Опубликовано 7 января 2026

ИИ-ассистент Cursor находит нужный код в больших проектах

Cursor научился сам находить нужный код в больших проектах

Редактор кода Cursor получил функцию Dynamic Context Discovery, которая автоматически ищет релевантные файлы в проекте без ручного указания контекста.

3 – 4 минуты чтения
Источник события: Cursor AI 3 – 4 минуты чтения

Работа с ИИ-ассистентами в коде часто напоминает игру в угадайку: модель не знает, какие файлы ей нужны для ответа, а разработчик тратит время на то, чтобы вручную «скормить» ей правильный контекст. Команда Cursor решила эту проблему с помощью новой функции Dynamic Context Discovery – теперь редактор сам понимает, какие части проекта стоит подключить.

Принцип работы Dynamic Context Discovery

Как это работает

Когда вы задаёте вопрос в Cursor, система автоматически анализирует ваш запрос и ищет релевантные файлы по всему проекту. Если коротко: модель сама решает, какой код ей понадобится для ответа, и подтягивает его без вашего участия.

Раньше приходилось либо вручную добавлять файлы через символ @, либо надеяться, что модель угадает по открытым вкладкам. Теперь Cursor делает это автоматически – причём не только по названиям файлов, но и по смыслу кода внутри них.

Технология Dynamic Context Discovery

Что под капотом

Технически Dynamic Context Discovery работает в три этапа:

  • Сначала система смотрит на ваш вопрос и пытается понять, о чём вообще речь – какая часть кодовой базы может быть полезна.
  • Затем она прогоняет поиск по индексу проекта, используя семантическое сходство. Проще говоря, ищет не только по ключевым словам, но и по смыслу.
  • На финальном этапе модель ранжирует найденные файлы и выбирает самые подходящие для включения в контекст.

Всё это происходит за кулисами, пока вы ждёте ответа.

Преимущества автоматического поиска кода

Зачем это нужно

Основная польза – экономия времени. Вместо того чтобы вспоминать, где лежит нужная функция или какой файл отвечает за определённую логику, можно просто задать вопрос. Особенно это ощущается в больших проектах, где файлов сотни или тысячи.

Допустим, вы хотите понять, как работает аутентификация в приложении. Раньше пришлось бы либо открывать файлы вручную, либо просить модель «угадать» по минимальному контексту. Теперь Cursor сам найдёт связанные компоненты, middleware, конфигурационные файлы – всё, что может быть полезно для объяснения.

Как изменилась работа разработчиков с Cursor

Что изменилось для разработчиков

Функция включена по умолчанию и работает во всех режимах чата Cursor. Никаких дополнительных настроек не требуется – система сама решает, когда стоит подключить автопоиск контекста.

Интересный момент: Dynamic Context Discovery не заменяет ручное добавление файлов через @. Если вы точно знаете, какой код нужен, можете указать его явно – это всё ещё работает. Автопоиск скорее дополняет этот подход, помогая в ситуациях, когда вы сами не уверены, где искать.

Ограничения автоматического поиска кода ИИ-ассистентом

Ограничения и нюансы

Понятно, что система не всегда угадывает идеально. Иногда она может подтянуть лишние файлы или, наоборот, упустить что-то важное. Это зависит от того, насколько хорошо модель понимает ваш запрос и насколько структурирован проект.

Ещё один момент – размер контекста. Даже если Cursor нашёл десяток релевантных файлов, не все из них поместятся в окно контекста модели. Система сама решает, что важнее, но это означает, что иногда часть информации всё равно останется за бортом.

Также стоит учитывать, что автопоиск работает по индексу проекта. Если кодовая база очень большая или плохо индексируется, качество поиска может снизиться.

Перспективы развития ИИ-ассистентов в коде и их автономность

Что дальше

Dynamic Context Discovery – это шаг в сторону более самостоятельных ИИ-ассистентов, которые меньше зависят от того, насколько точно разработчик сформулировал запрос или подготовил контекст. В идеале модель должна сама ориентироваться в проекте так же, как это делает человек – открывая файлы, следуя связям, проверяя зависимости.

Пока это работает не идеально, но направление понятно: чем меньше нужно объяснять инструменту, где что лежит, тем быстрее можно сосредоточиться на самой задаче.

Ссылка на публикацию: https://cursor.com/blog/dynamic-context-discovery
Оригинальное название: Dynamic context discovery
Дата публикации: 6 янв 2026
Cursor AI cursor.com Американский ИИ-редактор кода, помогающий разработчикам писать и анализировать программы.
Предыдущая статья DeepL о 2026 годе: ИИ-агенты станут рабочей нормой Следующая статья ChatGPT Health: OpenAI выпустила специализированную версию для медиков

Связанные публикации

Вам может быть интересно

Перейти к другим событиям

События – лишь часть картины. Эти материалы помогают увидеть шире: контекст, последствия и идеи, стоящие за новостями.

ИИ: События

Как запустить ИИ-агента для программирования на видеокартах AMD Instinct

Технический контекст Инфраструктура

AMD показала, как развернуть OpenHands – агента для автоматизации написания кода – на своих серверных графических процессорах (GPU) с использованием движка vLLM.

AMDwww.amd.com 28 янв 2026

От источника к разбору

Как создавался этот текст

Этот материал не является прямым пересказом исходной публикации. Сначала была отобрана сама новость – как событие, важное для понимания развития ИИ. Затем мы задали рамку обработки: что в тексте важно прояснить, какой контекст добавить и на чём сделать акцент. Это позволило превратить отдельный анонс или обновление в связный и осмысленный разбор.

Нейросети, участвовавшие в работе

Мы открыто показываем, какие модели использовались на разных этапах обработки. Каждая из них выполняла свою роль – анализ источника, переписывание, проверка и визуальная интерпретация. Такой подход позволяет сохранить прозрачность процесса и ясно показать, как именно технологии участвовали в создании материала.

1.
Claude Sonnet 4.5 Anthropic Анализ исходной публикации и написание текста Нейросеть изучает оригинальный материал и формирует связный текст

1. Анализ исходной публикации и написание текста

Нейросеть изучает оригинальный материал и формирует связный текст

Claude Sonnet 4.5 Anthropic
2.
Llama 4 Maverick Meta AI Проверка и правка текста Исправление ошибок, неточностей и спорных формулировок

2. Проверка и правка текста

Исправление ошибок, неточностей и спорных формулировок

Llama 4 Maverick Meta AI
3.
DeepSeek-V3.2 DeepSeek Подготовка описания для иллюстрации Генерация текстового промпта для визуальной модели

3. Подготовка описания для иллюстрации

Генерация текстового промпта для визуальной модели

DeepSeek-V3.2 DeepSeek
4.
FLUX.2 Pro Black Forest Labs Создание иллюстрации Генерация изображения по подготовленному промпту

4. Создание иллюстрации

Генерация изображения по подготовленному промпту

FLUX.2 Pro Black Forest Labs

Хотите знать о новых
экспериментах первыми?

Подписывайтесь на наш Telegram-канал – там мы делимся всем самым
свежим и интересным из мира NeuraBooks.

Подписаться