Cursor

> AI 原生代码编辑器 Cursor 近日正式发布 1.0 版本，迎来里程碑式升级。新版本全面开放 Background Agent 远程编程助手，引入 BugBot 智能审查修复 GitHub PR，优化 Jupyter Notebook 编辑体验，并推出实验性记忆功能。此外，Cursor 1.0 还简化了 MCP 服务器安装，支持 OAuth 认证，增强聊天窗口可视化，并提供全新仪表盘，旨在为开发者带来更智能、高效、无缝的编程体验。


AI 原生代码编辑器 Cursor 近日正式发布了其备受期待的 1.0 版本，标志着这款创新工具步入新的成熟阶段。 此次升级堪称一次全面而深刻的革新，不仅大幅提升了 AI 辅助编程的深度和广度，更在远程协作、智能调试、交互体验等多个维度进行了突破性优化，旨在为全球开发者提供一个更加智能、高效、无缝的编程环境。

![image.png](https://static.downly.cn/images/0b4e3b58f1b5aa35139caddc789cc60e.png)

Cursor 1.0 的发布，是其“AI 优先”理念的又一次实践，通过引入一系列前沿功能，重新定义了开发者与代码交互的方式。

### Background Agent 全民开放 远程编程助手触手可及

Cursor 1.0 最重要的改变之一，便是**全面开放了 Background Agent**，让所有用户都能使用这一强大的远程编程助手。
您可以通过单击聊天中的云图标或按 Cmd/Ctrl+E（如果您禁用了隐私模式）立即开始使用它。对于启用了隐私模式的用户，我们很快也会为您启用隐私模式！
![image.png](https://static.downly.cn/images/66dc56473b9565b0b5e99b3176a91519.png)


*   **远程协作** 开发者现在可以更便捷地进行远程开发，Agent 可以在远程服务器上运行，提供与本地开发环境无异的 AI 辅助和代码编辑能力。
*   **持续智能支持** 即使在本地 Cursor 应用关闭时，远程 Agent 也能持续运行，确保项目索引、代码分析等任务不中断，从而实现更快的启动速度和更流畅的开发体验。

这一举措极大地扩展了 Cursor 的应用场景，特别是在处理大型项目或进行分布式开发时，其优势将更加明显。

### BugBot 智能审查与修复 GitHub PR 自动纠错新利器

针对代码审查和 Bug 修复这一耗时环节，Cursor 1.0 引入了革命性的 **BugBot** 功能。

<video src="https://static.downly.cn/images/2a67e00309d13426876b80112316ce8e.mp4"  title="bug-bot-web.mp4"></video>

*   **自动 PR 审查** BugBot 能够自动审查 GitHub Pull Request，智能识别潜在的代码错误、逻辑缺陷或风格问题。
*   **快速修复建议** 更强大的是，它不仅能指出问题，还能直接生成高质量的修复建议，甚至提供可一键应用的补丁，极大地加速了代码审查和合并流程。
*   **提升代码质量** 帮助开发团队在代码集成前捕获并修复更多问题，有效提升项目整体代码质量。

BugBot 的加入，使得代码审查变得前所未有的高效和智能，减轻了开发者的负担。

### Jupyter Notebook 增强编辑 记忆功能提升上下文

Cursor 1.0 在提升特定开发工作流的体验上也下足了功夫。

<video src="https://static.downly.cn/images/10c6416dca03d6a0956f7c0f61acf56e.mp4"  title="jupyter-notebooks-web.mp4"></video>

*   **Jupyter Notebook 多单元格编辑** 开发者现在可以**通过 Agent 直接编辑 Jupyter Notebook 中的多个代码单元格**，这对于数据科学和机器学习领域的开发者来说，无疑是巨大的福音，提高了交互式编程的效率。
*   **实验性记忆功能** 新增的**实验性记忆功能**允许 Cursor 保存对话上下文，供后续的聊天和代码生成参考。这意味着 AI 助手将更好地理解你的长期需求和项目背景，提供更连贯、更精准的辅助。

这些改进使得 Cursor 不仅是代码编辑器，更是智能化的研发伙伴。

### 简化 MCP 安装与 OAuth 认证 便捷性与安全性并重

为了降低使用门槛并提升安全性，Cursor 1.0 进行了多项优化。

<video src="https://static.downly.cn/images/54665de5e02a1e9838b6bfa9b59286ce.mp4"  title="mcp-one-click.mp4"></video>

*   **一键安装 MCP 服务器** 简化了（MCP）服务的安装流程，实现**一键安装**。
*   **支持 OAuth 认证** 为用户提供了更安全、更便捷的身份验证方式，提升了账户管理的安全性和用户体验。

这些改进体现了 Cursor 对用户友好性和安全性的重视。

### 全新仪表盘洞察用量

使用新的 Dashboard，您可以查看个人或团队的使用情况分析、更新显示名称以及查看按工具或模型细分的详细统计数据。

![image.png](https://static.downly.cn/images/50eb5a8e7de04a4ed0a271673b13ad6e.png)


## AI 赋能开发 全面迈向智能协作新时代

Cursor 1.0 的正式发布，凭借其在远程编程、智能调试、交互体验和效率优化等方面的全面升级，无疑为 AI 辅助编程领域树立了新的标杆。 它不仅让开发者能够更便捷地接入 AI 能力，更通过 BugBot 等创新功能，实现了 AI 与核心开发流程的深度融合。


Cursor 1.0 描绘了一个更加智能、更少摩擦的开发未来，它将持续推动人机协作的边界，让开发者能够将更多精力投入到创新和解决复杂问题上。 随着这些强大功能的普及，我们有理由相信，AI 将在软件开发的全生命周期中发挥越来越重要的作用，彻底改变我们编写、测试和维护代码的方式。



Cursor 1.0 重磅发布 AI 编程能力全面跃升

> 近日，一位来自 Replit 团队（知名AI 编程公司，Lovable友商）的员工报告，Lovable平台存在严重的行级安全(`Row Level Security, RLS`)策略实现缺陷，导致未经授权的用户可以访问敏感数据并注入恶意内容。此外，平台的默认公开项目设置和remix功能进一步加剧了数据泄露风险。本文将详细阐述了漏洞的技术细节、影响范围、披露过程、各方回应以及安全建议，旨在提高开发者和用户对此类平台安全风险的认识。

Lovable是一家瑞典初创企业，其产品被定位为"软件体系的最后一块拼图"，通过AI技术极大降低开发门槛，使客户无需技术培训即可使用自然语言提示词创建网站及应用程序。作为"氛围编码"（vibe coding）领域的代表，Lovable在欧洲市场快速增长，被称为"欧洲版Cursor"。

## 1. 漏洞概述

2025年3月20日，Replit公司员工Matt Palmer及其同事发现Lovable平台存在严重安全漏洞（CVE-2025-48757），该漏洞涉及行级安全(RLS)策略实现不当，允许未授权用户访问敏感数据并注入恶意内容。此外，Lovable平台非Pro用户创建的项目默认为公开状态，结合其remix功能，进一步增加了数据泄露风险。

![](https://static.downly.cn/images/image-20250603091520914-1748913389378-1.png)

**CVE-2025-48757详情：**

![](https://static.downly.cn/images/image-20250603090338879.png)

## 2. CVE-2025-48757漏洞技术分析

### 2.1 漏洞本质

CVE-2025-48757漏洞的核心是Lovable平台在实现行级安全(RLS)策略时存在严重缺陷：

1.RLS配置缺失或错误：Lovable平台创建的应用程序常缺乏安全的RLS配置，导致数据库表缺少必要的访问控制。

2.客户端与后端安全策略不一致：客户端逻辑与后端权限控制(RLS)策略存在错位，前端实现的访问控制在后端没有得到有效执行。

3.身份验证绕过：攻击者可通过移除授权头部，将请求安全上下文从已认证用户变为未认证用户，从而绕过访问控制。

### 2.2 漏洞利用方式

在Lovable，只有Pro用户才能创建private项目，任何人都可以查看并使用remix的方式克隆他人的项目，这是一个非常重要的前提。

![](https://static.downly.cn/images/image-20250603084746944.png)

