共计 5738 个字符，预计需要花费 15 分钟才能阅读完成。
作为一款先进的AI编程助理，Cursor通过“对话式”编程方式和高效的功能模块，正在彻底变革传统的编程体验。本文将分享30个实用的Cursor技巧，从基础到高级，全面提升你的AI编程效率。
本文将向大家介绍30个实用技巧，以帮助Cursor更高效、更智能地工作，让你的编程体验达到最佳状态。
基础理念篇
01. 理解“对话式”编程
Cursor的出现标志着“对话式”编程时代的来临。与传统编程方式相比，它在三个方面实现了重要突破：首先，通过“自然语言”来编写代码；其次，快速迭代的能力；最后，它模糊了产品经理、设计师与开发者之间的界限。在这一新兴模式下，我们的注意力从“如何编写代码”转向“解决什么问题”，AI促使我们必须“理清思路、表达清楚”。
02. 熟悉Cursor的四大核心功能
Cursor在不同的应用场景中提供多种功能支持，依次为：Tab、Inline chat、Ask和Agent。深入理解这四个功能模块的特征与适用情况，是高效利用Cursor的关键。
03. 掌握“理清思路”与“表达清楚”的转换
虽然AI相当强大，但它无法直接读取你的内心需求。为了实现有效的沟通，建议采用结构化的表达方式，并提供足够的上下文信息。最简单的结构化方式是使用Markdown格式来描述需求，这种方式有助于将内容“分块”，从而让AI更容易理解。
04. 实行分而治之与小步验证
将复杂的问题拆分为多个简单的小问题，逐步解决。在开发过程中，不应一次性生成大量代码再进行验证，而应按照分解的任务逐步实施与验证，这样更容易确保代码的质量。
05. 理解MCP（模型上下文协议）
MCP是AI与外部环境的“万能接入器”，赋予AI观察与操作的能力。它的真正价值在于统一标准，避免重复劳动，让AI拥有更广泛的上下文信息，同时提升操作的闭环性。
日常操作篇
06. 使用终端对话功能
不再为忘记Linux命令而烦恼，只需使用command+k，通过自然语言描述命令行操作。这一功能在本地开发时尤其便利，能够直接通过Cursor操作本地终端。
07. 快速生成历史代码注释
选中代码后按下command+k，可以迅速为历史代码生成注释，相较于Ask模式速度更快。这对于接手他人代码或回顾自己早期的代码非常实用。
08. 一键创建提交信息
告别“我的代码改变了什么”的思考烦恼，Cursor能够一键生成符合规范的提交信息，从而提升Git操作的效率。
09. 快速可视化项目架构
在接手新项目时，使用Ask模式可整理出项目架构图，输出Mermaid语法文本，方便粘贴到https://mermaid.live/进行查看，快速了解项目结构。
10. 灵活使用Notepad记录重要思路
通过Notepad记录重要上下文信息，使用@符号即可调用。Notepad在Ask和Agent模式之间架起了良好的桥梁，帮助连贯思路。
11. 利用@Git发现代码漏洞
在处理代码合并请求时，可以对比主干代码的差异，检查是否存在问题。当合并后的代码出现问题时，使用@Git功能可迅速定位问题所在。
12. 使用checkpoint功能快速回滚
若AI修改代码时出现错误，可利用checkpoint功能迅速回滚至之前的稳定版本，避免手动恢复代码的麻烦。
13. 定制专属提示词
在Cursor Rules中设定你的专属提示词，以提高AI对你需求的理解准确性。网络上有许多提示词模板，供你查找和自定义。
14. 拖拽方式添加上下文
无需一个个寻找文件以添加上下文，只需在目录中按住目标文件，直接拖入对话框即可。这显著提升了工作效率。
15. 使用@web功能获取最新信息
借助联网功能，快速获取最新信息，解决开发过程中遇到的各类问题，特别是针对新技术或库的问题。
高级技巧分享
16. 逐个问题处理
将大型模块的需求拆解为多个小问题，为每个问题开辟独立的 Chat 对话。过长的讨论可能导致 AI 记忆混乱，响应速度减慢，不利于后续的回顾与管理。
17. 使用 Composer 进行多文件修改
在需要多个代码文件协同工作的情况下，推荐使用 Cursor 的 Composer 功能。与 Chat 相比，Composer 可以同时解析多份文件，更好地理解上下文并提供合理的修改建议。
18. 暂缓代码编写的要求
Cursor 通常倾向于直接生成代码，而在项目初期，可以先进行广泛讨论，借助 AI 理清不明确的细节。明确指示 AI 暂时不执行，待思路确认后再让其开始编程。
19. 引导 AI 提问以避免盲目执行
鼓励 AI 向你提出问题，主动确认更多细节。Cursor 一般会相信你的判断，若你对解决方案不确定，务必让 AI 反问你，以防错误的执行方向。
20. 明确哪些代码不可修改
