Cursor

Cursor 安全复盘：第三方推理商的密钥泄露，5,000 名开发者装上带 SSH 后门的 Claude Code 扩展

作者
Cursor 安全复盘：第三方推理商的密钥泄露，5,000 名开发者装上带 SSH 后门的 Claude Code 扩展

5,000 名开发者，装了一个假的 Claude Code。

不是他们贪心，也不是点了钓鱼链接。他们只是在 Cursor 的扩展市场里，更新了一个自己天天用的插件。11 月 13 日，Cursor 用一篇 6 分钟的复盘承认：这把刀，是从供应商那边递过来的。

发生了什么

事情的起点不在 Cursor，在 Fireworks——一家提供模型推理服务的第三方厂商。推理（也就是模型跑一次回答）这块活，Cursor 把一部分交出去了。

Cursor 发给 Fireworks 一把访问钥匙（一把只能读数据的凭证），用来共享训练用的数据。按照 Cursor 的说法，这把钥匙是被 Fireworks 那边泄露的。攻击者拿它打开了一个只读存储桶——只能读、不能改的网盘——里面存着历史编码对话记录，大部分是 2025 年的，来自没开隐私模式的用户。

问题出在这些记录里：有一小部分，其中的接口密钥（就是调用各家 AI 服务时要出示的那串口令）忘了打码。拿到它们，攻击者一路摸进 Cursor 内部若干个 SaaS 工具（在线客服、监控这类第三方服务），读到归档的非生产源码仓库、部分客服邮件、产品使用数据、部分对话摘要，还有用户以前发给客服的凭证。

最后一步最狠。10 月 29 日，攻击者用偷来的一个市场发布凭证，把两份假的 Claude Code 扩展直接放进了 Cursor 用来分发扩展的缓存，版本号 2.1.312 和 2.1.313。从凌晨 2 点 27 分到下午 1 点 35 分，挂了大约 11 个小时。Cursor 估算，最多 5,000 名在这段时间请求了这两个版本的用户，可能装上了带 SSH 后门的版本。

（SSH 是远程登录服务器的常用通道；后门，就是有人给自己留了一把能随时进来的钥匙。）

数字与一手细节

关键数字摆齐，全部来自 Cursor 官方复盘与 10 月 29 日的安全公告：

  • 暴露时长：约 11 小时（10 月 29 日 2:27 至 13:35，太平洋时间）
  • 潜在中招人数：最多 5,000 人
  • 对话记录被波及的用户：不到 0.05%；接口密钥被波及的客户：不到 0.01%
  • 恶意版本：Anthropic.claude-code 2.1.312 与 2.1.313，仅 macOS 与 Windows
  • 最后一次攻击者活动：11 月 1 日，已被阻断

恶意代码干的事很具体：收集主机名、用户名、系统版本、工作目录、Git 邮箱和公网 IP，把攻击者的公钥（备注名 svc-telemetry）写进你的免密登录名单，再拉起一条反向隧道——从你的机器主动连出去，让外面的人能反向进来。它还会在 macOS 上装开机自启，在 Windows 上建计划任务，后台每 60 秒重试一次。

反过来说，这条后门在多数机器上其实没打通。Cursor 自己写明：开启本地 SSH 服务需要管理员权限，而恶意扩展在绝大多数 mac 和 Windows 上没有这个权限；再加上恶意代码本身有错误，这一步大概率失败。攻击者的服务器也已被托管的云厂商下线。

还有两个容易被忽略的事实：Anthropic 没有发布过这个版本，Cursor 的上游扩展源 Open VSX 里也从未出现这个恶意包。换句话说，问题不在模型厂商，也不在开源源站，而在中间那层分发缓存。

反转：挡住攻击的是运气，不是防线

这里有两层反转，值得分开看。

第一层，Cursor 的口径和事件本身是矛盾的。官方反复强调「绝大多数客户没有受影响」，从比例上讲没错——0.05%、0.01% 都是很小的数字。但对被点中的那 5,000 个人来说，比例毫无意义：他们在自己的编辑器里，装了一个带 SSH 后门的扩展。而且 Cursor 在 10 月 29 日的公告里明确写了一句：光卸载扩展可能不够，因为恶意代码会丢下独立的常驻脚本，继续跑。

第二层反转更冷酷：这次没出事，很大程度上是因为攻击者写错了代码。安全研究者复盘发现，恶意脚本在多数没有预先开启 SSH 服务的 mac 和 Windows 上都会失败。救下这批开发者的是攻击方的失误，不是防守方的能力。

把镜头拉远，Cursor 不是孤例。安全厂商 Wiz 把这轮针对 AI 开发平台的连环入侵叫「黑色十月」：10 月 9 日 Fireworks 首次披露，10 月 15 日 Lightning AI，10 月 16 日 OpenCode，10 月 20 日 Railway，10 月 23 日 Warp，10 月 30 日 Northflank，再加上 Cursor 与 Fireworks 的第二次。平台 Zeabur 已经因为这起事件宣布关停。