#### 2.2.1 数据访问漏洞

攻击者可以通过修改查询参数访问项目"用户"表中的所有数据。例如，在Linkable网站（一个由Lovable构建的将LinkedIn资料转化为个人网站的应用）中，Palmer能够查看约500名用户的电子邮件地址。

#### 2.2.2 数据修改漏洞

攻击者可以通过发送带有精心构造的有效载荷的POST请求插入新记录。在Linkable网站的案例中，研究人员成功通过设置"payment_status": "paid"绕过了Stripe支付集成，实现了未授权的数据写入。

### 2.3 技术架构问题

Lovable 为用户提供了一种简单的方法来连接到Supabase 的数据库服务，但存在配置不当问题。

![](https://static.downly.cn/images/image-20250603085004055.png)

Lovable平台的安全漏洞与其技术架构密切相关：

1.客户端驱动架构：Lovable应用主要以客户端驱动为主，将大量逻辑放在前端执行。

2.外部服务依赖：依赖外部服务(如Supabase)完成身份验证和数据存储等后端操作，增加了配置复杂性。

3.安全责任转移：将安全责任转移给应用程序的开发者，而非平台本身，但缺乏足够的安全指导和默认保护。

### 2.4 "安全扫描"功能的局限性

Lovable在4月24日推出的"安全扫描"功能存在严重局限：

1.该功能仅检查Supabase数据库是否启用了访问控制，而不检查控制选项是否正确配置。

2.提供虚假的安全感，无法检测到暴露数据的错误配置。

3.未解决底层RLS架构缺陷，即使在扫描后，应用仍可能存在漏洞。

## 3. 漏洞影响范围

### 3.1 受影响应用数量

在扫描的1,645个Lovable创建的应用中，约170个(10.3%)存在漏洞，涉及303个端点存在不充分的RLS设置。这表明RLS配置错误是一个系统性问题，而非孤立事件。

### 3.2 暴露数据类型

通过漏洞可能泄露的敏感数据包括：

•用户个人信息(姓名、电子邮件地址)

•财务信息

•API密钥(包括Google Maps、Gemini API、eBay等服务)

•个人债务金额

•家庭住址

•"擦边提示词"

### 3.3 潜在攻击场景

1.数据窃取：攻击者可获取用户个人信息和凭证，用于身份盗窃或定向攻击。

2.API滥用：获取的API密钥可被用于未授权访问第三方服务，可能导致财务损失。

3.数据篡改：攻击者可修改数据库内容，包括支付状态、用户权限等。

4.服务中断：通过删除或破坏数据，可能导致服务不可用。

## 4. 漏洞披露过程

### 4.1 时间线

1.2025年3月20日：初次发现Linkable网站(Lovable构建)的漏洞。

2.2025年3月21日：识别出更广泛的RLS配置错误问题，并通过电子邮件通知Lovable。

3.2025年3月24日：Lovable确认收到邮件，但未回复。

4.2025年4月14日：

•Palantir工程师Danial Asaria独立发现并公开发推文谈论同一漏洞。

•Palmer再次通知Lovable，引用公开利用情况，并启动45天披露窗口期。

5.2025年4月24日：Lovable发布"Lovable 2.0"，增加"安全扫描"功能，但未解决底层RLS架构缺陷。

6.2025年5月24日：Palmer对Linkable网站进行再次评估，发现仍存在数据操纵和注入等严重安全问题。

7.2025年5月29日：由于Lovable未采取有效修复措施或通知用户，Palmer发布CVE编号。

### 4.2 Lovable的回应与措施

1.初次回应：否认存在漏洞，随后删除相关推文和网站。

2.临时措施：Linkable重新上线并开始收取2美元费用。

3.安全功能：推出"安全扫描"功能，但仅检查Supabase数据库是否启用了访问控制，未检查配置是否正确。

4.公开声明(5月30日)："与几个月前相比，Lovable现在在构建安全应用方面有了显著提升，并且还在快速改进。话虽如此，我们的安全水平尚未达到预期，我们将致力于持续提升所有Lovable用户的安全状况。"

## 5. 默认公开项目与Remix功能的安全风险

### 5.1 默认公开项目机制

根据Lovable官方隐私政策和用户补充信息，非Pro用户创建的项目默认为公开状态：

"如果您的项目设置为'公开'，那么提示和代码可以被其他用户看到。您的公开项目也可以被remix并用作其他项目的起点。私有项目不可被remix，其代码和提示对其他用户不可见。" —— Lovable隐私政策，"用户内容可见性"部分

这一默认设置意味着：

1.非Pro用户的项目代码、提示词和配置默认对所有人可见。

2.用户需要主动将项目设置为私有，但这通常需要升级到付费计划。

3.许多用户可能不知道自己的项目是公开的，尤其是缺乏技术背景的新手。

### 5.2 Remix功能及其风险

Lovable的Remix功能允许用户克隆并修改其他公开项目：

1.配置复制：Remix会复制原项目的代码、结构和配置，包括可能存在的不安全设置。

2.凭证泄露：如果原项目包含硬编码的API密钥、数据库连接字符串或其他凭证，这些也会被复制到新项目中。

3.权限继承：新项目可能继承原项目的不安全权限设置，导致相同的漏洞在多个项目中传播。

### 5.3 组合风险分析

默认公开项目与Remix功能相结合，形成了严重的安全风险链：

1.漏洞传播：一个存在RLS配置错误的公开项目可能被多次remix，导致漏洞在生态系统中快速传播。

2.凭证暴露链：一个包含API密钥的公开项目被remix后，这些凭证可能被更多人看到并滥用。

3.安全意识差距：缺乏安全知识的用户可能不了解公开项目和remix带来的风险，无意中暴露敏感信息。

4.难以追踪：当漏洞通过remix传播时，很难追踪源头并通知所有受影响用户。

## 6. 安全专家观点

### 6.1 SentinelOne首席信息安全官Alex Stamos

•Web应用程序最佳实践要求完全避免让用户直接访问数据库。

•应用程序应当确定用户可以访问哪些信息，再据此执行数据交付。

•允许用户直接接入数据库存在巨大风险，即使有正确处理方法，成功率也极低。

### 6.2 Replit公司CEO Amjad Masad

•不能期望新手开发者理解并掌握底层安全配置。

•如果一款工具号称能轻松部署应用程序，就必须确保这些应用程序的安全性。

•氛围编码工具应该提供安全默认设置，而不是将安全责任完全转嫁给用户。

## 7. 安全建议

### 7.1 对Lovable平台的建议

1.实施安全默认设置：所有项目默认应为私有，只有在用户明确选择后才设为公开。

2.改进RLS实现：提供预配置的安全模板和自动化工具，确保正确实施RLS策略。

3.增强安全扫描：扩展当前的安全扫描功能，不仅检查RLS是否启用，还应验证其配置是否正确。

4.用户通知机制：建立机制通知用户潜在的安全问题，特别是当他们的项目包含敏感数据时。

5.沙箱环境：为氛围编码应用提供沙箱环境，限制可能造成的损害。

### 7.2 对Lovable用户的建议

1.项目可见性审查：检查所有项目的可见性设置，确保包含敏感信息的项目设为私有。

2.避免存储敏感数据：不要在Lovable项目中存储API密钥、凭证或个人敏感信息。

3.定期安全审查：定期检查项目的安全设置，特别是在更新后。

4.使用环境变量：对于需要API密钥的项目，使用环境变量而非硬编码。

5.限制数据访问：实施最小权限原则，限制应用对数据的访问范围。

### 7.3 对氛围编码行业的建议

1.建立安全标准：制定氛围编码平台的安全最佳实践和标准。

2.责任明确化：明确平台提供商和用户在安全方面的责任边界。

3.安全教育：提供针对非技术用户的安全意识培训和资源。

4.防御深度：实施多层次安全控制，不仅依赖单一防护措施。

5.透明度：平台应公开其安全措施和限制，帮助用户做出明智决策。

## 8. 结论

Lovable平台的CVE-2025-48757漏洞以及默认公开项目与remix功能带来的额外风险，凸显了氛围编码工具在安全实践方面的重大挑战。虽然这些工具极大地降低了软件开发的门槛，但同时也带来了新的安全风险，特别是当用户缺乏安全知识时。