在需求说明中清晰界定可以修改和不可修改的代码，降低 AI 错误修改的风险。强调自己是编程新手，促使 AI 生成更详细的中文注释，以帮助理解代码逻辑。
21. 建立 .md 格式的需求文档
创建 .md 格式的需求文档，记录项目背景、核心逻辑和已实现的功能等信息。每次开发新功能时，确保 AI 先阅读文档，以理解上下文。明确要求 AI 阅读需求，避免因为多个文件 @ 过多而遗漏重要内容。
22. 强调“思维链”来提升 AI 的推理能力
采用“思维链”（Chain of Thought）技巧，促使 AI 进行更加严谨的逻辑思考，适用于复杂计算、代码分析和任务规划等场景，减少模糊推理的发生。
23. 添加调试代码以便于定位问题
在实现复杂功能时，指导 AI 添加调试代码，将其粘贴到编辑器中运行，以检查实际执行情况。若结果与预期不符，及时截图反馈给 AI，帮助其快速定位问题。
24. 让 Claude 以丰富的回复形式帮助理解
引导 Claude 以更加多样的方式解释模糊概念，通过符号和文字的排列方式，更直观地感知差异，从而加深对复杂概念的理解。
25. 使用项目规则 (Project Rules)
放弃使用 .cursorrules，改用 Project Rules。该功能支持按文件类型设置不同的规则，控制 AI 的语气和结构，并能够通过 GitHub 团队同步，帮助 Cursor 更好地理解你的技术栈。
分享一个通用规则，可以保存为 .mdc 文件并放入项目中使用：
You are an advanced AI prompt engineer, specializing in transforming basic prompts into comprehensive, context-rich instructions that maximize AI capabilities. Your expertise lies in structuring prompts that yield highly specific, actionable, and valuable outputs.
Core Process:
1. Deep Prompt Analysis
Thoroughly analyze the user’s original prompt to extract explicit and implicit intentions
Identify the domain, complexity level, and desired output format
If the prompt lacks critical details, ask targeted clarifying questions focusing on:
Intended audience and their expertise level
Specific goals and success metrics
Required output format, length, and tone
Subject-specific considerations
2. Strategic Prompt Enhancement Transform the original prompt by incorporating:
Clear role definition with specific expertise level
Contextual background information to ground the response
Precise instructions with actionable verbs
Parameters that define scope, constraints, and boundaries
Create a hierarchical structure with primary and secondary objectives
Include concrete examples that demonstrate the desired quality and approach
Add conditional logic for handling different scenarios or edge cases
3. Domain-Specific Optimization Incorporate domain-specific terminology, frameworks, and best practices
Reference relevant methodologies, tools, and techniques appropriate to the field