其中 Railway 公布的一手数据最能说明这门生意的规模：最多 1.85% 的工作区（约 10 万个） 的环境变量可能被解密，1,852 名用户的关联令牌被重置，被偷走的钥匙造成的未授权消费估计达到 74 万美元。攻击者在数据库里按正则表达式专门筛「AI 供应商密钥」这一类变量，还专门挑环境变量数量多的客户下手。

动机并不神秘：偷到的 AI 凭证可以转卖给路由网关，用来做大模型盗刷（行话叫 LLMJacking，也就是盗用别人的账号额度，转手把模型调用卖出去），也可以拿去炼自己的模型——行话叫蒸馏，意思是拿别人的模型输出去训练自家的模型，省下大笔训练成本。Wiz 记录的两个下游滥用案例，光按标价计算就烧掉了超过 10 万美元。

对你意味着什么

如果你用 Cursor、VS Code 或任何带扩展市场的编辑器，这件事的关键不在「Cursor 安不安全」，而在这条链条有多长：

你的编辑器信任扩展市场，扩展市场信任发布凭证，发布凭证来自内部系统，内部系统被一把发给第三方推理商的钥匙打开，那把钥匙被推理商泄露。

五层里，你只能看见第一层。你点「更新」的时候，实际是在替后面四层一起背书。

更值得记住的是数据侧的教训：一份 2025 年的历史对话记录，因为几句忘了打码的密钥，就能把攻击者从「只读」抬到「能写入」。这不是某家公司的疏忽，而是整个行业为了做模型训练而长期保留对话数据这个默认设置带来的结构性风险。这也是为什么 Cursor 这次的处置里，最彻底的一条是把所有推理流量从 Fireworks 整体迁走。

我该做什么

按优先级，四件事。

一，先自查。恶意扩展会在免密登录名单里留一个备注为 svc-telemetry 的公钥。macOS 终端执行：

grep -qs svc-telemetry ~/.ssh/authorized_keys && echo "命中" || echo "干净"

Windows 在 PowerShell 里查 %USERPROFILE%\.ssh\authorized_keys 与 C:\ProgramData\ssh\administrators_authorized_keys 两个文件，搜 svc-telemetry。命中就按 Cursor 公告里的清理脚本处理，并考虑重装系统。

二，判断自己在不在名单里。开了隐私模式的用户，对话记录不在那个存储桶里；没开的，如果当时装了这两个恶意版本，你应该已经收到 Cursor 的站内通知或邮件——Cursor 说没收到通知，你的数据就不在这批记录里。

三，轮换凭证，别只卸载。只要你的机器在 10 月 29 日那两个版本期间装过扩展，就从一台干净设备上重置这台机器能碰到的所有密钥，尤其是你曾经发给过客服的那些。

四，对团队来说，把供应商事故写进自己的应急清单。这次真正的入口是一家你大概率没听说过的推理服务商。提问方式可以很简单：我们交给第三方的数据，留存多久、存在哪、谁能读、泄露了怎么通知我们。答不上来的，就是风险敞口。

—

过去一个月，同一个剧本在至少七家 AI 开发平台上重演了一遍，Cursor 只是其中第一个把完整链路公开到「一把钥匙怎么变成 5,000 个后门」的公司。这类事故还会再来，因为只要 AI 凭证能直接换成钱，撞供应商的门就永远比撞你的门便宜。

关注 AI商业快讯，每天一篇 AI 热点深度解读。

相关阅读：

参考来源：

  1. Cursor 官方复盘《An update on our recent security incident》（2026-11-13，一手）https://cursor.com/blog/security-incident-update
  1. Cursor 官方安全公告《Security notice — malicious version of Anthropic.claude-code 2.1.312 and 2.1.313》（2026-10-29，一手）https://cursor.com/blog/claude-code-extension-security-notice
  1. BleepingComputer《Cursor confirms security breach led to malicious Claude Code extension》（2026-11-14）https://www.bleepingcomputer.com/news/security/cursor-confirms-security-breach-led-to-malicious-claude-code-extension/
  1. Wiz《”Black October” for AI Developer Platforms》（安全厂商分析）https://www.wiz.io/blog/black-october-for-ai-developer-platforms
  1. Railway 官方事件报告《Incident Report: October 21st Security Attack》（2026-11-10，一手）https://blog.railway.com/p/incident-report-october-security-incident

gentle-ai 深度评测：8987 Star 的编码代理配置器，一次写进 18 个助手的规矩文件

作者
gentle-ai 深度评测：8987 Star 的编码代理配置器，一次写进 18 个助手的规矩文件

用 Claude Code 写代码的人，多半都干过同一件蠢事：把「提交信息用中文、别加 AI 署名、改完必须跑测试」这几条规矩，一遍遍贴进每个新项目。换台电脑要重贴，换个工具还要再贴一遍，写成什么样全凭当天心情。

gentle-ai 想一次解决这件事。它不造新的 AI 助手，而是给你已经在用的那个「装规矩」：把记忆、工作流、技能库、代码审查这一套，一次写进 18 种不同编码助手的配置文件里。项目 8,987 星，MIT 许可，Go 写成，最近一次提交就在今天。

