Build an AI Agent With Cursor (No Coding Needed)
三句話摘要
使用 Cursor AI 編輯器，零程式基礎也能在數小時內從零建構一個可研究網路、摘要文章、自動生成報告的生產級 AI Agent。 --- Cursor Composer + STAR 提示法是核心武器；一個帶有 async、cache、memory 的 Research Agent，既是學習終點，也是商業起點。 Cursor Composer 是核心工作台：不同於一般 Chat，Composer 可同時跨多個檔案編輯、執行終端指令並迭代修正，是建構 Agent 的主要工具。Agent Mode 開啟後可自動寫碼、執行、讀取錯誤、修復，直到程式通過。
重點整理
重點- 1
Cursor Composer 是核心工作台：不同於一般 Chat，Composer 可同時跨多個檔案編輯、執行終端指令並迭代修正，是建構 Agent 的主要工具。Agent Mode 開啟後可自動寫碼、執行、讀取錯誤、修復，直到程式通過。
- 2
STAR 提示法決定 Agent 品質：模糊指令（「做個 AI Agent」）產出的結果難以預測；用「情況→任務→行動→結果」結構化的提示，才能讓 Cursor 精準生成符合需求的模組化程式碼。
- 3
生產級 Agent 必須具備五個能力：並發抓取（asyncio）、快取層（JSON cache）、記憶模組（memory.json 儲存歷史語意）、指數退避重試（rate limit 保護）、以及完整 logging（三層級寫入 agent.log）。
- 4
貨幣化路徑明確且可分層：同一套 Agent 架構可包裝為接案產品（$200–$500/次部署）、SaaS 服務（月費制）或白標顧問方案（設定費 + 月維護費），一份程式庫產生多條收入流。
- 5
--
實用技巧與重點
乾貨- 工具與平台
- Cursor（基於 VS Code 的 AI 編輯器）
- Python 3.11
- LangChain（Agent 框架預設選項）
- OpenAI API（文章摘要）
- SERP API（網路搜尋）
- FastAPI（Web 服務包裝）
- 部署平台：Railway、Render、Fly.io（均有免費方案）
- 快捷鍵
- `Cmd-L` / `Ctrl-L`：開啟 Cursor Chat
- `Cmd-K` / `Ctrl-K`：Inline Editing（行內編輯）
- `Cmd-Shift-I` / `Ctrl-Shift-I`：開啟 Composer
- 具體數字
- asyncio 並發改寫後：執行時間 30 秒 → 7 秒（4 倍加速）
- 每次摘要 token 上限設定：4,000 tokens（防止單次呼叫費用暴增）
- 指數退避重試間隔：2 秒 → 4 秒 → 8 秒，最多 3 次
- 接案定價：每次自訂部署 $200–$500；顧問專案 $5,000–$20,000
- SaaS 月費區間：$15–$50/用戶
- Agent 功能模組清單
- `agent.py`：主流程（接收 query → 搜尋 → 摘要 → 報告）
- `summarizer.py`：OpenAI 摘要，含 token 上限與退避重試
- `cache.json`：URL 摘要快取層
- `memory.py`：AgentMemory 類別，`get_related_context()` 返回語意最相近的 3 筆歷史
- CLI flags：`--query`、`--max-results`（預設 5）、`--output`（預設 report.txt）、`--verbose`
- MetricsCollector 類別：記錄各步驟耗時、token 用量、估算成本
- 五大常見錯誤
- 未設 token 上限 → 費用失控
- 未處理 rate limit → 免費方案立即崩潰
- 未驗證 URL 有效性（HTTP 200）→ 單一壞連結癱瘓整條 pipeline
- API key 寫死在程式碼中 → 上傳 GitHub 即洩漏
- 未加 logging → 生產環境出錯無從追查
- 三個隱藏功能
- `@` 符號選單：可引用特定文件、資料夾、文件網址、GitHub repo、終端輸出
- Cursor Notepads：持久化上下文文件，用 `@` 在任何提示中引用
- Composer Agent Mode：自動迭代直到程式通過測試
- 7 天行動計畫
- Day 1：本地跑通 Research Agent
- Day 2：加入 async + cache
- Day 3：FastAPI 包裝
- Day 4：部署到雲端
- Day 5：建立落地頁
- Day 6：在 Cursor Discord、LangChain 社群、LinkedIn 分享
- Day 7：主動聯繫 5 位潛在客戶並提供免費 demo
- --
結論
結論“Cursor Composer + STAR 提示法是核心武器；一個帶有 async、cache、memory 的 Research Agent，既是學習終點，也是商業起點。”
完整解析
詳細這支教學的出發點很直接：一個沒有資工背景的人，只要有 Cursor 和正確的工作流程，就能在幾小時內建出一個生產可用的 AI Agent。Cursor 是基於 VS Code 的 AI 編輯器，它最關鍵的差異點在於 Composer 模組——不只是聊天回答，而是能橫跨多個檔案同步修改、執行終端指令、讀取輸出後自行修正，形成完整的開發迭代循環。講者特別強調，過去資深工程師需要三天的工作量，現在初學者三小時就能完成。
在正式建構 Agent 之前，講者花了相當篇幅說明如何「正確地跟 AI 說話」。他提出 STAR 框架——情況（Situation）、任務（Task）、行動（Action）、結果（Result）——用來結構化每一個 Composer 提示。以本次專案為例：「情況是空白的 Python 專案，任務是建一個研究 Agent，行動是建立 agent.py 並整合 SERP API 搜尋與 OpenAI 摘要，結果是要能順暢地處理錯誤」。這樣的提示才能讓 Cursor 生成符合預期的模組化架構，而非模糊的通用範本。
核心 Agent 的架構分為五個模組：接收用戶查詢、用 SERP API 抓回前五篇文章、用 OpenAI 對每篇文章生成摘要、彙整分析並輸出報告。完成基礎版本後，講者進一步帶領加入三個關鍵升級：第一是用 Python asyncio 改寫為並發摘要，讓執行時間從 30 秒降至 7 秒；第二是加入 JSON 快取層，避免重複呼叫 API 浪費費用；第三是建立 memory.py 模組，讓 Agent 能記憶過往研究主題並在新查詢時提供語意相關的歷史脈絡，從無狀態腳本升級為真正有記憶的 Agent。此外，他也強調必須加入指數退避重試機制、URL 有效性驗證、API key 環境變數化、以及三層級 logging，才算是生產就緒的程式碼。
在商業化層面，講者提出三條路徑：接案（每次部署 $200–$500）、SaaS 包裝（FastAPI + 身份驗證，月費 $15–$50）、以及顧問服務（為特定產業客製 Agent，每案 $5,000–$20,000）。白標模式是他認為最容易規模化的做法——一套程式碼，依客戶需求調整 prompt 與品牌，收取建置費加月維護費，最大化每一份開發投入的回報。影片最後提出明確的七天行動計畫，從本地跑通到部署上線、建立落地頁、社群曝光、直至主動開發客戶，把一個週末專案轉化為可持續的收入來源。
---
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