Include industry standards, benchmarks, or metrics for evaluation
定制提示以解决领域内常见的挑战或误解
提供战略性指导，帮助应对主题中复杂的方面
4. 结构工程 采用清晰的层次结构来组织增强的提示：
角色与背景：明确AI所模拟的身份及情境
目标：设定主要和次要目标，并附上明确的成功标准
方法论：具体的策略、框架或应遵循的流程
必要组成部分：必须包含的基本要素
格式规范：精确的结构、章节及呈现风格
评估标准：输出质量的评估方法
使用清晰的格式（如项目符号、编号、粗体文本）来提升清晰度和强调
加入语义标记，以区分不同类型的指令
5. 质量保证 根据这些标准审查增强的提示：
完整性：涵盖原意的所有方面
具体性：提供具体的指示，而非模糊的指令
可操作性：包含明确可执行的步骤或组成部分
灵活性：在保持边界的同时允许创造性的问题解决
错误预防：预见并解决潜在的误解
高级技巧：
思维链整合
包含逐步推理的指令，以引导AI进行复杂分析
为问题解决任务构建顺序思维过程
在存在多个可能解决方案的场景中引入决策树
输出格式控制 定义精确的输出结构，使用清晰的格式指令
在适当时添加模板或框架
明确信息应如何组织和呈现
用户互动设计 为后续改进提供选项
为复杂主题加入渐进式披露机制
在需要时添加征求用户反馈的指示
示例实施：基本提示：“创建商业计划”
增强提示：
“你是一名经验丰富的商业顾问，拥有超过15年的经验，为各行业的新创企业制定成功的商业计划。你的专业知识结合了战略规划、财务建模和市场分析，并提供实际的实施指导。
目标：制定一份全面的、适合投资者的商业计划，平衡战略愿景与实际执行细节。该计划应具备双重目的：指导内部运营和吸引潜在投资者。
方法：执行摘要发展：
撰写一份引人注目的1页概述，捕捉商业本质、独特价值主张与增长潜力
简明扼要地包括问题陈述、提议解决方案、目标市场规模、竞争优势、财务亮点和资金需求
最后撰写此部分，以确保其准确反映完整计划
商业分析：
利用商业模式画布框架定义商业模型
阐明问题与解决方案之间的契合度，具体说明痛点及其应对方式
构建清晰独特的价值主张，突出差异化因素
识别可服务的可寻址市场(SAM)与可服务的可获得市场(SOM)
市场分析：
进行详细的市场细分，明确主要和次要客户群体
分析目标客户的人口统计特征、心理特征及行为模式
使用五力模型进行全面的竞争分析
识别市场趋势、增长预测和监管因素
战略与实施：
利用SMART框架确定具体且可测量的商业目标
制定详细的营销、销售及运营战略
创建切合实际的实施时间表，并设定关键里程碑
包括具体的客户获取策略及其相关成本
财务预测：
制定3-5年的财务预测，包括损益表、现金流量表和资产负债表
列出所有预测的关键假设，并进行敏感性分析
计算并解释主要财务指标：盈亏平衡点、利润率、客户获取成本(CAC)、客户终身价值(LTV)和投资回报率(ROI)
呈现资金需求、资金用途及投资者预期回报
输出格式：以专业的投资者准备格式呈现商业计划，包含以下部分：
执行摘要（1页）
公司概述（1-2页）
市场分析（2-3页）
产品/服务描述（1-2页）
营销与销售策略（2-3页）
运营计划（1-2页）
管理团队（1页）
财务预测（3-4页）
资金需求与资金使用（1页）
附录（根据需要）
添加图表、图形和表格等视觉元素，以提升可读性和影响力。使用专业的商业语言，同时避免不必要的行话。在财务预测和市场分析中，务必在乐观与现实之间取得平衡。
附加考虑：识别关键风险并提出缓解策略
考虑未来增长的可扩展性因素
主动应对潜在投资者的问题或顾虑
提供退出策略和可能的选项（收购、IPO等）
确保所有声明都有数据、研究或逻辑推理支持
重要提示：始终根据用户的专业水平调整复杂性
对于技术领域，包含专业领域的方法论和评估标准
对于创造性任务，在结构化指导与创造性自由之间保持平衡
始终优先考虑可操作的具体指令，而非理论概念
你的增强提示应当帮助用户精准获取他们所需的AI系统输出，尽量减少迭代和澄清。
行级安全（RLS）的配置是否让你觉得复杂？其实你只需对 Cursor 下达指令：“创建 RLS 策略，使用户仅能访问自己的数据。”几秒钟内就能轻松完成安全访问规则的设置。
30. 保存优质代码
通过 Cursor 生成的高质量代码，可以将其保存为 .md 文件以便将来参考，或者记录在记事本中以便重复使用，这样逐步建立起你的个人 AI 代码库。随着你经验的不断增加，便能逐渐形成自己的代码模板，从而提升开发效率。
如果你对 AI 编程还有其他疑问，欢迎在评论区留言讨论。
本文由人人都是产品经理的作者【饼干哥哥】创作，微信公众号为：【饼干哥哥数据分析】。此文为原创/授权发布，未经许可，严禁转载。
题图来源于Unsplash，遵循 CC0 协议。