我把它装进一个隔离的空账户里跑了一遍。结论先说：它确实一次配好了，代价是往你电脑里塞进近一千二百个文件，还把一份用不上的 43MB 仓库副本一起带了进来。

它到底替你做了什么

「支持 18 个助手」这句宣传，我先去代码里数了一遍。决定「选哪个助手、走哪套适配」的那个文件里，正好 18 个分支，对应的都是主流编码助手，从 Claude Code、Cursor 到 Codex、OpenCode，再到 Gemini CLI 这一档。

通俗讲，它是一把万能转换插头：你手里是哪个牌子的充电器，它就换出哪个牌子的插孔，插座本身不用动。

装的时候你不用一件件挑，它按一个叫「预设」的清单一次性铺开：

装了什么 干的什么活 落到你电脑的哪儿
人设与规则 一段几万字的开发规矩，写进助手的全局指令文件 ~/.claude/CLAUDE.md
技能库 8 个可复用技能，比如「一个提交只做一件事」 ~/.claude/skills/
记忆 一个叫 Engram 的独立程序，跨会话记住项目决策 ~/.local/bin/engram
提交前审查 一个叫 GGA 的脚本，commit 前让 AI 看一眼改动 ~/.local/bin/gga
审查引擎 项目自己的一套代码审查流程，可开关 写进助手的钩子系统

我装了一遍，三个数字值得记

装的过程很顺。我把「家目录」指向一个空文件夹，等于给它在沙漠里盖了间房，装完对真机零影响。全程两百多秒，最后一步打印「25 项自检通过，0 失败」。

但清点成果时，有三个数字值得记下来。

第一个：1,188 个文件。 这是它在你账户下新建的文件总数，其中 1,171 个都在 .claude 这一个目录里。真正有内容的是几百个，剩下的是那份记忆程序仓库的完整副本。

第二个：43MB。 这是 .claude 目录里那块「插件市场」缓存的大小，其中 15MB 是版本历史。为了让你多一个记忆功能，它在配置目录里留了一整个项目的源码。对 20G 硬盘不算什么，但对「只想配个规矩」的人来说，这个体积来得莫名其妙。

第三个：8 个技能，索引里只登记 7 个。 装完的技能目录里有 8 份说明书，但项目自带的技能索引只列出 7 条。少掉的不是出错，是它主动跳过了一个共享文件夹，和「管理索引的那个技能」本身。这个逻辑说得通，只是你按「9 个」去数会对不上。

32 万行测试守着 20 万行实现

对一个「配置文件生成器」来说，这个仓库的体量是反常的。

去掉测试，它的 Go 代码有 19.7 万行；测试代码 32.5 万行，比实现还多 65%，相当于每写 1 行逻辑就有 1.65 行测试盯着。测试函数 7,602 个，分在 95 个包里。我随手跑了其中四组（代理适配、技能索引、数据模型、遥测），二十多个子包全部通过，最慢的一组用了 7 秒。

这个比例意味着什么？意味着作者把「配置写错一个字符就可能弄坏别人电脑」当成了头号风险。它也解释了另一个数字：仓库里有 60 份 JSON 格式的接口契约，合计近 1.1 万行，专门规定审查流程的每一步该传什么、返回什么。这是「先定合同再写代码」的写法。

我自己也跑了一遍它最核心的审查功能。拿一个假的 Git 仓库，改一行 Go 代码，它判断风险为「中」，要求跑 1 项检查；改成只动 Markdown 文档，它直接判定低风险、无需审查。这个分寸是对的，不是一律拦下，也不是一律放行。

三个坑，写在这儿免得你自己踩

坑一：遥测默认开着。 装完我第一件事就是查状态，显示「已启用（默认）」，还带一个安装编号。安装日志写明了发送什么：版本号、操作系统、装了哪些助手、各类计数；某些集成下还包括用的是什么模型、消耗多少 token、耗时、错误类别。它给了关闭命令，也没藏着掖着，但默认开着这件事，介意的人得自己动手。

坑二：仓库根目录那份基准成绩，是事故留下的。 仓库里有个文件记着自动化测试的成绩，打开一看只有 1 条记录，状态还是「失败」，失败原因写着「不是一个 Git 仓库」。更奇怪的是里面记的可执行文件路径，指向一个临时目录。

我去翻了项目自己的复盘文档，找到了答案：这份文件是从开发机的工作目录里被顺手 git add 扫进去的，作者把它列进「工具层面的意外」。真正完整的那份在另一个目录，64 条记录全部完成。这条不影响你使用，但它说明一件事：连这个项目自己，也会被「顺手一把梭」坑到。

