Cursor上线Live Apps:一键生成可分享链接

Cursor 为云端智能体推出 Live Apps,可自动搭建、配置并部署带登录的在线应用。
Cursor 面向云端智能体推出 Live Apps 功能,用户只需描述所需工具,系统便会自动搭建 Web 应用骨架、配置 Postgres 数据库、接入 Cursor 登录、执行安全检查并部署到指定域名,既可从新仓库启动也可对接现有 GitHub 仓库。该功能仅对付费且包含云端智能体的计划开放,本地智能体用户无法使用。发布默认安全优先:检查通过并手动点击发布前应用不会上线,检查会拦截密钥、凭证文件、dotenv 文件与 source map。团队管理员可查看全部应用、添加审核规则、批准被拦截的发布或下架,分享范围可限定到个人、分组或团队。文章建议先用内部工具演练并主动测试鉴权边界。
Cursor 不再只是本地写代码的工具。它现在能把你的项目直接部署成一个带分享链接的在线应用,让“只在我电脑上能跑”的工具真正交到团队手里。
从本地到线上:Cursor Live Apps 是什么
据 YouTube 上关于 Cursor 新功能的介绍视频,Cursor 为云端智能体(cloud agents)推出了 Live Apps 功能。你只需描述想要什么工具,Cursor 就会自动完成一系列此前需要手动配置的步骤:搭建 Web 应用骨架、按需配置 Postgres 数据库、接入 Cursor 登录、执行安全检查,最后部署到你指定的域名。
整个流程既可以从 Cursor Origin 上的新仓库启动,也可以对接已有的 GitHub 仓库。换句话说,它把“写代码”和“让代码跑在公网上”这两件事压缩成了一个连贯的动作。

这一变化的意义在于,大量内部小工具——排班表、座位图、简单的信息收集表单——过去往往停留在开发者的 localhost 上,因为部署和权限配置的成本太高。Live Apps 试图消除这道门槛。
云端智能体(cloud agents) 是相对本地智能体而言的一种运行形态:智能体的推理、文件读写与命令执行发生在 Cursor 托管的远端环境中,而不是你的本机。正因为它掌握着一个可被持续访问的运行环境,才具备直接构建 Web 应用、连接数据库并把服务部署到公网的前提。本地智能体受限于开发机,产物天然停在 localhost;云端智能体则可以在同一条流水线里完成从生成代码到对外提供服务的动作。这也解释了为什么 Live Apps 只对付费且包含云端智能体的计划开放——功能依附于运行环境,而非单纯的编辑器能力。
谁能用:付费计划专属,本地智能体不支持
这项能力的适用范围有明确边界。根据视频说明,只有包含云端智能体的付费计划才能使用 Live Apps;仅使用本地智能体(local agents)的用户则无法获得该功能。
部署过程默认是“安全优先”的。在检查通过并且你主动点击发布之前,应用不会上线。这个设计把最终控制权留在了用户手里,而不是自动化流水线。

对于团队来说,这意味着可以先把应用发布给内部验证,确认没问题后再扩大范围,而不是一上线就暴露在公网。
安全检查与团队管控:发布前的关卡
Live Apps 在发布前会执行一组安全检查,重点拦截几类风险:应用文件中的密钥、凭证文件、dotenv 文件以及 source map。这些正是常见的敏感信息泄露渠道,尤其是 source map 可能暴露源码结构。
团队管理员还拥有一层治理能力:可以查看团队内每一个应用,添加审核规则,批准被拦截的发布,或者直接下架(unpublish)。这套机制把 AI 自动生成的部署纳入了组织级的可见性之下。

分享范围也做了分级:可以只分享给特定的人、分组或整个团队,访问都走 Cursor 登录。个人计划用户则可以选择公开分享。
source map 是前端构建工具生成的映射文件,用于把压缩、混淆后的产物还原回原始源码,方便线上排错。它通常以 .map 后缀与打包文件一同发布,浏览器开发者工具会自动读取并在调试时展示原始代码。问题在于,一旦 source map 被公开访问,任何人都能借此还原出未压缩的源码、目录结构乃至其中残留的注释与接口路径,相当于把工程细节一并暴露。这正是 Live Apps 在发布前将其列入拦截对象的原因:它不是运行必需的资源,却可能成为信息泄露的入口。
dotenv 文件(如 .env)是存放环境变量与配置的约定俗成文件,数据库连接串、第三方 API Key、签名密钥通常都写在这里,再通过 dotenv 类库在运行时注入进程环境。它的风险在于默认被排除在版本控制之外,却极易在打包、复制目录或整仓上传时被一并带走。对于自动生成的部署流程,这类文件一旦混入构建产物,就等于把凭证直接挂到了公网上。因此检查逻辑会把 dotenv 文件与凭证文件同等对待,在发布前予以拦截,而不是依赖开发者记得手动排除。
上手建议:先拿一个内部工具做演练
视频给出的第一条实践建议很务实:先挑一个团队早就提出需求的内部工具来试水,比如座位图或简单的信息收集表单,并且只发布给同事。

发布之后,作者建议自己去尝试突破登录鉴权,看看权限边界是否真的有效;一旦发现任何不对劲的地方,立刻下架。视频也坦率承认,这项功能尚未经过充分测试,因此第一个应用应当被当作一次演练,而不是生产环境的正式交付。
一点判断
Live Apps 补上的是 AI 编程工具链条上长期缺失的一环——从生成代码到交付可用服务。对于内部工具这类场景,它的价值可能比生成更复杂的代码更大,因为这类需求量大、生命周期短、对权限敏感。
但“自动部署 + 自动安全检查”也意味着用户需要信任这套检查的覆盖面。视频作者自己提出的“先做演练、主动测试鉴权”是理性的态度。省下的是部署时间,不该省的是对暴露面的警惕。
相关推荐

AI检测误判风波:作家被指用AI写作,谁该举证?
2026年英联邦短篇小说奖地区获奖者被Pangram检测工具判定100% AI生成,最终靠草稿自证清白。这起事件揭示了AI检测工具的误判风险与创作者面临的举证困境,以及作家协会承认没有可靠AI检测方法的现实。

Paul Ford新作引热议:Web本身已经足够
Paul Ford 文章《The Web Is More Than Enough》在 Hacker News 引发讨论,主张 Web 标准已足够承载应用开发,反对动辄引入封闭平台。本文梳理其核心论点、与当前 AI 应用潮流的张力,以及对开发者技术选型的实际含义。

斯坦福如何教授AI原生工程:CS146S课程揭秘
斯坦福CS146S课程直面AI一键生成作业的挑战,探索AI原生工程教育。Mihail Eric分享如何将AI作为工程伙伴,培养系统设计和代码审查能力,为工程教育提供新范本。