全面解析Cursor的使用经验与需求开发流程

深入了解 Cursor

简要概述：Cursor 是一款全面集成 AI 的代码编辑器，基于 VScode 开发。

您可以访问官网以获取详细的功能介绍：https://www.cursor.com/cn/features

在 Cursor 设置中，可以找到一些常用的配置选项：

如果是企业内部使用，建议先启用隐私模式：

除了前代的编码辅助 copilot 提供的 TAB 补全和问答功能，Cursor 还新增了 agent 模式，使其能够自主实现特定目标。

通常选择的模型为 claude-3.5 或 claude-3.7（claude 3.7 实测：在实际编程任务中提升到底有多大？，此模型刚发布，效果评价褒贬不一），

在 Agent 模式下，Cursor 可自动执行命令行脚本、自主修复 lint 错误，并能运行构建过程以修复相应的错误，甚至可以进行单元测试并自行修复问题。

可以开启 yolo 模式，这样在执行命令行时无需再次确认。为了安全起见，系统还提供了一些禁止执行命令的配置选项。

增加了代码库的索引功能，允许基于整个代码库完成特定任务。在 Ask 模式中，可以主动 @Codebase，而在 Agent 模式下则会自动搜索整个仓库。

可以在设置中查看项目是否已被索引：

在聊天中，@ 符号使用频繁，可以 @ 文件、@ 文档、@ git 等等，同时也能直接将左侧目录树的文件拖入对话框。

提前索引的文档展示：

可以查看执行历史，甚至能够并行执行多个操作：

Pro 版本售价为每月 $20，可通过 wildcard 虚拟信用卡 进行充值。每月提供 500 次快速请求，使用完毕后慢速请求的体验影响不大：

Cursor 让我们摆脱了繁琐的编码细节，转变为一个全方位的对话服务，告别了传统的 ChatGPT 对话复制粘贴的模式。我们只需耐心等待其完成代码编写，随后审阅代码或功能，期间还可以进行其他工作。

我们只需告知它我们的需求，具体实现的方式则由它自行规划。

Cursor 实际应用案例

渠道分离的 eslint 需求

背景介绍

公司的代码在微信小程序、美团、优选 app、微信美团小程序四个渠道中复用，代码中需支持分渠道编译以实现一些差异化逻辑，以下是示例代码：

// @if p == 'wx' || p == 'wxmt'
import {getDpApp} from '@yxmp/root/xxxxxx';
// @endif

function isReportToUnicorn() {const app = getDpApp();
    abForUnicorn = app?.$abTest?.isGrey('grocery_c_front_xxxxxx', 'a') || false;
    return abForUnicorn;
}

如果直接调用 getDpApp，将会导致线上问题，因为编译后 getDpApp 仅在 wx（微信小程序）和 wxmt（美团小程序）中存在，而美团和优选 app 中并未引入该函数。

然而，普通的 eslint 检查无法及时发现此类问题，因为 // @if p == 'wx' || p == 'wxmt' 对 eslint 来说仅是普通注释。

因此，我们需要对编译后的四个渠道逐一进行 eslint 检查，以便及时发现潜在问题。

快速开发流程

eslint 校验的项目是我首次编写，Cursor 出现之前，我需要逐步熟悉各项功能，才能输出调试并验证自己的思路。

但自从 Cursor 发布后，情况发生了变化。我们只需将任务拆解，告诉 AI 我们的需求，让其直接执行，往往功能就已完成，而我们都未曾察觉。

这个过程可以总结为两个步骤：

1、生成四个渠道编译后的文件并传递出去。

接下来需要进行几次修复，例如我们渠道中还有 tt，可以让它去掉：

对于命令行中的错误，可以直接将错误信息复制给它：

由于 Cursor 缺乏项目背景知识，生成的编译内容未能符合预期。但如果得知项目中已有编译方法（同事提前告知），只需告诉 AI 即可：

由于之前 Cursor 尝试了自己的方法，生成了一些冗余代码，我们还可以让它删除这些代码：

刚才我们直接生成了四个渠道的内容，但未返回对应的文件，然后让它调整返回的内容结构：

2、根据四个渠道生成的内容再分别进行 lint 检查。

随后，Cursor 就生成了我们所需的代码，整个流程其实已经顺利完成。而更令人感到惊喜的是，Cursor 对 eslint 的使用比我更为熟悉。

项目优化与技术文档生成

在原项目中，我们使用 lintFiles 方法进行代码检查，传入的是文件路径。然而，由于我们生成的是文件内容，lintFiles 无法再使用。于是，系统智能地将其替换为 lintText 来进行代码的检查。

接下来的步骤是优化输出内容，以便清楚地区分各个输出渠道：

接着，简单回顾代码的修改，并进行进一步优化：

由于原有的 lintFiles 和新增的 lintText 都需要格式化输出，因此我们将格式化的方法提取为一个公共方法，以便于调用。

无论代码是否完全理解，这次需求的功能已经顺利实现，过程相当迅速。

不过，由于技术方案尚未编写，具体的流程还需与同事沟通确认。于是，我直接请求 Cursor 帮我们生成一份此次改动的文档：

当然，最好将前两句话一起说出，否则它仅会在对话框输出，直接生成文件会更加方便。其图像是通过 mermaid 生成的，只需安装相应插件，即可在 Cursor 中预览流程图。