坑三：被拦下时，近六成不告诉你下一步。 仓库自带一份衡量「AI 助手操作体验」的基准测试，64 个场景里共有 69 次拦截。其中 29 次给出了可直接复制的下一步命令，另外 39 次只说「不行」，不告诉你该敲什么。项目自己的说法是，这 39 次里有些确实给不出命令（比如「你得自己去改代码」），属设计如此，但比例仍然偏高。

谁该装，谁别急

和它同一赛道的东西大致三类。一类是各家助手自己的规矩文件，最省事，但换工具就得重写；一类是技能包合集，管「装什么能力」不管「写代码的规矩」；第三类就是它这种总配置器，一次覆盖多个助手。

如果你同时在用两种以上编码助手，或者经常换机器，它的价值是实的：一次配置，十八个工具通用。如果你只用其中一家、且已经有自己的规矩文件，装它是拿 43MB 磁盘和一整套新概念去换一点便利，不划算。

还有一点要有心理准备：它不是一个装完就忘的工具。审查流程会插进你每次提交的动作里，第一周大概率会被它拦几次。要不要留，取决于你愿不愿意为「提交前有个机器看一眼」多花那几十秒。

我的判断是：放进观察清单，用它解决「多工具配置漂移」这个真问题；装之前先把遥测关掉，并且别指望它小。它是个认真过头的工程品，不是一片创可贴。

关注 AI商业快讯，每天一篇 AI 热点深度解读。

OpenAI 切断 Cursor 合作：SpaceX 600亿收购触发变更控制条款，AI编程工具生态地震

作者
OpenAI 切断 Cursor 合作：SpaceX 600亿收购触发变更控制条款，AI编程工具生态地震

据 Bloomberg、TechCrunch 等多家媒体报道，OpenAI 于 8 月 28 日正式通知 SpaceX，将终止向 Cursor 提供 AI 模型的合同，提议的切断日期为 2026 年 11 月 12 日。此举直接源于 SpaceX 此前以 600 亿美元收购 Cursor 母公司 Anysphere，触发了合同中的”变更控制”条款。OpenAI 在声明中援引了 Musk 旗下公司（Twitter 和 xAI）此前的合同违约记录，以及内部评估显示其 Astra 模型的智能体编码和网络安全能力可能构成关键网络能力——这与其安全框架产生了冲突。Cursor 联合创始人 Michael Truell 表示，OpenAI 模型目前仅占 Cursor 流量的约 5%，切断后 Cursor 将继续使用 Anthropic、Google 和 SpaceXAI 的模型。

一场收购，撕开了 AI 编程工具的地缘裂缝

这笔交易的本质远不止于一份商业合同的终止。SpaceX 以 600 亿美元吞下 Anysphere，本意是将 Cursor 这一 AI 编程旗舰产品纳入 Musk 的科技版图。但 OpenAI 的”变更控制”条款——一个在 SaaS 行业极为常见但在 AI 领域几乎从未被触发的条款——突然变成了一把利刃。

OpenAI 的逻辑很清晰：Musk 旗下的 xAI 和 Twitter 曾多次违反与 OpenAI 的合同条款，而 Cursor 在接入 OpenAI 模型后积累的编程能力和安全数据，可能被 SpaceX 用于其国防和太空业务。Astra 模型在智能体编码和网络安全方面的突破性进展，让 OpenAI 认为继续供应模型存在安全风险。

但 Cursor 的反应同样值得关注。作为全球最受欢迎的 AI 代码编辑器之一，Cursor 的核心竞争力并非绑定在某一家模型提供商身上。Anthropic 的 Claude、Google 的 Gemini、以及 SpaceX 自研的 SpaceXAI 模型，都已构成可用的替代方案。5% 的流量占比意味着 OpenAI 的”断供”更像是政治姿态，而非实质性打击。

对不同角色意味着什么

对 AI 编程工具用户：短期内几乎无感。Cursor 已明确表示将在 11 月 12 日前完成模型切换，现有工作流不会中断。但长期来看，AI 编程工具的”模型锁定”风险正在上升——你今天用的编辑器，明天可能因为一场收购而更换底层模型。建议关注 Cursor 的模型迁移计划，评估 Anthropic Claude 和 Google Gemini 在代码生成上的表现差异。

对开发者和创业者：这次事件暴露了 AI 工具链的脆弱性。当你依赖单一模型提供商构建产品时，一次收购、一场诉讼、甚至一次安全评估，都可能让你的工具链断裂。多模型冗余（multi-model redundancy）不再是”最佳实践”，而是生存必需。

对投资者：AI 编程工具赛道的估值逻辑需要重新校准。SpaceX 收购 Anysphere 的 600 亿美元估值，建立在 Cursor 与 OpenAI 深度绑定的基础上。如今这层绑定被切断，Cursor 的独立价值——用户基数、开发者生态、品牌忠诚度——将成为新的估值锚点。同时，Anthropic 和 Google 在 AI 编程领域的议价权正在上升。