平台提供商需要认识到，随着开发工具的民主化，安全责任不应完全转嫁给用户。相反，应该提供安全默认设置、自动化安全检查和清晰的风险通知。同时，用户也应提高安全意识，了解这些平台的限制和潜在风险。

随着氛围编码和AI辅助开发工具的持续发展，行业需要建立新的安全范式，在保持易用性的同时确保应用安全。只有通过平台提供商、用户和安全社区的共同努力，才能实现这一平衡。

## 参考资料

1.Matt Palmer. (2025). Statement on CVE-2025-48757. https://mattpalmer.io/posts/statement-on-CVE-2025-48757/

2.Semafor. (2025). The hottest new vibe coding startup may be a sitting duck for hackers. https://www.semafor.com/article/05/29/2025/the-hottest-new-vibe-coding-startup-lovable-is-a-sitting-duck-for-hackers

4.Matt Palmer. (2025). Twitter/X Post on Lovable Vulnerability. https://x.com/mattppal/status/1928106325613105370

5.Lovable. (2024). Privacy Policy. https://lovable.dev/privacy

6.Bay Tech Consulting. (2025). An Analysis of Loveable AI: Features, Pricing, Value, and Market Position 2025. https://www.baytechconsulting.com/blog/an-analysis-of-loveable-ai-features-pricing-value-and-market-position-2025





"欧洲版Cursor"遭友商狙击 - Replit团队揭露Lovable平台数据泄露漏洞

> 在现代前端开发中，设计师与开发者之间的协作一直存在挑战。设计师创建精美的原型，开发者需要将其转化为代码，这个过程往往充满摩擦和误解。Onlook的出现，为这个痛点提供了创新解决方案——一个真正的"设计师的Cursor"，让可视化编程成为现实。

Onlook是一个开源的可视化代码编辑器，专为React生态系统设计。它允许开发者和设计师通过直观的可视化界面来构建、编辑和优化React应用程序，同时保持代码的完整性和可维护性。

![Onlook界面展示](https://static.downly.cn/images/image-20250602213811159.png)

## 1. 核心特性

### 🎨 可视化编程体验
- **类Figma界面设计**：熟悉的设计工具体验
- **实时预览编辑**：所见即所得的开发模式
- **拖拽式布局**：直观的组件排列方式

### 🚀 AI驱动开发
- **自然语言编程**：通过对话生成和修改代码
- **智能代码优化**：自动提供最佳实践建议
- **多模态输入**：支持文本、图像快速创建应用

### ⚡ 无缝代码集成
- **深度框架支持**：专为Next.js + TailwindCSS优化
- **实时双向同步**：可视化编辑与代码变更同步
- **精准代码定位**：右键直接跳转到对应代码行

### 🌸 增强功能特性
Onlook的AI功能超越了简单的代码生成，提供真正的智能编程助手：

- **上下文理解**：深度分析项目结构和代码逻辑
- **智能建议**：基于最佳实践的编辑建议
- **复杂组件生成**：从描述创建完整的功能组件
- **代码结构优化**：自动重构和性能优化
- **编辑器集成**：支持VSCode、Cursor、WindSurf、Zed等主流编辑器
- **样式精确控制**：可视化查看和编辑CSS样式细节

**示例 - Onlook编辑器配置：**

![编辑器配置界面](https://static.downly.cn/images/image-20250602224311389.png)

## 2. 技术架构深度解析

### 2.1 创新架构设计

Onlook采用了独特的三层架构，巧妙解决了可视化编辑与代码同步的技术难题：

```bash
┌─────────────────┐    ┌──────────────────┐    ┌─────────────────┐
│   Web Container │────│   Editor Core    │────│   Visual UI     │
│   (Code Runner) │    │   (Code Index)   │    │   (iFrame)      │
└─────────────────┘    └──────────────────┘    └─────────────────┘
```

**核心工作流程：**

1. **代码加载**：项目代码导入Web容器环境
2. **服务启动**：容器运行并提供实时预览服务
3. **界面渲染**：编辑器通过iFrame展示应用界面
4. **结构索引**：实时解析和索引代码结构
5. **元素映射**：建立DOM元素与源码的精确对应关系
6. **双向同步**：编辑操作同时更新界面显示和源代码

### 2.2 技术栈选型

**前端技术栈：**
- **Next.js**：提供SSR和优秀的开发体验
- **TailwindCSS**：原子化CSS，便于可视化编辑
- **React**：组件化架构，便于元素映射操作

**后端服务：**
- **Supabase**：提供数据库和身份认证服务
- **Drizzle**：类型安全的现代ORM解决方案

**开发工具：**
- **Bun**：高性能JavaScript运行时和包管理器
- **Electron**：跨平台桌面应用框架

## 3. 核心功能深度体验

### 3.1 智能图层管理系统

图层系统提供了专业设计工具级别的层级管理能力：

- **清晰的组件层级结构**：树形展示页面组件关系
- **快速元素定位**：点击图层直接选中对应元素
- **组件关系可视化**：直观理解组件间的嵌套关系

![图层管理界面](https://static.downly.cn/images/image-20250602231246322.png)

选择页面中的任意元素，在右侧"样式"面板中可以查看该组件的详细样式属性：

![样式面板展示](https://static.downly.cn/images/image-20250602220920393.png)

### 3.2 响应式设计编辑

响应式编辑功能为开发者提供了强大的多端适配能力：

- **实时视口调整**：动态改变预览窗口尺寸
- **多端同步测试**：同时查看不同屏幕尺寸效果
- **可视化响应式编辑**：直观调整断点样式

**示例 - PC端与移动端同步渲染：**

![响应式编辑界面](https://static.downly.cn/images/image-20250602221044151.png)

**示例 - 可视化优化响应式布局：**

![响应式优化过程](https://static.downly.cn/images/image-20250602225534683.png)

> ⚠️ **注意**：通过拖拽方式修改元素尺寸时，生成的固定宽高代码可能会破坏原有的响应式布局设计。

### 3.3 AI自然语言编程

这是Onlook最具创新性的功能之一。选中任意页面元素后，即可通过自然语言描述来修改和优化组件：

![AI编程界面](https://static.downly.cn/images/image-20250602233315572.png)

> 💡 **体验提示**：目前AI功能的响应速度和准确性还有提升空间，建议作为辅助工具使用。

### 3.4 版本历史管理

Onlook提供了类似Cursor、WindSurf的版本回退功能：

- **对话版本控制**：每次AI对话自动生成Git提交
- **一键回退**：点击"Revert"即可撤销对话修改
- **完整历史记录**：保留所有编辑操作的历史轨迹

![版本管理界面](https://static.downly.cn/images/image-20250602231355170.png)

> ⚠️ **潜在问题**：
> 1. **提交记录污染**：会在Git历史中产生大量自动提交记录
> 2. **代码侵入性修改**：首次使用时会修改所有TSX文件，添加`data-oid`属性用于元素映射

