우리가 해결할 문제들

Cursor가 집중하는 문제는 단순한 코드 자동완성을 넘어서, 코드 편집 전반을 더 빠르고 정확하게 만드는 데 있다. 핵심은 모델 성능만이 아니라 UX와 인프라까지 함께 바꾸는 것이다.

가장 먼저 필요한 것은 better context다. 에디터 안에는 열린 파일, 유사 코드 조각, 심볼 연결 관계, lint 출력, 실행 트레이스, git history, typing history, 외부 문서 등 정보가 너무 많기 때문에, 요청마다 약 50만 토큰을 모은 뒤 이를 커스텀 reranker로 압축해 가장 관련 있는 8k 토큰만 남기는 방식을 추진하고 있다.

그다음 과제는 **"copilot for edits"**다. 새 코드를 쓰는 데는 GitHub Copilot이 유용하지만, 기존 코드 블록에서 이름 변경처럼 사소하지만 번거로운 수정을 할 때는 여전히 많은 탐색·삭제·입력 작업이 필요하다. 이를 해결하려면 코드 작성 중에 방해가 적은 diff UX와, 비용·지연·지능 문제를 함께 넘는 모델 쪽 혁신이 필요하다.

또한 constrained, in-flow agents를 목표로 한다. 대규모 코드베이스에서 작동하는 몇 단계짜리 에이전트가 검색하고, 코드를 쓰고, 실행한 뒤, 주기적으로 사용자에게 확인을 요청하는 형태다. 우선 목표는 수십만 토큰 규모의 폴더에서 안정적으로 동작하게 만드는 것이며, 성공하면 전체 코드베이스로 확장한다.

그 외에도 다음 문제를 다룬다.

• Bug-finding: 백그라운드에서 잠재 버그를 계속 찾거나, 디버깅 중에는 사용자를 도와 적극적으로 원인을 추적한다.
• Larger edits: 파일 전체는 물론 디렉터리 단위 수정도 가능해야 하며, 변경 사항은 실시간으로 파싱 가능한 형태로 보여줘야 한다.
• Scale: 이미 14억 vectors와 15만 개 codebases를 인덱싱했고, 이것이 연말까지 10배 늘 수 있어 더 빠른 인덱싱 시스템이 필요하다.

미래 아이디어로는 Time warp처럼 앞으로 15분 안에 만들 변경을 미리 보여주거나, Understanding을 통해 모델이 코드베이스 개념을 weights 차원에서 깊게 이해하게 만들고, Reader mode로 코드 경로를 설명하는 보조를 제공하고, Pseudo-code mode로 추상화된 수정 내용을 원본 소스에 반영하는 방식, 그리고 stack trace를 자동으로 이해해 고치는 경험까지 구상하고 있다.

마지막으로, 이 목록은 고정된 로드맵이 아니라 현재의 우선순위일 뿐이라고 선을 긋는다. 제품을 매일 12시간 이상 직접 쓰는 만큼 아이디어와 우선순위는 계속 바뀌지만, 지금 Cursor가 어디에 brain cycles를 쓰는지는 충분히 보여준다.