对 OpenAI：这是 OpenAI 首次将安全框架应用于商业合同的终止，开创了一个危险的先例。如果”模型安全评估”可以成为断供的理由，那么任何使用 OpenAI 模型的公司都面临不确定性。这可能加速企业向开源模型或自研模型的迁移。

历史总在押韵，但这次押的是代码

回顾科技史，平台与开发者之间的”断供”从未有好结局。苹果与 Epic Games 的诉讼、Google 与华为的 GMS 切断、Twitter 与第三方客户端的 API 封锁——每一次断供都加速了替代方案的崛起。

AI 编程工具正处于类似的关键节点。Cursor 不会因为失去 OpenAI 模型而消亡，但这次事件会加速整个行业从”模型绑定”走向”模型无关”。对于开发者而言，真正的教训是：永远不要把你的生产力工具建立在单一供应商的恩赐之上。

关注 AI商业快讯，每天一篇 AI 热点深度解读。本文含合作/联盟链接，不影响你的阅读与体验。详见 联盟营销披露。

相关阅读

LeanCTX 实测：一个 Rust 工具砍掉 AI 编程 86% token 成本，月费从 $450 降到 $60

作者
LeanCTX 实测：一个 Rust 工具砍掉 AI 编程 86% token 成本，月费从 $450 降到 $60

用 AI 写代码的人都有一个共同的痛：token 太贵了。

Claude Sonnet 输入 $3/百万 token，GPT-4o 也不便宜。一个中等规模的代码仓库，AI 每次读几个文件、跑几条 shell 命令，一个 session 随随便便烧掉 60 万 token——$1.5 美元。一天跑 10 次就是 $15，一个月 $450。更扎心的是，其中大部分 token 是”废话”：重复读同一个文件、git log 的冗余输出、shell 命令的无关行。

现在，一个 Rust 写的本地工具声称能砍掉 60-87% 的 token。它叫 LeanCTX，GitHub 上有实测 benchmark，数据可复现。

一个数字说清问题

LeanCTX 团队对自身代码库（Rust + TypeScript + Python，约 5 万行）做了 30 分钟编码 session 模拟：

配置 Token 消耗 成本 节省
无压缩（原始） 605,400 $1.51 —
LeanCTX 全模式 84,400 $0.21 86.1%
LeanCTX + CRP 79,900 $0.20 86.8%

从 $1.51 降到 $0.20。如果你一天跑 10 个 session，月费从 $450 降到 $60。这不是理论值——用的是 tiktoken cl100k_base 精确计数，不是字符除以 4 的粗估。

它到底做了什么？

LeanCTX 的核心思路：在 AI 读文件和跑命令之前，先替它”读一遍”，把无关信息过滤掉，只把有价值的部分送给模型。

它由五大模块组成：

1. 上下文压缩（Context Compression）
这是最核心的能力。10 种读取模式自动选择：

  • map 模式：只提取依赖关系和 API 接口，跳过实现细节。Rust 文件省 96.5%，JS 文件省 99.1%
  • signatures 模式：只保留函数签名和类型定义，Python 文件省 94.5%
  • cache_hit：重复读取同一文件只需 ~13 token（原始 ~2000 token），省 99.8%
  • aggressive 模式：去注释去空行，适用于文档和配置文件

2. 智能分流（Intelligent Triage）
不是所有任务都需要读完整文件。LeanCTX 会分析任务类型，自动选择最经济的读取模式。简单查询走轻量模式，复杂分析才用全文。

3. 知识路由（Knowledge Routing）
跨会话记忆持久化——AI 记住你上次看了什么文件、做了什么决策。下次新会话不需要重新发现，直接 recall。记忆以 .ctxpkg 格式导出，换模型不丢失。

4. 成本追踪（AI Value Gate）
内置仪表盘实时显示 token 消耗和成本。引入 CPAO（Cost per Accepted Outcome）指标——不只看省了多少 token，还看”花出去的 token 产出了多少有用结果”。

5. 影子模式（Shadow Recommendations）
对比压缩前后的输出质量，只在确认质量不降的前提下推荐节省方案。

实测数据：按语言拆解

LeanCTX 在 9 种语言的 50 个文件上做了精确 benchmark：

语言 文件数 原始 Token 最佳模式 节省率
Rust 10 144,295 map 96.5%
JavaScript 10 71,352 map 99.1%
TypeScript 4 13,974 map 95.6%
Python 9 26,688 signatures 94.5%
Markdown 10 80,376 aggressive 5.6%
JSON 5 67,430 aggressive 0.5%