![Git提交记录](https://static.downly.cn/images/image-20250602223840594-1748878604348-10.png)

![代码修改示例](https://static.downly.cn/images/image-20250602225832150.png)

## 4. 使用场景与建议

### 4.1 最佳适用场景

**推荐使用场景：**
- **快速原型开发**：验证设计想法和用户体验
- **UI组件库构建**：可视化创建和调试组件
- **设计系统实现**：将设计规范转化为代码
- **教学和学习**：帮助初学者理解前端开发
- **中小型项目**：非关键业务的快速开发
- **辅助编程工具**：配合Cursor、WindSurf等提高效率

### 4.2 使用注意事项

**限制与挑战：**
- **复杂业务逻辑**：仍需传统编程方式实现
- **团队协作适应**：需要调整现有工作流程
- **代码审查流程**：需要适配自动生成代码的审查机制
- **项目代码侵入**：会修改现有代码结构，建议在独立分支测试

### 4.3 最佳实践建议

1. **项目隔离**：在独立分支或测试项目中尝试
2. **渐进式采用**：从简单组件开始，逐步扩展使用范围
3. **代码审查**：对AI生成的代码进行人工审查和优化
4. **版本控制**：合理管理Git提交历史，定期清理无用提交

## 5. 技术前景与发展趋势

### 5.1 产品成熟度评估

**当前优势：**
- 创新的可视化编程理念
- 开源透明的发展模式
- 活跃的社区参与度
- 与主流技术栈的深度集成

**待改进方面：**
- AI功能的准确性和响应速度
- 代码生成质量的一致性
- 对现有项目的侵入性
- 复杂场景的支持能力

### 5.2 行业影响与意义

Onlook代表了前端开发工具演进的重要方向：

- **降低开发门槛**：让更多人参与前端开发
- **提升开发效率**：减少重复性的UI编码工作
- **促进协作**：缩短设计到开发的转化周期
- **推动创新**：探索AI与传统开发的结合方式

## 6. 结语

从实际体验来看，Onlook目前仍处于发展阶段，但其探索方向极具前瞻性。作为一个开源项目，它不仅仅是一个开发工具，更代表了前端可视化开发的重要探索。

通过将可视化设计与代码编写无缝结合，Onlook为开发者提供了全新的创作体验。随着技术的不断完善和社区的持续贡献，它有望成为前端开发生态中的重要组成部分。

设计师的Cursor - 开源Onlook可视化编程实战

2025年5月27日，Trae.ai 1.4 国际版（[trae.ai](https://trae.ai)）发布 ，开启收费模式，“白嫖”时代正式落幕（国内版目前依旧免费）。


## 如何选择Trae国际版还是国内版？

简单的说，国际版提供了更优秀的AI模型，所以无脑选择国际版就行了。Trae国际版可以使用`Gemoni-2.5 Pro`、`GPT-4.1`、`GPT-4o`“超级模型”和Gemini-2.5 Flash高级模型，其余并无差别。

| 特性     | Trae国际版                     | Trae国内版     |
| :------- | :----------------------------- | :------------- |
| 官网地址 | trae.ai                        | trae.com.cn    |
| 注册方式 | 邮箱（谷歌/Apple）注册登录     | 手机号注册登录 |
| 适用地区 | 国际地区（不支持大陆地区使用） | 中国大陆地区   |

[Trae 1.4 国际版](https://trae.ai/) 和 [Trae 0.6国内版](https://www.trae.com.cn/) 支持的模型对比：

![](https://static.downly.cn/images/image-20250528144251062.png)

简单的说就是Trae国际版（Windows）可以使用`Gemoni-2.5 Pro`、`GPT-4.1`、`GPT-4o`“超级模型”和Gemini-2.5 Flash高级模型，其余并无差别，而让人无语的是Mac国际版本居然额外的支持Claude 3.5、3.7、4.0。

## 模型支持对比

| 特性         | Trae国际版                                     | Trae国内版                         |
| :----------- | :--------------------------------------------- | :--------------------------------- |
| 支持的AI模型 | GPT-4o、Claude 3.5/3.7/4.0 Sonnet、DeepSeek R1 | DeepSeek V3/R1、Doubao-1.5 Pro     |
| 上下文长度   | 支持128k上下文长度                             | 根据模型不同有所差异               |
| 多模态支持   | 支持图片上传（除DeepSeek相关模型外）           | 暂不支持多模态                     |
| 中文支持     | 支持但非优化重点                               | 针对中文代码理解和本土开发框架优化 |



## 1.4版本收费政策对比

| 特性     | Trae国际版                                | Trae国内版         |
| :------- | :---------------------------------------- | :----------------- |
| 收费模式 | 1.4版本开始推出Pro付费订阅                | 目前仍保持免费策略 |
| 价格     | 月付$10，年付约650元人民币                | 免费               |
| 首月优惠 | 首月仅$3                                  | 不适用             |
| 支付方式 | 支持支付宝支付，无需海外信用卡            | 不适用             |
| 发票服务 | 提供发票（需在官网Plan & Billings中申请） | 不适用             |

## Trae使用体验对比

| 特性         | Trae国际版                         | Trae国内版                                |
| :----------- | :--------------------------------- | :---------------------------------------- |
| 排队情况     | 免费版需排队，Pro版无需排队        | 因使用国产大模型，排队情况相对较轻        |
| 响应速度     | 取决于所选模型和网络环境           | 针对国内网络环境优化，响应速度提升40%以上 |
| 功能完整性   | 完整支持所有功能                   | 完整支持所有功能                          |
| 代码生成质量 | 依赖国际顶尖模型，适合复杂代码生成 | 针对中文需求和本土框架优化                |



## 那些年，我们在Trae的免费队伍里

用过 Trae 免费版的小伙伴都知道，它就像一个热情但人手不够的服务员，时不时就让你等等等等等。尤其是在写代码写到思路飞起的时候，突然来个“请排队”的提示，那感觉，就像是约了女神吃饭结果被告知得等位两个小时一样令人崩溃。

![](https://static.downly.cn/images/20250528041517.973267775.png)

虽然是免费的，咱也不好说啥，毕竟“白嫖”一时爽，一直“白嫖”一直爽的可能性在互联网时代越来越低了。大家也就忍了，毕竟能有个AI帮写代码，总比自己一个字一个字敲强。

## Trae 1.4 版本开始免费时代正式下线！10$能换来什么？

2025 年 5 月 27 日，更新后显示更新日志。Trae 1.4.0 版本正式发布。模型效果全面进阶，使用体验显著增强。全新上线**付费免排队**能力。新用户首充 3 美金（续费10$），可获得 600 次免排队，支持超级模型调用，效率飙升，快来体验！以下是变更细节：

### 付费免排队能力

- 新用户首充 **3 美金，可用 600 次**快速队列。
- 超级模型（Claude-4/3.7/3.5-Sonnet、Gemini-2.5-Pro 等）快速队列体验更丝滑。
- 新增账号管理，及时查看模型及队列用量，选购限时容量包，低至 0.02 美金/次快速队列。

### 优化模型效果

- 优化 Agent 能力，使之**更 Agentic 化**，让 AI 更自主的决策，进而提升生成效果和用户体验。
- 扩充了 AI 可自主调用的工具，减少编程时的人工依赖，编程更流畅。
- 多轮对话上下文更连贯，**通过"继续"指令无缝衔接执行**，任务完成率更高。

### 支持“分享智能体、开箱即用”

- **智能体一键分享与导入**，快速复用 Prompt 和 MCP 配置。
- 新增对 Python、Java、Go 等语言的环境配置引导。

就在大家“等等”习惯了的时候，Trae 国际版 1.4 版本悄悄上线，带来了个重磅消息：要收费了！而且，价格低到惊掉下巴 首月仅3美元！

![](https://static.downly.cn/images/image-20250528134641759.png)

