了一次漏判 bug。这让我想起之前踩过类似坑——去年我用过一个 AI 助手，它在生成订单状态机时，直接把“已支付”状态的锁定逻辑给去掉了，理由是“根据上下文看不出来有业务必要性”，结果上线就炸了。我当时还觉得是它不够聪明，现在想来，根本不是能力问题，而是它缺乏对“隐性约束”的理解。

我也试过把 Cursor 2.0 和本地 LLM 配合使用，比如用 Ollama 运行一个量化后的 CodeLlama-34B-Instruct，只在本地做静态分析和补全建议，再把复杂逻辑丢给云端模型。这样既保留了低延迟的优势，又避免了隐私泄露和网络依赖。不过代价是配置麻烦得多，得自己搭 API 网关、做请求路由、处理缓存策略。说实话，折腾这些的时间都快赶上直接手写了。

最让我动摇的一次，是周五晚上赶一个紧急修复。Cursor 2.0 突然提示它检测到当前文件存在“潜在安全漏洞”，然后自动给所有 SQL 拼接处加上了预编译参数。表面看挺贴心，但实际上那个方法本来就是防注入的，而且用的是 JPA 原生查询，根本不需要改。它瞎改之后，测试居然报错了——因为它把原本的 @Query 注解删掉了，改用动态拼接字符串。我当场就把它关了，手动改回来。那一刻我突然明白：有时候 AI 的“优化”反而是破坏。

所以现在我基本只用 Cursor 2.0 做两件事：一是快速写 boilerplate 代码，比如 DTO、Entity、Controller 骨架；二是查文档或解释某个报错信息。至于核心逻辑重构、敏感数据处理、边界情况判断，我还是坚持自己来，哪怕慢一点。毕竟，写出能跑的代码只是第一步，写出可维护、可追溯、可回滚的代码才是真正的工作。

如果你也像我一样，在处理老旧系统或者对稳定性要求极高的场景下，不妨别急着升级工具。先问问自己：我的环境真的准备好迎接下一代 AI 编程 IDE 了吗？还是说，我们只是在追逐热度，而忽略了实际交付的质量？

上周那件事之后，我把项目里的 Cursor 2.0 插件卸载了，换回了 1.6.x 版本。奇怪的是，那天下午我写的代码量比平时多了近一倍，而且没出任何严重 Bug。也许，慢一点，反而更快？

你在实际项目中有踩过类似的坑吗？或者有更好的解决方案？欢迎在评论区分享你的经验。