微软为 Visual Studio Code (VS Code) 开发的 C/C++ 扩展在 VS Codium 和 Cursor 等衍生产品中不再可用 —— 部分开发者对此表示强烈不满。
今年四月初,使用 VS Codium(微软基于 MIT 许可证开源的 VS Code 分支)和基于 VS Code 代码库构建的商业 AI 代码助手 Cursor 的程序员发现,C/C++ 扩展停止了工作。
该扩展为 VS Code 增加了 C/C++ 语言支持,如 Intellisense 代码补全和调试功能。从竞争性工具中移除这些功能破坏了开发者工作流,使编辑器功能受限,并可能阻碍市场竞争。
这一重大变更似乎始于 2025 年 4 月 3 日发布的 v1.24.5 版本。
在四月更新之后,尝试在 VS Code 之外安装 C/C++ 扩展时会出现如下错误信息: "The C/C++ extension may be used only with Microsoft Visual Studio, Visual Studio for Mac, Visual Studio Code, Azure DevOps, Team Foundation Server, and successor Microsoft products and services to develop and test your applications." ( C/C++ 扩展仅可用于 Microsoft Visual Studio、Visual Studio for Mac、Visual Studio Code、Azure DevOps、Team Foundation Server 以及后继微软产品和服务,以开发和测试您的应用程序。)
自 2020 年 9 月发布现行许可条款以来,微软就已经禁止在其自有软件产品之外使用其扩展,但直到现在才在 C/C++ 扩展的二进制文件中通过环境检测来执行该条款。
(据称,微软用于 Python 编程的 PyLance 扩展多年来就呈现出这一行为,阻止其在 VS Code 分支中使用。)
最新发布的特定扩展在 Cursor 或其他非微软编辑器中均无法使用。
Anysphere 的联合创始人兼 CEO Michael Truell(Anysphere 为 Cursor 开发方)在两周前的讨论帖中表示,已推出临时修复措施,并计划推出更永久的解决方案。
他在文中写道:"微软有少数几款扩展是闭源的," 并举例提到 Remote Access、Pylance、C/C++ 和 C#。" 最新版本的这些特定扩展在 Cursor 或其他非微软编辑器中均无法工作。
"展望未来,Cursor 将逐步放弃这些扩展。我们正在投资已有的社区开源替代方案,并将在下个版本中捆绑这些方案,以实现无缝过渡。"
据称,Cursor 长期以来一直藐视微软的服务条款,通过设置反向代理来掩饰其对微软 Visual Studio Marketplace 所使用端点的网络请求,从而使 Cursor 用户能够从微软市场安装 VS Code 扩展。而其他 VS Code 分支则倾向于指向 Open VSX——一个替代扩展市场。
Truell 对评论请求未予回复。
与此同时,VS Codium 用户正在寻找免费(指自由)的开源替代方案。
在 Cursor 的 GitHub 仓库中讨论这一问题的开发者指出,微软最近在其 Copilot 软件中推出了一个名为 Agent Mode 的竞争性 AI 软件代理功能。
一位匿名联系《The Register》 的开发者表示,他们已就此情况致信美国联邦贸易委员会,要求其调查微软是否存在不正当竞争行为 —— 指控微软存在自我偏好、捆绑 Copilot 且无移除选项,并封锁如 Cursor 等竞争对手,以将用户锁定在其 AI 生态系统之中。
微软未立即对此置评。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。