这10美元，官方的意思很明确：就是来拯救你们这些“等等党”的！付费之后，告别排队，享受丝滑的AI编程体验。想象一下，敲代码的时候，AI助手随时待命，无需等待，这效率提升得简直是“坐火箭”啊！

而且，这个价格，对比一下同行们，简直是“价格屠夫”级别的。Cursor 这种在开发者圈子里口碑不错的AI编程IDE，月费通常在20美元左右。这么一比，Trae 的10美元，简直是“买不了吃亏，买不了上当”的节奏啊！

## 10美元的“价格屠夫” 能否硬刚20美元的“老大哥”？

Trae 这波低价操作，明摆着就是要来抢 Cursor 的饭碗。一个10美元，一个20美元，这差距可不是一星半点。对于很多个人开发者或者小型团队来说，10美元的门槛简直是太友好了。

![](https://static.downly.cn/images/20250528041342.271745989.png)

但这就像是拳击比赛，体重量级不一样，但能不能打赢，还得看真本事。Cursor 毕竟在 AI 编程领域耕耘了一段时间，其AI模型的训练、功能的完善程度、对各种编程语言和框架的支持，都有一定的积累。它的20美元，很大程度上是建立在其提供的强大价值和稳定服务之上的。

那么问题来了：Trae 的10美元，除了能告别排队，还能提供什么样的AI编程能力呢？它会不会因为价格太低，而在核心功能上存在“致命问题”？

## 低价背后的“隐患” 别只顾着看价格！

别光看10美元便宜！如果Trae的AI模型本身不够聪明，给出的代码建议错误百出，或者只能处理一些简单的场景，那即使不排队，也只是“不排队地写烂代码”啊！

![](https://static.downly.cn/images/20250528041415.710110364.png)

**大家心里打鼓的“致命问题”可能是：**

*   **AI智商不够高？** 10美元能请到的AI，会不会只能完成一些基础任务，遇到复杂代码就“懵圈”了？写出的代码质量不如 Cursor？
*   **功能太简陋？** 除了基本的代码补全，像高级的代码重构、深度调试集成、智能bug查找等功能，会不会是阉割版？
*   **服务不稳定？** 虽然不排队了，但会不会时不时抽风，或者遇到bug没人管？
*   **更新跟不上？** 价格太低，研发投入会不会不足，导致功能更新缓慢，跟不上技术发展？

要知道，开发一个真正好用的AI编程IDE，需要巨大的技术投入和持续的迭代。10美元的价格，是否真的能支撑起一个强大且持续进步的AI编程平台？

## 告别排队是真香，但真香还是真坑？得用了才知道

总的来说，字节跳动 Trae 国际版 1.4 版本告别免费，以每月10美元的超低价杀入付费市场，并且承诺解决排队问题，这无疑是一个非常有吸引力的举措。对于那些受够了排队，又不想花太多钱的开发者来说，这可能是个不错的选择。

但它能否真正挑战 Cursor 的地位，甚至成为开发者的新宠，还得看它在10美元的价格下，能否提供一个功能足够强大、AI足够智能、服务足够稳定的编程体验。别光看价格，功能才是硬道理啊！

所以，Trae 1.4 版本究竟是“真香”还是“真坑”？各位开发者们，是时候掏出你们的10美元，亲自去试试看了！毕竟，实践才是检验AI的唯一标准！


字节跳动 - Trae 1.4 终结“白嫖”时代，它变好用了吗？

> Claude 4是Anthropic公司在2025年5月22日发布的最新一代AI模型，包括两个版本：Claude Opus 4和Claude Sonnet 4。这两款模型相比前代产品带来了显著的能力提升，尤其在编码、推理和AI代理能力方面取得了突破性进展。Claude 4代表了Anthropic迈向更安全、更强大的AI系统的重要一步，提供了新的交互方式和工具集成能力。
>
> 本文旨在全面分析Claude 4的技术能力、性能表现和实际应用场景，通过与其他顶级AI模型的比较，帮助读者深入了解Claude 4的优势和局限性，为AI开发和应用提供参考依据。

### Claude 4版本特性：

- Claude 4包括Opus 4和Sonnet 4两个版本，针对不同需求和预算
- 在编码能力方面，Claude 4在SWE-bench上达到72.5%-72.7%的表现，领先行业
- 新增扩展思考(Extended Thinking)功能，可结合工具使用提升复杂问题解决能力
- 显著改进的记忆能力和持续工作能力，可连续工作长达7小时
- 在多项基准测试中超越GPT-4和Gemini 2.5 Pro

## 2. Claude 4 版本特性

![image-20250526174151379](https://static.downly.cn/images/image-20250526174151379.png)

### 核心技术进步

Claude 4模型在以下方面带来了显著的技术进步：

1. **扩展思考与工具使用(beta)：** 两个模型都能在扩展思考过程中使用工具，如网络搜索，允许Claude在推理和工具使用之间交替，以提高响应质量。
2. **新模型能力：** 两个模型都能并行使用工具，更精确地遵循指令，并且在开发人员提供本地文件访问权限时，显著提升记忆能力，能够提取和保存关键事实以维持连续性和随时间构建隐性知识。
3. **记忆增强：** Claude Opus 4在记忆能力方面大幅超越所有先前的模型。当开发人员构建提供Claude本地文件访问权限的应用程序时，Opus 4擅长创建和维护"记忆文件"以存储关键信息。
4. **减少捷径行为：** 在特别容易出现捷径和漏洞的代理任务上，两个模型都比Sonnet 3.7减少了65%的这种行为。

![Claude 4 models lead on SWE-bench Verified](https://static.downly.cn/images/F09a6d5aa47c25cb2037efff9f486da4918f77708.webp)

Claude 4模型在SWE-bench Verified测试中的领先表现，这是一个衡量真实软件工程任务性能的基准测试



## 3. 扩展思考功能(Extended Thinking)

扩展思考是Claude 4的一项重要创新功能，它使Claude能够在提供最终答案之前进行增强推理，同时提供对其逐步思考过程的不同级别的透明度。

### 工作原理

启用扩展思考后，Claude会创建"思考"内容块，其中输出其内部推理过程。Claude在制作最终响应之前会整合这些推理中的洞察。API响应将包含思考内容块，然后是文本内容块。

#### 使用扩展思考的关键点：

- **思考预算：** budget_tokens参数决定Claude允许用于内部推理过程的最大token数。较大的预算可以通过对复杂问题进行更彻底的分析来提高响应质量。
- **思考总结：** Claude 4模型返回Claude完整思考过程的摘要，提供扩展思考的全部智能优势，同时防止滥用。
- **交错思考：** Claude 4模型支持交错思考，使Claude能够在工具调用之间进行思考，并在接收到工具结果后进行更复杂的推理。

### 扩展思考与工具使用

扩展思考可以与工具使用结合，允许Claude推理工具选择和结果处理。使用工具的扩展思考支持交错思考，这使得Claude能够：

- 在决定下一步操作之前推理工具调用的结果
- 在中间有推理步骤的情况下链接多个工具调用
- 基于中间结果做出更细微的决策

> 交错思考是Claude 4的一项重大创新，允许模型在工具调用之间进行复杂推理，极大地提高了其解决多步骤问题的能力。



## 4. 性能评测与基准测试

Claude 4模型在多项权威基准测试中展现了卓越的性能，特别是在编码和复杂推理任务方面。以下是关键基准测试的结果分析：

![2025052414324231](https://static.downly.cn/images/2025052414324231.png)