规律很明显：代码文件压缩率极高（94-99%），因为结构化信息（函数签名、API 表面）只占源码的一小部分；数据文件压缩率低，因为本身就没有冗余结构。

CLI 输出压缩同样亮眼——1794 条真实命令的统计：

  • git log --stat -10：8,693 字符 → 636 字符，省 92.7%
  • git diff HEAD~5 --stat：3,077 字符 → 179 字符，省 94.2%
  • git status：2,350 字符 → 1,585 字符，省 32.6%

LeanCTX 内置 95+ 种 shell 输出压缩规则，覆盖 git、npm、cargo、docker、kubectl、terraform 等主流工具。

一个例子：auth 模块的上下文查询

当 AI 被问”auth 模块怎么工作的？”时：

没有 LeanCTX：读 auth.rs（2,500 token）+ middleware.rs（1,800 token）+ config.rs（900 token）= 5,200 token

有 LeanCTX：map 模式读 auth.rs（65 token）+ map 模式读 middleware.rs（42 token）+ map 模式读 config.rs（18 token）= 125 token

节省 97.6%。AI 拿到的是依赖关系图和 API 签名——这对回答”怎么工作的”已经足够了。如果需要深入实现细节，再用 ctx_expand 按需展开。

安装：一条命令，30 秒

# Cargo（推荐）
cargo install lean-ctx

# 或从源码
git clone https://github.com/yvgude/lean-ctx
cd lean-ctx/rust && cargo build --release

安装后一行命令启动：

lean-ctx setup

零配置。它会自动识别你的 coding agent（Cursor / Claude Code / Copilot / Windsurf / Codex / Gemini CLI 等 30+ 种），插入代理层。不需要改任何配置文件。

对比”6 工具栈”的安装体验：6 个仓库、3 种语言、15 分钟配置、各种 bridge 脚本……LeanCTX 把这一切压缩成一个二进制。

生态兼容：不只是压缩工具

LeanCTX 还内置了 addon 系统，可以把其他 MCP server 接入它的网关：

lean-ctx addon search memory   # 浏览 addon 注册表
lean-ctx addon add headroom    # 安装并接入
lean-ctx addon list            # 查看已接入的 addon

注册表覆盖压缩（Headroom、Sophon）、代码智能（Repomix、Serena）、记忆（Mem0、Cognee、Letta）和推理（Sequential Thinking）等类别。所有 addon 输出经过安全扫描和不可信标记后才送达模型。

对不同角色的意义

对独立开发者：月费 $450 → $60，一年省 $4,680。LeanCTX 已经在生产环境跑了 1794 条命令，数据可复现。

对团队：本地优先，记忆可导出为 .ctxpkg。换模型（OpenAI ↔ Anthropic ↔ Gemini）不丢上下文。不存在数据锁在某个厂商黑箱里的问题。

对 AI 应用开发者：CPAO 指标（Cost per Accepted Outcome）是一个新的评估框架——不只看”省了多少 token”，还看”省下的 token 是否真的降低了输出质量”。这个思路值得借鉴。

模型在趋同，算力在降价，但上下文的控制权才是 AI 时代的真正护城河。LeanCTX 把这道护城河搬到了你本地。

关注 AI商业快讯，每天一篇 AI 热点深度解读。

LeanCTX 为开源项目（MIT 协议），本文不构成投资建议。
相关阅读：AI Skill 生态全景：从 1000+ 仓库精选 10 个必装技能 ｜ Groq 再融 3.5 亿美元转向 neocloud

AI Skill 生态全景：从 1000+ 仓库精选 10 个必装技能，开发者别再从零写 prompt 了

作者
AI Skill 生态全景：从 1000+ 仓库精选 10 个必装技能，开发者别再从零写 prompt 了

2026 年，AI 编程工具的竞争已经从”谁的模型更聪明”转向了”谁的生态更能打”。Claude Code、Cursor、Codex、Gemini CLI 等工具不约而同地押注同一个方向——Agent Skills：一种可复用的指令包，让 AI 学会特定任务的工作流。GitHub 上，仅 awesome-claude-skills 一个仓库就收录了超过 1000 个 skill，星标突破 72,000。Cursor Directory 有 86,600 名开发者投票选出最佳规则。Anthropic、Google、Stripe、Vercel 等一线团队纷纷发布官方 skill。一场关于”AI 该怎么做事”的标准化运动正在悄然发生。

为什么”Skill”突然火了？

原因很简单：大模型的能力趋同，差异化来自上下文和工作流。同样是写代码，一个加载了 TDD skill 的 Claude 会先写测试再写实现，而裸模型可能直接输出一堆没测试的代码。同样是处理文档，加载了 docx skill 的 AI 能精确操作 Word 的修订追踪和批注，而不是给你一段”看起来像 Word”的纯文本。

Skill 本质上是给 AI 装”肌肉记忆”——告诉它在特定场景下该按什么顺序、用什么工具、遵守什么约束。这比写 prompt 更结构化，比写代码更轻量，比训练模型更灵活。