生成的文档内容丰富且可用，图文结合：

持续完善

与同事确认细节后，我们继续与 Cursor 进行讨论。

由于直接将所有文件内容传递给 eslint 可能导致内存问题，因此我们在修改后传入了一个编译函数。

修改完成后，我们需要召集相关人员参与正式的技术方案评审并进行代码审查，毕竟代码已经编写完毕。

让 Cursor 生成一份新的技术文档，并直接告知它涉及的几个 commit：

流程图非常详细，并且区分了修改的重点：

除了技术方案之外，Cursor 还给出了我们一个优化建议：

好吧，那就请它进行优化：

技术方案还需要包含测试计划，可以根据自己的想法请 Cursor 帮忙示例：

代码审查后再调整

在之前的批处理代码中写死了一个值为 10，cr 评论建议改为 horn（配置平台）动态下发，因此我向 Cursor 描述了这一点：

优化 TypeScript 代码：

eslint 分渠道治理

在测试过程中发现了许多可能导致线上问题的 eslint 错误，此时需要一份文档，邀请相关人员共同排查并修复。是否要一个个复制生成的结果？不需要，这同样可以交给 Cursor：

生成的表格在预览后可直接复制到文档中：

至此，未编写一行代码的需求已经完成。

编码不仅限于代码

Cursor 的功能已经不仅仅局限于代码辅助，我们可以看到它已经完成了技术方案的编写，还有更多的用途。 限制它作用的，不再是能力，而是我们的想象力。

RAG

RAG（Retrieval-Augmented Generation）是一种将信息检索与生成式 AI 结合的技术，首先从外部知识库中检索相关信息，然后利用大型模型生成更准确且上下文丰富的回答，广泛应用于问答系统和知识管理。

得益于 Cursor 的索引仓库能力，我们只需将所有文档放入一个文件夹中，待索引完成后，就可以向它询问与文档相关的问题。

代码理解能力

对于不熟悉的项目，如果想快速了解某个特定点，比如某个按钮的埋点 bid 是什么，直接询问即可：

需要注意的是，Cursor 默认不索引 .gitignore 中的文件。

处理 Excel 文件

在一个包含四个工作表的 Excel 文件中，有一些灰色的行，我想将它们全部删除：

可以直接让 Cursor 读取并处理这些行：

更多功能

… …

与 Cursor 对话的经验

• 及时提交代码，在达到可用状态后及时 commit，便于后续回退。
• 将大目标拆分为小目标，逐个完成。
• 越明确的指令执行效果越好，但这个程度需要不断体会。

Cursor 的不断探索

Cursor 能够持续扩展的关键在于 Cursor rules（每次请求前会将其传递到对话中），例如 awesome 项目所提供的一些示例：https://github.com/PatrickJS/awesome-cursorrules

目前，Cursor 具备了智能核心，但其功能的实现依赖于我们提供的手段，Cursor rules 的扩展参考详见：搏一搏，500：一小时魔改 Cursor 变身 Devin。

通过这些改造，它可以执行如提前列出计划、总结自身的错误经验、利用工具等多种功能。

例如，我们可以编写一个用于访问公司内部 JavaScript 错误监控的函数，并在 Cursor rules 中说明访问方法。接着，直接询问它关于昨天某个页面的 JS 错误情况，它就能给出相应的反馈。

此外，Cursor 还支持 MCP（Model Context Protocol），这是由 Anthropic（Claude 的开发公司）推出的开放标准协议。MCP 提供一个统一接口，使 AI 应用能够安全地访问本地数据和服务，实现 AI 能力与本地资源的无缝衔接。

目前已有许多软件支持这一协议，这意味着通过 MCP，Cursor 能够与多种软件进行交互。我们也可以查阅 awesome 项目：https://github.com/punkpeye/awesome-mcp-servers/tree/main。其中一个前端相关的实例是：Figma + Cursor：用 MCP Server 实现设计到代码的无缝转换。

结合 Cursor rules 和各类 MCP，如果公司内部的监控平台、埋点、数据查询等系统都支持，所有内部系统的互联互通将不可想象。

最后，分享一个大胆的观点：

编程范式正在经历一场重大变革：从过程导向转向面向对象，再到函数式编程，现在我们进入了面向 AI 编程的新纪元。传统编程语言（如 C++、Python、JavaScript、Java）可能会逐渐演变为类似于汇编语言的角色——我们知道它们的存在，但不再需要深入研究。未来，主流的编程方式将是自然语言的使用。

推荐阅读：

windliang：AI 杂想 windliang：一行代码没写用 ai 开发了一个链接转二维码的网站，公众号引用链接更方便