### 编码能力

在软件工程基准测试中，Claude 4模型取得了令人印象深刻的成绩：

| 基准测试                | Claude Opus 4 | Claude Sonnet 4 | GPT-4.1    | Gemini 2.5 Pro |
| :---------------------- | :------------ | :-------------- | :--------- | :------------- |
| SWE-bench Verified      | 72.5%         | 72.7%           | 54.6%      | 63.8%          |
| Terminal-bench          | 43.2%         | ~42%            | 数据不可用 | 数据不可用     |
| 高计算条件下的SWE-bench | 79.4%         | 80.2%           | 数据不可用 | 数据不可用     |

### 知识与推理能力

| 基准测试                | Claude Opus 4 | Claude Sonnet 4 | GPT-4.1    | Gemini 2.5 Pro |
| :---------------------- | :------------ | :-------------- | :--------- | :------------- |
| MMLU (扩展思考)         | 87.4%+        | 85.4%+          | 80.1%      | 数据不可用     |
| GPQA Diamond (扩展思考) | 74.9%+        | 70.0%+          | 数据不可用 | 数据不可用     |
| AIME (扩展思考)         | 33.9%+        | 33.1%+          | 数据不可用 | 18.8%          |

![Claude 4 models deliver strong performance across various tasks](https://static.downly.cn/images/image-20250526174151019.png)

Claude 4模型在编码、推理、多模态能力和代理任务方面的强大表现

### 实际应用评测

根据16x Eval的实际测试，Claude 4模型在多项实际开发任务中表现卓越：

![image-20250526172615571](https://static.downly.cn/images/image-20250526172615571.png)

## 5. 与竞争对手的比较

### Claude 4 vs GPT-4.1 vs Gemini 2.5 Pro

根据最新的评测数据，这三款顶级AI模型各有优势：Claude 4在编码能力方面领先，GPT-4.1在效率和延迟方面表现最佳，而Gemini 2.5 Pro则在多模态处理尤其是视频理解方面占据优势。

### 优势领域比较

![image-20250526172642615](https://static.downly.cn/images/image-20250526172642615.png)

### 价格比较

| 模型            | 输入价格(每百万tokens) | 输出价格(每百万tokens) | 特殊考量                        |
| :-------------- | :--------------------- | :--------------------- | :------------------------------ |
| Claude Opus 4   | $15                    | $75                    | 通过提示缓存可节省最多90%成本   |
| Claude Sonnet 4 | $3                     | $15                    | 通过批处理可节省最多50%成本     |
| GPT-4.1         | $2                     | $8                     | 最实惠的高性能模型              |
| Gemini 2.5 Pro  | $2.50                  | $15                    | 超过200K tokens的提示价格会增加 |

> 真正的问题不是哪个模型"最好"，而是哪个模型最适合您的特定用例、预算和风险承受能力。

## 6. 应用场景与实际案例

Claude 4适用于各种高级AI应用场景。以下是一些关键用例和实际案例：

 ![image-20250526172728471](https://static.downly.cn/images/image-20250526172728471.png)



## 7. 新API功能与开发工具

随着Claude 4的发布，Anthropic还推出了四项新的API功能，使开发者能够构建更强大的AI代理：代码执行工具、MCP连接器、文件API和缓存提示长达一小时的功能。

![image-20250526173456911](https://static.downly.cn/images/image-20250526173456911.png)

### Claude Code

现已全面推出的Claude Code带来了Claude的强大功能，拓展到了更多的开发工作流程——在终端、您喜欢的IDE以及使用Claude Code SDK在后台运行。

#### IDE集成

Cursor 0.5版本已经支持Claude4，WindSurf需要在官网配置Claude API Key才可使用Claude4。

![image-20250526181527457](https://static.downly.cn/images/image-20250526181527457.png)

#### Claude Code SDK

Anthropic发布了可扩展的Claude Code SDK，使您能够使用与Claude Code相同的核心代理构建自己的代理和应用程序。他们还发布了SDK可能性的示例：Claude Code on GitHub，现处于测试阶段。



## 8. 使用建议

![image-20250526173642204](https://static.downly.cn/images/image-20250526173642204.png)

### 优化扩展思考功能

#### 最佳实践

- **预算优化：** 最小预算为1,024个token。建议从最小值开始，逐步增加思考预算，以找到适合您的用例的最佳范围。
- **起点：** 对于复杂任务，从较大的思考预算(16k+tokens)开始，并根据您的需求进行调整。
- **大型预算：** 对于超过32k的思考预算，建议使用批处理以避免网络问题。
- **Token使用跟踪：** 监控思考token的使用情况，以优化成本和性能。

#### 性能考虑

- **响应时间：** 准备好可能因推理过程所需的额外处理而导致的响应时间较长。
- **流式处理要求：** 当max_tokens大于21,333时，需要流式处理。



## 9. 总结与展望

Claude 4代表了Anthropic在AI能力发展方面的重大飞跃，特别是在编码、复杂推理和AI代理方面。Claude Opus 4和Claude Sonnet 4为不同需求和预算提供了选择，两者都在基准测试中表现卓越。

扩展思考功能和工具使用的结合为解决复杂问题开辟了新的可能性，而新的API功能为开发者提供了构建更强大AI应用的工具。随着AI行业的快速发展，Claude 4为人工智能的未来发展树立了新的标准。

### 未来展望

AI模型竞赛远未结束，而是在加速。Anthropic的目标是到2027年实现120亿美元的收入，而OpenAI的宏伟目标是创建一个"代理软件工程师"，能够端到端地编程整个应用程序。

随着技术的不断演进，我们可以期待在以下方面看到更多进步：

- 更长时间运行的代理能力
- 增强的工具使用和系统集成
- 更精确的推理和问题解决
- 更深入的专业领域知识
- 改进的多模态理解和生成



> AI模型正在以前所未有的速度发展，而Claude 4在这场全球性的智能竞赛中确立了自己的地位，特别是在编码和复杂推理能力方面。

无论您是押注于下一个突破的初创公司创始人，还是为AI战略选择骨干的财富500强开发者，Claude 4都代表了人工智能的当前巅峰。未来正在用代码书写，而这些AI模型正在执笔。

最强编程模型 - Anthropic Claude 4 深入分析报告

去年，在我第一次使用`Bolt.new`的时候体验到了它非常强大的"一键式开发+部署能力"，只需要简单的提示词或者一张截图就能生成漂亮的前端页面（默认支持多端自适应）。 但是缺点也非常明显，那就是在开发一个稍微大一点的项目（5-10个页面，一个页面500行左右）的时候Token非常不够用，我粗略的计算了下，只要稍微给点强度，三天之内就可以把1000w Token用完。

那个时候我还没意识到"Bolt.new"的Token究竟会跑的有多快，只是认为这一切可能都是正常的情况，毕竟它1000W Token摆在那儿，看起来已经很"良心"了。那段时间我用"Bolt.new"给我优化了多个前端页面，整体效果还是非常不错的也的确给我带来了较大的效率提升。

简单的展示一下我去年开发的一个"网络空间测绘平台"，前端使用了"Bolt.new"优化，整体效果如下：

![20250525012344.png](https://static.downly.cn/images/20250524172439.478551638.png)

还有一个花了一晚上使用`Bolt.new`开发的小破站：https://resonant-seahorse-bf278a.netlify.app/。

我在Taobao买了2次 `Bolt.new`才勉强把几个页面优化完，后来实在感觉太贵了改用WindSurf后就不再续费了。 ![20250525010749.png](https://static.downly.cn/images/20250524170902.404523006.png)

## 再次尝试 - Token消耗之谜揭晓

时隔半年，我再次登录`Bolt.new`，发现居然还是Pro（有点莫名其妙），既然如此，何不再次尝试一下呢？ 不知道是从什么时候开始，`Bolt.new`已经支持了从Github导入项目，正好我Github上有一个基于Next.js的前端项目：[downly.cn](https://www.downly.cn/)，于是我就开始了今天的"AI编程体验"。