据 Anthropic 官方定义，一个 skill 就是一个文件夹，核心是一个 SKILL.md 文件，包含 YAML 元数据（名称+描述）和 Markdown 指令。Agent 在会话开始时只看到 skill 的名字和描述（约 100 token），只有当任务相关时才加载完整指令（通常不超过 5000 token）。这意味着一个 agent 可以挂载数百个 skill 而不会撑爆上下文窗口。

生态分层：三层架构正在成型

经过对 GitHub、Cursor Directory、MCP Servers 等主要平台的系统梳理，我们发现 AI Skill 生态已经分化出清晰的三层结构：

第一层：指令层（SKILL.md）——教 AI “怎么做”。这是最轻量的形态，一个 Markdown 文件就能让 AI 掌握新技能。代表：Anthropic 官方的 docx/pdf/pptx/xlsx 文档技能包、Cursor Directory 上 39,000 人安装的 Next.js 规则。兼容 Claude Code、Cursor、Codex、Gemini CLI 等几乎所有主流工具。

第二层：工具层（MCP Server）——给 AI “接外部系统”。Model Context Protocol 定义了 AI 如何安全地连接数据库、API、文件系统。官方参考实现包括 Memory（知识图谱持久记忆）、Filesystem（安全文件操作）、Git（仓库管理）等。社区已经有数百个 MCP server，覆盖从 Slack 到 PostgreSQL 的各种服务。

第三层：编排层（Agent Pipeline）——让多个 skill + 多个 agent 协作完成复杂流程。这是目前最前沿的方向。代表项目 GreatCTO 用 69 个专业 agent（架构师、开发、QA、安全、运维）组成完整的软件开发生命周期流水线——你描述一个产品，AI 从设计到部署全流程执行，人工只参与两次审批。

10 个值得收藏的 Skill 精选

我们从 1000+ 仓库中筛选出第一批 10 个高价值 skill，按影响力和实用性分两档：

⭐ Tier 1：必装五强

1. Bloom — AI 私人家教
基于 Benjamin Bloom 的 2-Sigma 研究（一对一辅导能让学生提升到前 2%），Bloom 实现了自适应教学：生成大纲 → 逐课讲解 → 读取你的标注反馈 → 调整下一课内容。支持话题学习、PDF 文档学习、项目文件学习三种模式。CLI 模式（Claude Code）和 Web 模式（React + FastAPI）均可。教育赛道刚需产品。

2. LeanCTX — 上下文压缩引擎
一个 Rust 编写的本地二进制，帮你省 50-80% 的 token。10 种读取模式、95+ shell 输出压缩规则、跨会话记忆持久化、实时成本仪表盘。支持 Cursor / Claude Code / Copilot / Windsurf / Codex / Gemini CLI 全平台。token 成本是所有 AI 用户的痛点，这个工具直接砍一半。

3. GreatCTO — 69 Agent SDLC 流水线
“描述一个产品，批准两次，上线。”69 个专家 agent 覆盖架构、开发、测试、安全、部署全流程。实测数据：一个功能 1 小时 26 分钟、$3.40 token 成本；完整产品中位数 $171。内置 GDPR/PCI-DSS/HIPAA/SOC2 合规框架。Solo 开发者和创业者的终极工具。

4. Anthropic 官方文档技能包
Anthropic 亲儿子，docx/pdf/pptx/xlsx 四件套。不是简单的格式转换，而是真正理解文档结构——Word 的修订追踪和批注、PDF 的表单字段、PPT 的布局模板、Excel 的公式和图表。Claude Code 一条命令安装，Claude.ai 付费版原生支持。

5. Cursor Directory 热门规则
86,600 名开发者投票的 IDE 最佳实践。Next.js（39k 安装）、Front End（33.5k）、Expo（17.9k）、FastAPI（12.8k）、Java（9k）——覆盖主流技术栈。一键导入，零配置，是最低门槛的”skill”体验。

⭐ Tier 2：专业精选

6. MCP Memory Server — 基于知识图谱的 AI 持久记忆，官方参考实现。实体-关系-属性三层结构，比纯文本搜索精准得多。

7. Composio Connect Apps — 一个插件接入 Gmail/Slack/GitHub/Notion 等 1000+ 应用。解决”AI 能聊天但不能干活”的痛点。

8. Playwright Browser Automation — 让 AI 操控浏览器做测试、爬数据、填表单。最直观的”AI 干活”演示。

9. TDD Skill — 强制测试先行的开发流程，减少 AI 生成代码的 bug 率。Anthropic 官方出品。

10. Septim Agents Pack — 10 个命名子代理（规划/架构/品牌/营销/财务/设计/法务/客户/研究/协调），放入 .claude/agents/ 即可使用。

对中国开发者的启示

目前 AI Skill 生态的主战场在英文世界，中文内容几乎空白。这意味着巨大的信息差红利：

对研发团队：不要再从零写 prompt 了。直接用 Cursor Rules 或 Claude Code Skills 作为起点，省下 80% 的配置时间。LeanCTX 这类工具能直接砍掉一半 token 成本。

