Matt Palmer 演示用 Cursor 云 Agent 对照真实 Slack 生成界面动效视频
用 Cursor 云端电脑「看着真正的 Slack」把界面做成代码视频
Matt Palmer 演示了在 Cursor 云 Agent 的 Linux 远程桌面上打开 Chrome 和真实 Slack，让 Agent 用代码生成 Slack 界面动效视频，并对照真实界面检查 easing 与 motion 模式后迭代修改。他把流程拆成内环（Agent 做事、对照真物检查、修复）和外环（人提供参考、偏好与权限并验收产出），并提出 Do→Codify→Generalize 的阶梯，把一次成功收成 Skill 再泛化。他强调没有反编译 Slack，只是给 Agent 参考并要求它对照提取视觉模式。
查看原帖Agents 通过观察真实事物，用代码把 Slack 重建为视频 0:00 为什么 0:25 @cursor_ai agents 与计算机使用 1:03 视频即代码 1:56 Slack 2:54 一次聊天、一个 agent、一台计算机 3:53 内环与外环 5:04 阶梯 7:47 技能 8:14 反馈循环 10:02 回顾 https://t.co/S91yI9vLop
查看原文
Agents rebuilt Slack as video (using code) by looking at the real thing 0:00 Why 0:25 @cursor_ai agents & computer use 1:03 Video as code 1:56 Slack 2:54 A chat, an agent, a computer 3:53 Inner loop and outer loop 5:04 The ladder 7:47 Skills 8:14 Feedback loops 10:02 Recap https://t.co/S91yI9vLop
正文
用 Cursor 云端电脑「看着真正的 Slack」把界面做成代码视频
来自 @mattyp 的实战演示，整体覆盖：Why → Cursor agents & computer use → Video as code → Slack → 聊天·Agent·电脑 → 内环/外环 → The ladder → Skills → Feedback loops → Recap。
演示看起来是「Agent 复刻 Slack 动效」，真正要讲的是一套可被复制参考的创造方法：给 Agent 一台可操控的电脑，把参考界面打开，让它用代码做视频资产，并在「做 → 对照真物检查 → 修」的内环里自己迭代；人只在外环给参考、偏好与权限，再把一次成功收成 Skill、推广成抽象，最后外环自动化。
演示具体在干什么 Matt 在 Cursor 云 Agent 的 Linux 远程桌面上开 Chrome，跑着 Slack；同时用 Agent 做 motion video（把 UI 动效当代码产物）。强调：没有反编译 Slack，只是告诉 Agent 要什么、给视频参考，并在 Agent 电脑上打开真 Slack，让它对照提取视觉与 easing / motion 模式。画面里能看到复刻出的频道、线程（如 # ci-oncall 里 Agent 查 payments-svc 测试）、以及 # launch-copy 里 @ Marketer 起草 Team Bots 文案等资产；左侧 Agent 还在合并 PR、导出 asset pack、把「刚做完的事」收成 bootstrap motion skill。他说这类事一年前几乎做不到。
Video as code 视频资产用代码生成时，「对不对」变成：能不能渲染 / 编译、看起来是否符合预期。以前视觉验收 Agent 很弱；现在可以做进反馈环，渲染后由模型对照真实参考检查，再改代码。
形状：一个聊天 + 一个 Agent + 一台电脑 多数演示同构：你在聊天里指挥；Agent 有完整桌面控制（截图、点击），云上或本地都行。他偏爱云端（可长时间跑、不怕笔记本休眠），也在试 Mac mini。
内环与外环 · 内环：Agent 做事 → 对照真实物检查 → 有明确失败/评估标准就修 → 继续，直到自认完成再交给人验收。 · 外环：人提供 inputs（references / preferences / access）并 judge 产出（artifacts / screenshots / analytics）。Slack 例：要建 sandbox、给凭证、在电脑上登录，他半开玩笑说可能踩 ToS，「别告诉 Slack HQ」。目标是尽量把可自动化的部分塞进内环。
The ladder（阶梯） 口播路径：先 做一次（自己 vibe coding 聊出来）→ 收成 Skill → 泛化（不止 Slack，也可对 X 等产品出可视化 / B-roll）→ 最后在外环 自动化，像软件一样往内环倒上下文、收高质量输出。画面阶梯标注为 Do（workflow）→ Codify（skill）→ Generalize（abstraction）。
失败怎么办、Skills 为什么重要 用「台灯」类比：已插电、已开开关、灯泡也查过，问题就在插座到灯之间，工程师要找出断点。Agent 失败时同样：问为什么、调试，再把原因 编进 Skill，让后续 Agent 继承，消掉这一类问题。他也把反馈环类比到养植物、健身、学吉他；并说细心与习惯在带 Agent 时会被放大。末尾自称还在打磨这些说法。