先说结果，`Bolt.new`的操作还是比较丝滑的（相比[Lovable](https://lovable.dev/)基本没有任何优势）。但是这并不能掩盖它致命的缺陷"慢"、"疯狂消耗Token"！ 下面请看我现在的Token使用情况： 
![Description](https://static.downly.cn/covers/20250524170755.907352209.png)

是的，没错，1000W Token，它已经被我用完了。我甚至只提了一个需求（Build错误的时候自动修复了大约3次）！ ![20250525015144.png](https://static.downly.cn/images/20250524175853.187847850.png) 

这就有点离谱了，我审计了它修改的代码（Bolt.new每次修改都会提交到Github），终于明白了问题所在。 `Bolt.new`总计给我修改了4次，其中有3次都是在修改Build错误，下面是它的Github提交记录： 
![20250525020436.png](https://static.downly.cn/images/20250524180455.439267920.png)

具体修改的代码如下： 

![20250525020339.png](https://static.downly.cn/images/20250524180645.069161353.png)



## Token消耗的根本原因

是的，它只是修改了5行代码！然而，它为了修改这5行代码，它把整个页面都原封不动的重写了一遍，而我就一直盯着它一直在哪儿哗啦啦的输出，1000W Token如流水一般瞬间就没了.... 事实上，这样的问题也是可以理解的，因为Claude本身就会这么干，只不过它一般会使用偷懒的写法（只输出需要修改的部分）。但是让人无法忍受的是这不是在浪费Token吗？

对比[Lovable](https://lovable.dev/)、Cursor、WindSurf的一次对话，不管修改多少代码都只记一次Prompt credits消耗（以前WindSurf是基于ActionFolw计算的，也明显感觉每次都是积分消耗远远高于`User Prompt credits`），显然`Bolt.new`不再具有任何的优势。



## 更具性价比的替代方案

相比`Bolt.new`，更具性价比且设计的效果非常Nice的AI编程工具则更推荐[Lovable](https://lovable.dev/)和[蓝湖AI](https://lanhuapp.com/)。 例如，[Downly.cn](https://monica.im/home/chat/Monica/Downly.cn)的首页就是我基于Lovable开发的前端页面，第一次使用Lovable的时候，我只是想让它Copy一个类似小红书的网站，而它生成出来的效果非常不错（自适应、带动效）： 
![20250525022846.png](https://static.downly.cn/images/20250524182905.752626374.png)

后来，我又让Lovable帮我开发了几个AI导航页面，整体体验非常不错，效果如下： 

![20250525025852.png](https://static.downly.cn/images/20250524185916.602780614.png)

![20250525025225.png](https://static.downly.cn/images/20250524185340.769286000.png)

除此之外，我还用canva给我设计了Logo、蓝湖给我设计了App，仿佛间AI已经替我完成了非常多的开发和设计任务，在庆幸之余，更多的是"焦虑🍌🟢"。

基于canva设计的Logo：
![image.png](https://static.downly.cn/images/20250524190544.915637063.png)

基于蓝湖开发的App客户端： ![20250525024651.png](https://static.downly.cn/images/20250524185029.608222084.png) App最终效果（基于Tauri+Next.js开发）： ![20250525025115.png](https://static.downly.cn/images/20250524185124.997215875.png)



## 关于Downly.cn

[Downly.cn](https://www.downly.cn/)是我正在建设中的一个集AI文章、教程、应用、导航于一体的综合类门户网站。虽然目前还处于建设阶段，但它的开发过程恰好成为了我测试各种AI编程工具的绝佳案例。

通过这次的对比实验，我更加确信：在AI辅助开发领域，工具的选择不仅关乎效率，更直接影响项目成本。对于大多数开发者而言，像Lovable这样的工具可能是更明智的选择——它们提供了合理的计费模式，避免了不必要的资源浪费，同时保持了高质量的开发体验。

随着AI技术的不断进步，我相信会有更多优秀的工具涌现。而Downly.cn的目标之一，就是帮助开发者在这个日新月异的领域中找到最适合自己的工具和方法。欢迎关注Downly.cn的建设进展，一起探索AI赋能开发的无限可能！

当AI编程成为奢侈 - Bolt.new一次对话耗尽1000万Token的真实经历



> 随着人工智能技术的飞速发展，越来越多的 AI 应用融入到我们的日常工作和生活中。然而，这些应用在处理用户数据和提供个性化体验时，常常面临一个挑战-如何在不同的 AI 工具之间共享和管理用户的“记忆”或上下文信息，同时确保数据隐私和安全性？传统的解决方案可能依赖于中心化的云服务，存在隐私泄露和数据割裂的风险。针对这一痛点，AI 初创公司 mem0 近日发布了全新的 OpenMemory MCP（Memory Control Plane）项目，旨在实现 AI 应用的私有化记忆管理，并且支持 100% 本地运行，兼容 Cursor、Claude 等主流 AI 模型。



## AI 应用的“记忆”难题-割裂与隐私

当前 AI 应用生态中存在的一个显著问题是“记忆”的割裂。用户在与一个 AI 工具互动时产生的上下文信息、偏好设置、历史对话等，往往无法无缝地迁移或共享到另一个 AI 工具中。这导致用户需要在不同的应用中重复输入信息，降低了使用效率和体验。

更重要的是，将敏感的个人或工作数据上传到第三方云服务以实现记忆功能，带来了潜在的隐私和安全风险。用户对于数据由谁保管、如何使用存在顾虑。






## OpenMemory MCP-私有化、本地化的记忆解决方案

mem0 推出的 OpenMemory MCP 正是为了解决上述问题而生。其核心理念是建立一个用户可以完全控制的私有化记忆控制平面。该项目具有以下关键特点-

*   **100% 本地运行-** OpenMemory MCP 可以在用户的本地设备上运行，这意味着用户的记忆数据完全存储在本地，无需上传到云端，极大地增强了数据隐私和安全性。
*   **跨 AI 应用兼容-** OpenMemory MCP 设计为与各种主流的 AI 模型和应用兼容，包括但不限于基于 OpenAI API 的应用、Claude、甚至可能是未来的本地运行模型如 Llama 等。
*   **统一的记忆管理-** 提供一个统一的接口和机制来管理和检索用户的记忆信息，无论这些信息是来自哪个 AI 应用。
*   **开源与可定制-** OpenMemory MCP 是一个开源项目，允许开发者自由地使用、修改和扩展，以满足特定的需求。

通过 OpenMemory MCP，用户可以在不同的 AI 助手（如 Cursor、Claude 等）之间切换，而这些助手都能够访问和利用同一个私有化的记忆库，从而提供更连贯、更个性化的交互体验。



![image.png](https://static.downly.cn/images/20250515075252.522348502.png)



## 核心技术与实现方式

OpenMemory MCP 的实现可能依赖于向量数据库、本地存储技术以及与各种 AI 模型 API 的集成。它可能通过以下方式工作-

*   **捕获和存储-** 当用户与某个 AI 应用互动时，OpenMemory MCP 会捕获关键信息（如对话上下文、用户指令、AI 回复等），并将其存储在本地的向量数据库中。
*   **检索和注入-** 当用户在另一个 AI 应用中发起新的交互时，OpenMemory MCP 会根据当前的上下文，从本地记忆库中检索相关的历史信息，并将其注入到 AI 模型的输入中，帮助模型理解用户的意图和提供个性化回复。
*   **API 集成-** 通过标准的 API 接口，OpenMemory MCP 可以与各种 AI 应用和模型进行通信。



![image.png](https://static.downly.cn/images/20250515075333.598230561.png)