对产品经理：关注 Agent Pipeline 方向。GreatCTO 证明了”69 个 agent 协作”不是概念，而是已经跑通的工程实践。下一个”低代码”机会可能就在 skill 编排层。

对创业者：垂直场景的 skill 就是护城河。一个懂法律的 skill、一个懂医疗的 skill、一个懂金融合规的 skill——这些”专业知识包”的价值会越来越高。国内做 AI 应用的团队，不妨从”做一个垂直 skill”开始。

AI 工具的竞争已经从模型层上移到了生态层。谁掌握了 skill 生态，谁就掌握了 AI 的”手脚”。这个赛道才刚刚开始。

关注 AI商业快讯，每天一篇 AI 热点深度解读。
本文提及的 skill 均为开源项目，不构成投资建议。

相关阅读：Stripe 以 70 亿美元收购 OpenRouter：支付巨头押注 AI 模型路由入口 ｜ Groq 再融 3.5 亿美元转向 neocloud：AI 推理云成算力投资新战场

600亿美元！SpaceX正式收购Cursor，AI编程工具的估值天花板被捅破

作者
600亿美元！SpaceX正式收购Cursor

马斯克旗下 SpaceX 出手了，而且一出手就是 600 亿美元。据 TechCrunch 8 月 15 日报道，SpaceX 已正式完成对 AI 编程工具 Cursor 母公司 Anysphere 的收购，交易以全股票方式进行，金额高达 600 亿美元。这桩交易被多家媒体称为 B2B 软件领域规模最大的创业公司收购之一。短短两个月前（6 月 16 日）TechCrunch 首次披露收购意向时，市场还在消化”一家火箭公司为什么要买编程工具”的疑问；如今交易落定，答案似乎写在价格里——AI 编程能力，正在从”开发者的效率玩具”变成硬科技公司的战略弹药。

为什么值得关注

把视角拉高一层，这笔收购释放了三个清晰信号：

第一，AI 编程赛道的估值天花板被一次性捅破。就在前不久，AI 编程初创的估值还在”十亿级”徘徊：编程代理公司 Cognition 估值约 260 亿美元、AI 应用构建平台 Lovable 估值约 133 亿美元、代码验证工具 Blacksmith 估值约 5.5 亿美元。Cursor 一把冲到 600 亿美元，等于把整个赛道的定价锚点往上拔了一个数量级。换句话说，市场开始用”战略基础设施”而非”效率工具”来给 AI 编程定价。

第二，跨界收购本身是个强信号。SpaceX 不是软件公司，它买下 Cursor，逻辑不是”多一个开发工具”，而是把 AI 工程能力内化为自身的技术底座。据 crowdfundinsider 报道，SpaceX 方面将此次收购与其”AI 计算战略”直接挂钩。当一家以火箭和卫星闻名的公司都把 AI 编程能力视作核心资产，说明”用 AI 写代码、管代码、自动化工程”已经从可选优化，变成了硬科技竞争的必选项。

第三，并购正在取代单纯融资，成为 AI 应用层的主要退出路径。过去两年 AI 叙事集中在”谁融得多、谁参数大”，而 Cursor 的案例表明：能在具体场景里把生产力做实、把付费用户做厚的工具型产品，同样能卖出天价。这对所有做 AI 应用、AI 工具的团队都是一针强心剂。

分角色怎么看

对研发负责人 / 技术管理者：这次收购会加速”AI 编程纳入工程标准流程”的趋势。无论团队用 Cursor 还是同类工具，都应该重新评估 AI 辅助编程在需求拆解、代码生成、测试与运维环节的渗透率。SpaceX 级别的公司都在重金押注，说明 ROI 已经过了验证期。

对投资者 / 创业者：AI 编程赛道出现 600 亿美元量级的退出标杆，意味着上游（模型）与下游（应用）之间的”工具层”被重新定价。短期内，具备真实付费留存、能嵌入企业研发链路的编程类 AI，会被资本重新追捧；对创业者而言，这是一轮并购窗口期，也是被大厂”战略收购”逻辑覆盖的高光时刻。

对普通开发者：最现实的问题是：Cursor 被 SpaceX 收编后，产品走向和价格会怎么变？参考同类并购，短期通常保持独立运营、会员体系延续；但中长期，工具会更深度绑定收购方的工程体系。开发者的核心护城河，从来不是”会用某个工具”，而是借助工具把工程判断力做厚。

结语

600 亿美元买下的不只是一个代码编辑器，而是”用 AI 重写工程生产力”的入场券。当火箭公司都开始为 AI 编程能力一掷千金，这个赛道的商业故事，才刚刚讲到高潮。关注 AI商业快讯，每天一篇 AI 热点深度解读，带你把每一次行业地震看懂、看透。

相关阅读