鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

突发|动荡72小时后,华人团队Cognition收购Windsurf剩余团队

编程导航
编程导航
2025-07-15 12:30
阅读 106
编程导航
2025-07-15 12:30
阅读 106
机器之心报道

机器之心编辑部


事情真是在不停的反转中。


刚刚,编程助手公司 Cognition 宣布将收购 Windsurf 剩余的员工和资产,并且 Cognition 将获得 Windsurf 银行账户中剩余的超过 1 亿美元资金。


image.png


该交易发生在 Windsurf 经历了动荡的 72 小时之后。Windsurf 是一家编程初创公司,成立仅四年。上周五,谷歌以支付 24 亿美元的非独占授权费的方式,聘用了 Windsurf 的首席执行官 Varun Mohan 及一组研究人员和工程师,其中大部分款项支付给了 Windsurf 的股东。在谷歌交易之后,Windsurf 的 250 名员工中大部分仍留在公司。 


当大家都在为 Windsurf 员工打抱不平的时候,事情出现了反转,Cognition 宣布收购 Windsurf。


不过 Cognition 尚未公布收购价格,具体的交易条款也尚未说明。此次收购使 Cognition 能够获得 Windsurf 的核心产品、品牌和剩余团队。


收购完成后,短期内,Windsurf 将继续独立运营并开发其 AI 驱动的 IDE,而 Cognition 则提供资金支持。Cognition 表示,最终将把 Windsurf 的 IP 和功能集成到自己的产品中,包括其旗舰自主智能体 Devin。。


另外,关于收购经过,据 Cognition 总裁 Russell Kaplan 透漏,Windsurf 的收购实际上是在周末敲定的,就在谷歌交易公布几个小时后。他指出,第一次电话会议是在周五下午 5 点后进行的,协议是在周一早上签署的。


在这一关键时刻,Cognition 的迅速决策和行动展现了其对未来发展的深远眼光。虽然与谷歌的交易为 Windsurf 带来了重要的转折点,但 Cognition 的收购无疑为公司和员工提供了新的机会和平台。 


2025-07-15_073844.png


Windsurf 临时首席执行官 Jeff Wang 在给员工的电子邮件中表示:在人工智能领域的所有团队中,Cognition 是他们最尊重的团队,非常适合带领 Windsurf 进入下一阶段。


Cognition AI 联合创始人兼 CEO 对这次收购进行了详细说明。


image.png


「我们很高兴地宣布,Cognition 已签署最终协议收购 Windsurf。


此次收购包括 Windsurf 的知识产权、产品、商标和品牌,以及强大的业务。最重要的是,它包括 Windsurf 的世界级团队 —— 我们行业中最优秀的人才之一。


在短期内,Windsurf 团队将继续按照之前的方式运营,我们将继续专注于通过 Devin 加速工程进程。未来几个月,我们将大量投资于将 Windsurf 的能力和独特的知识产权整合到 Cognition 的产品中。


通过这笔交易,我们将在构建软件工程未来的使命上加倍努力。


以下是我今天早上发给 Cognition 团队的通知:


正如我们在全员大会上讨论的那样,我们正在收购 Windsurf。我们已经签署了最终协议,激动之情溢于言表。这里是一个总结,再次强调,这些信息在太平洋时间上午 11 点之前是高度机密的,直到 Windsurf 的全员大会结束。Windsurf 团队应当由 Jeff 和我以合适的方式来传达这个消息,因此在此期间请保持一切安静,尊重我们新的同事。


通过这次收购,Cognition 将拥有 Windsurf 的产品和强大的业务:


  • Windsurf IDE,现在可以完全访问最新的 Claude 模型;

  • Windsurf 的知识产权,包括他们的商标以及他们建立的强大品牌;

  • 8200 万美元的年度经常性收入(ARR)以及一个快速增长的业务,企业 ARR 季度增长翻倍;

  • 可以与 350 多家企业客户合作以及数十万的日活跃用户。


我们热烈欢迎业界一些最杰出人士的加入,包括世界级的市场推广团队、工程团队和产品团队。


长久以来,我们一直钦佩 Windsurf 团队及其取得的成就。在筹划此次交易时,我的首要任务之一就是认可他们的才华、辛勤付出,以及他们为 Windsurf 今日的成功所做出的贡献。


为此,我和 Jeff 通力合作,确保每位员工在此次交易中得到尊重和妥善安置。具体包括:


  • 100% 的 Windsurf 员工将从本次交易中获得财务收益;

  • 100% 的 Windsurf 员工既往工作的归属期限要求将被豁免;

  • 100% 的 Windsurf 员工将获得已获股权的完全加速兑现。


Cognition 的每一位新员工都将与现有员工一视同仁:透明相待、公平以待,并对他们的能力与价值报以深切尊重。从今天起,我们将作为一个团结共同奋斗。


对 Cognition 而言,这意味着我们将以更快的速度推进使命 —— 塑造软件工程的未来。正如各位所知,过去几个月我们的产品 Devin 势头强劲,已被众多企业工程团队列为核心贡献者。随着客户规模持续扩大,Devin 的迅速普及与 Windsurf 的 IDE 产品及规模化市场推广体系相结合,必将释放巨大潜能。」


扩展阅读:


Windsurf 交易内幕疯传:24 亿美元被瓜分,背刺数百员工?

刚刚,OpenAI 想收购的 Windsurf,被谷歌 DeepMind 抢走了核心团队


参考链接:

https://venturebeat.com/programming-development/remaining-windsurf-team-and-tech-acquired-by-cognition-makers-of-devin-were-friends-with-anthropic-again/

https://x.com/ScottWu46/status/1944820058494263559


© THE END 

转载请联系本公众号获得授权

投稿或寻求报道:liyazhou@jiqizhixin.com


原文链接: 突发|动荡72小时后,华人团队Cognition收购Windsurf剩余团队
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手