Cursor Automations 新增 `/automate` skill，讓使用者能在 local agent sessions 中用自然語言建立 automations。這次更新也加入 GitHub 與 Slack triggers，並讓 cloud agents 能使用自己的 computers 產生 demos 或 artifacts。對開發團隊來說，這代表 AI coding assistant 不再只是在編輯器內回答問題，而是開始承接可重複執行、具備觸發條件的軟體工程流程。
/automate 把設定流程變成對話
傳統自動化通常需要手動選 trigger、撰寫指令、設定權限與測試流程。Cursor 的 `/automate` skill 則讓使用者描述需求，例如「當 GitHub issue 被標記為 mobile bug 時，自動整理重現步驟並回覆 Slack thread」，再由 agent 協助建立 automation。這種方式特別適合不想維護額外 bot 程式碼，但需要把例行工程工作交給 AI agent 的團隊。
GitHub 與 Slack triggers 讓場景更貼近開發日常
GitHub 與 Slack 是軟體團隊最常出現任務訊號的地方。GitHub issue、pull request、label、comment 可以代表工程待辦；Slack channel、thread 與訊息則常包含客戶回報、內部討論或臨時需求。Cursor Automations 支援這些 triggers 後，就能更自然地把 AI agent 放進現有工作流，處理 triage、summary、demo preparation 或初步修復建議。
Computer use 擴大 agent 交付物類型
Cursor 也提到 cloud agents 可以使用自己的 computers 產生 demos 或 artifacts。這表示 automation 的輸出不一定只是文字，也可能是可展示的畫面、測試結果、檔案或其他開發成果。若搭配版本控制與審查流程，這有機會讓 AI agent 從「建議者」變成「先完成初稿、再由工程師審核」的工作模式。
導入時要先設計權限與審核邊界
Always-on coding agents 的價值很高，但風險也更明顯。團隊應先限定 repo、branch、Slack channel、可讀寫權限與敏感資料範圍，並規定哪些 automation 只能產生草稿、哪些可以建立 pull request。若你正在比較 AI coding automation、GitHub issue triage agent、Slack development workflow 或 Cursor alternative，這次更新說明 AI coding tools 正快速朝背景代理與事件觸發方向演進。
新聞資料來源
https://alternativeto.net/news/2026/6/cursor-automations-introduces-automate-skill-github-and-slack-triggers/
https://cursor.com/changelog/06-18-26
https://x.com/cursor_ai/status/2067683814516858962?s=46
https://www.datacamp.com/tutorial/cursor-automations-hands-on-guide