Cursor 内部最火插件开源：一周被同事调用九千次
Cursor 内部最火插件开源：一周被同事调用九千次
视频介绍了 Cursor 团队内部广泛使用的开源插件 Stack：它把资深工程师的工作流程、工程原则和验证要求写成可执行的技能，让 AI 编程从追求代码产量转向可靠交付。
-
背景：代码生成更快了，审查和合并却更让人担心。 视频指出，Agent 的主要问题是缺乏工程纪律：需求理解不完整就开工，写完后仅凭编译通过便宣告完成。Stack 的核心理念是 “If you want to go fast, go deep first”——想快，先深入理解问题。
-
作者将自己的日常工作方法直接开源。 据视频介绍，作者网名为 Potato，曾在 Meta、Netflix 工作，后来加入 Cursor，也是 React 核心团队成员，参与维护 React Compiler。他分享的内部使用榜显示，这套技能一周被同事调用约 9,000 次；社区的一个移植仓库几个月内获得 2,700 多个 Star、200 多个 Fork。
-
Stack 的载体很简单：Markdown 文件加少量脚本。 它采用 MIT 协议，包含 20 多个工作流技能、23 个任务剧本（playbook）、24 条工程原则，以及 2 个专用子代理。技能规定如何执行具体动作，剧本组织完整任务流程，原则约束工程判断。
-
统一入口 Potato Mode 负责调度工作。 用户用自然语言描述任务后，它会匹配剧本，将步骤逐项加入任务列表，再调用其他技能和子代理执行。完成后必须提供可验证的证据。文字稿中的入口命令转写为“斜杠 Potato gun mode”，具体拼写不明确，实际使用应以仓库文档为准。
-
不同任务有不同的调查与验证流程。
- **修复 Bug：**先复现；无法复现时，主动构造触发条件，再通过二分定位找到根因。
- **性能优化：**先采集 CPU trace，以基线数据判断瓶颈和改进效果。
- **持续优化单个指标：**每轮先提出假设，再测量、比较前后结果，有收益才提交。
- **通宵任务与 autopilot：**持续处理一串 PR，逐个验证和推进，并在每轮引入评审结论。
-
多模型分工，用不同模型的判断互相补充。 插件不绑定单一模型，会区分代码实现、最终决策、文档编写等职责。名为
interrogate的技能让不同模型家族同时审查同一个 diff，再互相质疑，以减少共同遗漏；文字稿中的具体模型名称存在转写歧义。 -
“Prove it works”：交付必须有运行证据。 编译通过只是起点，Agent 需要真正运行功能、读取实际结果、检查 diff，并在汇报时提供验证依据。这使用户能够根据结果判断任务是否完成。
-
“Explain the number”：性能数字必须能解释。 如果 Agent 声称“性能提升 30%”，还要说明瓶颈在哪里、测量是否覆盖目标逻辑、结果为何变化。配套的
benchmark checklist技能会逐项检查基准测试，防止用错误测量得出漂亮结论。 -
工程原则强调减少复杂度、验证前提和固化经验。 例如，用最小改动解决问题，优先删除冗余校验和死代码；如果两次修复都依赖同一个前提且均告失败，就直接测试这个前提；能写成 lint 规则的经验，应编码进工具和结构。价值在于让 Agent 开工时反复读取并执行这些要求。
-
并行能力建立在纪律与证据之上。 作者追求的是“用最少的代码实现最大的影响”，并认为“没有纪律的并行，只会让糟糕代码生产得更快”。视频将其信任逻辑概括为：工程纪律 → 带证据的交付 → 有依据的信任 → 扩大并行，对应作者所称的 Fearless Parallelism。
-
默认倾向持续执行，规划按需启用。 视频称，Stack 没有独立的规划技能，作者更相信代码和运行结果；但 Potato Mode 仍提供规划剧本。另一条原则是减少反复询问，先完成可推进的工作并展示结果，只有不可逆操作才需要确认。
-
可迁移的不只是插件，还有个人工作方法。 社区已将其移植到 Claude Code、Codex、Pi、GitHub Copilot、OpenCode、Gemini CLI 等平台，保留剧本与原则，并替换 Cursor 专属机制。名为 Ultimate Me 的技能还会分析近期与 Agent 的聊天记录，提炼个人习惯，生成以用户名字命名的专属 Mode。