## 潜在影响与未来展望

OpenMemory MCP 的发布，对于 AI 应用生态和用户隐私保护具有重要意义-

*   **赋能更智能的 AI 助手-** AI 应用将拥有更强的“记忆”能力，能够提供更具连贯性和个性化的服务。
*   **提升用户数据安全性-** 用户可以更好地掌控自己的数据，降低隐私泄露风险。
*   **促进 AI 应用互操作性-** 为不同 AI 应用之间的信息共享和协作提供了可能。
*   **推动本地化 AI 发展-** 强调本地运行的理念，符合当前用户对数据主权日益增长的需求。

未来，我们可以期待 OpenMemory MCP 吸引更多的开发者参与，不断完善其功能和兼容性。随着本地运行 AI 模型的发展，OpenMemory MCP 有望成为构建下一代私有化、智能化的 AI 应用的关键基础设施。它的出现，预示着 AI 应用正朝着更加用户中心、更加注重隐私和互操作性的方向发展。


mem0 发布 OpenMemory MCP：实现 AI 应用的私有化记忆，本地运行连接主流模型

> 随着AI辅助编程工具的普及，Cursor WindSurf 等基于大语言模型的编辑器正在改变开发者的工作方式。然而，这些工具也带来了新的安全挑战。近期，安全研究人员发现多起针对Cursor IDE的供应链投毒攻击，以及利用MCP协议的工具投毒攻击，这些攻击利用了AI工具的信任机制，对用户数据安全构成严重威胁。



## 1. Cursor IDE安全风险

![2.png](https://static.downly.cn/images/20250513141222.529364049.png)

### 1.1 恶意npm包劫持Cursor IDE

Socket安全研究团队发现，三个恶意npm包（sw-cur、sw-cur1和aiide-cur）正针对macOS平台的Cursor AI代码编辑器用户发起复杂攻击。这些软件包伪装成低价Cursor API访问工具，实际会暗中安装持久性后门、窃取开发者凭证并禁用更新机制。
![1.png](https://static.downly.cn/images/20250513141234.132050638.png)

这些由化名gtr2018和aiide的威胁分子通过qq.com和outlook.com邮箱注册的软件包托管在npm仓库中，被发现时下载量已超过3200次。攻击者利用开发者降低AI工具使用成本的普遍心理实施诱骗，打着"提供全网最便宜的Cursor接口服务-升维科技"的旗号进行宣传。
![3.png](https://static.downly.cn/images/20250513141241.661335827.png)


### 1.2 攻击流程

安装后，恶意软件包执行分步攻击：

1. **凭证窃取**：盗取用户的Cursor登录凭证并发送至攻击者控制的服务器
2. **加密载荷投递**：获取经过AES加密的恶意代码
3. **修改核心文件**：覆盖Cursor的main.js文件
4. **禁用更新机制**：确保恶意代码持久存在



### 1.3 规则文件后门攻击

规则文件后门是一种复杂的供应链攻击，它利用配置文件（通常用于定义最佳实践和项目结构）将隐藏的漏洞引入AI辅助代码生成中。攻击者通过在规则文件中嵌入欺骗性指令，操纵AI驱动工具生成受感染的代码。

这种攻击方法利用了隐藏的Unicode字符，如零宽度连接符和双向文本标记，这些字符在标准文本编辑器中不可见，但会影响AI解释和处理规则的方式。因此，即使经验丰富的开发人员也可能不会注意到规则文件已被篡改。



## 2. MCP协议安全隐患

### 2.1 MCP协议漏洞

MCP(Model Completion Protocol)已成为大模型应用构建的重要基础设施，每天处理数百万级别的请求。安全机构Invariant Labs研究发现，MCP的核心机制存在一个令人担忧的漏洞，被称为"工具投毒攻击"(Tool Poisoning Attacks, TPAs)。

这种攻击是一种特殊的间接提示注入(Indirect Prompt Injection)，攻击者在MCP工具的描述信息中悄悄嵌入恶意指令。这些指令对普通用户不可见，但AI模型却能看到并执行。



### 2.2 实际案例分析

一个典型案例是恶意MCP如何劫持Cursor窃取WhatsApp数据。当用户的Cursor安装有恶意MCP，再调用WhatsApp-mcp查看消息并给好友发送消息时，用户的WhatsApp历史聊天记录会被秘密发送给攻击者。

这种攻击具有以下特点：

1. 利用用户安装的whatsapp-mcp已有权限实现数据窃取，不需要利用WhatsApp漏洞
2. 只需安装恶意MCP，不需要AI Agent直接与恶意MCP交互
3. 由于Cursor对超长内容在前端没有自动换行显示，用户很难发现聊天记录泄露



## 3. A2A安全问题

随着AI Agent to Agent (A2A)交互模式的兴起，安全风险进一步扩大。A2A交互使得AI系统能够自主协作完成复杂任务，但同时也带来了新的安全挑战：

1. **传递性攻击**：一个受感染的Agent可能将恶意指令传递给其他Agent，形成攻击链
2. **权限放大**：多个Agent协作可能导致权限边界模糊，使攻击者获得更高权限
3. **攻击面扩大**：每个Agent都可能成为攻击入口，增加了整体系统的脆弱性

A2A安全问题与MCP安全紧密相关，因为MCP协议常被用作Agent之间的通信桥梁。一旦MCP被投毒，整个A2A生态系统都可能受到影响，造成更广泛的安全威胁。



## 4. 防护建议

### 4.1 开发者防护措施

1. **仔细审查配置文件**：特别注意检查规则文件中可能隐藏的不可见字符
2. **使用可视化工具**：采用能显示隐藏Unicode字符的编辑器
3. **实施代码审查**：对AI生成的代码进行严格的安全审查
4. **限制AI工具权限**：确保AI编辑器无法访问敏感系统文件



### 4.2 组织级防护

1. **验证MCP来源**：只使用来自可信来源的MCP工具
2. **监控网络流量**：检测可疑的数据外泄
3. **实施沙箱环境**：可尝试在隔离环境中运行AI编辑器（会增大开发成本和便利性）
4. **定期更新软件**：确保使用最新版本的AI工具以获取安全补丁
5. **A2A交互控制**：建立严格的Agent权限边界和交互审计机制



## 5. AI开发安全思考

AI编辑器、MCP协议和A2A交互的安全漏洞代表了一种新型的供应链攻击，它们利用了开发者对AI工具的信任。随着AI辅助开发工具的普及和AI Agent协作模式的发展，这类攻击可能会变得更加普遍和复杂。开发者和组织需要提高警惕，采取积极的防护措施，确保AI工具在提高生产力的同时不会成为安全隐患。


------

## 6. MCP平台推荐

在众多MCP服务平台中，MCP.ing (www.mcp.ing) 正以其独特的价值脱颖而出。作为一个专注于聚合优质MCP服务的平台，MCP.ing为AI开发者提供了一站式的MCP服务获取和管理解决方案。

------

## 7. Reference

1. [Cyclonis - 规则文件后门如何利用人工智能代码编辑器](https://www.cyclonis.com/zh-hans/how-the-rules-file-backdoor-exploits-ai-powered-code-editors/)
2. [火山引擎开发者社区 - 警惕！MCP 曝出"工具投毒"致命漏洞](https://developer.volcengine.com/articles/7496711850634313767)
3. [安全内参 - AI Agent破局：MCP与A2A定义安全新边界](https://www.secrss.com/articles/77593)
4. [FreeBuf - 设计后门：恶意npm包劫持macOS版Cursor IDE开发环境](https://www.freebuf.com/articles/development/430608.html)

警惕AI开发安全 - Cursor遭遇供应链投毒，MCP、A2A协议沦或将为攻击跳板

字节跳动推出的免费AI编程工具，基于Claude模型

搜索结果: Cursor