cursor实战经验分享

本文分享了使用Cursor AI编程助手的实战经验。我通过深度使用各类AI编程工具后，发现Cursor凭借其深度集成和独特功能成为日常开发首选。文章重点介绍了Cursor的两大核心功能：ProjectRules和UserRules，前者用于项目特定规范，后者适用于个人编码风格。同时探讨了Memories功能如何动态记录对话上下文。此外，我还分享了任务分解、智能终端使用等实用技巧，并对AI编程是否会

m0_52424297

418人浏览 · 2025-09-15 13:09:57

m0_52424297 · 2025-09-15 13:09:57 发布

引言

自从 Claude 3.5 Sonnet 发布以来，AI 编程已然迈入了一个崭新的、真正实用的阶段。在这股浪潮中，我体验了市面上几乎所有主流的 AI 编程助理——从早期的 GitHub Copilot、阿里通义灵码，到备受瞩目的 Cursor，再到最近惊艳的 Claude Code。

尽管选择众多，但 Cursor 凭借其独特的产品形态和深度集成，成为了我日常开发中最高频使用的工具。为了最大化其生产力，我甚至毫不犹豫地订阅了为期一年的 Pro 版本。

在过去几个月的深度实践中，我踩过不少坑，也积累了一些心得。我发现，许多朋友和我在刚开始使用 Cursor 时，都或多或少遇到过类似的困惑：

沟通的艺术： 如何向 AI 清晰、高效地描述我的编程需求，才能让它一次性给出最接近预期的代码？
失控的修改： 当 AI 的修改引入了新的 bug 或导致程序报错时，我该如何快速定位问题根源，并引导它进行修复？
精准的控制： 怎样才能让 AI 严格遵循我的指令和编码规范，而不是天马行空地自由发挥？
规则的妙用： Project Rules 和 User Rules 究竟有何区别？在实际项目中，我应该如何配置它们，才能打造出符合团队规范和个人习惯的编程环境？

如果你也对这些问题感到困惑，那么这篇文章正是为你准备的。接下来，我将毫无保留地分享我在这几个月里沉淀下来的 Cursor 实战经验，希望能帮助你更高效地驾驭这个强大的 AI 编程工具。

常用技巧

关于rule

cursor中的rule分为project rule和user rule。官方的介绍为：Cursor – Rules

为什么会存在rule呢？大型语言模型不会在完成之间保留记忆。规则在提示级别提供持久、可重用的上下文。这是由于其本身存在一个根本性的限制：它们是无状态的。这意味着模型在两次独立的交互之间不会保留任何记忆。每一次提问或代码生成请求对于模型来说都是一个全新的开始，它无法记住所遵循的编码规范、项目的技术栈，或是之前对话中确立的架构决策。如果没有一种机制来持续提供这些关键信息，开发者将不得不为每次交互重复提供相同的背景，这极大地限制了 AI 辅助开发的效率和一致性。

cursor中一共存在4种规则：

其分别为：

项目规则 (Project Rules): 这些规则受版本控制，其作用范围限定在特定的代码库中。
用户规则 (User Rules): 这些规则是全局性的，适用于整个 Cursor 环境。
AGENTS.md: 这是一个简单的 Markdown 文件，可作为 Agent 指令的替代方案。
旧版的 .cursorrules 文件: 这是较早版本中使用的规则文件。（已弃用）

下面主要来介绍project rules和user rules,这也是用得最多的两种。不同的版本的cursor可能功能不一样，我这里使用的是目前最新的cursor版本为1.5.5。

目前cursor官方关于rule的最佳规则为：

Project Rules

想象一下，您正在开发一个复杂的项目，其中有几个核心文件，比如配置文件 (config.js)、全局状态管理 (store.ts)、API 定义 (api.ts) 或者一些关键的工具函数 (utils.js)。每次您向 AI 提问时，如果问题与这些核心文件相关，您可能都需要手动将这些文件内容粘贴到聊天中，或者使用 @ 符号手动引用它们。这个过程非常繁琐。

Project Rules 通过自动化这个过程，极大地提升了效率。您只需设置一次，将这些关键文件定义为项目的“规则”，之后 Cursor 的 AI 就会在每一次对话中自动将它们作为背景知识引入，从而提供更准确、更贴合您项目实际情况的回答和代码。

我个人比较常用的是会把一些开发规范放在Project Rules里面，使其生成的代码符合特定的规范而不至于每次还得进行修改。

其中Project Rules支持四种生效规则：

生效规则	描述	核心机制
Always Apply	应用于每一次聊天和 Cmd-K 会话。	规则始终处于激活状态，对项目所有交互生效。
Apply Intelligently	当 AI 代理根据规则的描述判断其具有相关性时应用。	AI 根据上下文智能判断是否需要引入该规则。
Apply to Specific Files	当文件路径与指定的模式匹配时应用。	基于文件路径或类型（如 .tsx, /api/*）自动触发。
Apply Manually	当使用 @ 符号提及规则时应用。	用户通过在聊天中手动输入 @规则名称来显式调用。

eg：在一个前端项目中，我们希望 AI 总是了解我们的 Tailwind CSS 配置和全局 CSS 文件。

{
  "rules": [
    {
      "rule": "Always be aware of my global styles and tailwind config.",
      "paths": [
        "src/styles/globals.css",
        "tailwind.config.js"
      ]
    }
  ]
}

设置好后，当您让 AI "创建一个使用主题色的蓝色按钮" 时，它会自动查阅这两个文件，了解您的主题色定义，从而生成符合项目规范的代码。

对于Project Rules，我一般会设置三种规则，首先是代码规范规则，比如说命名规则、异常处理、日志记录等；然后是根据项目的特定规范，主要是根据项目的具体特点设定的；最后是环境配置规范规则。

以下为我每日论文阅读项目举例：

代码规范	项目特定规范	环境配置规范

User Rules

与Project Rules不同的是User Rules不会随着项目的变化而改变，其是跟着用户走的。User Rules 是您的全局性、个人化的AI指令。它们适用于您在 Cursor 中打开的所有项目。这套规则的核心目的是定义您与 AI 交互的通用偏好，无论您在处理哪个代码库。

其特点为：

全局性： 一次设置，所有项目生效。
个人化： 定义您的个人编码风格和沟通偏好。
高优先级： 这些规则总是会作为上下文提供给 AI。
简化配置： 通过设置中的一个文本框进行配置，非常简单。

User Rules 和 Project Rules的区别

特性	User Rules	Project Rules
作用范围	全局（所有项目）	单个项目
目的	个人偏好，通用编码/沟通风格	项目特定知识、架构、规范和工作流
存储位置	Cursor 配置文件中（设置界面）	项目目录下的 `.cursor/rules/`
是否可共享	否（个人设置）	是（通过版本控制共享）
配置复杂度	简单（单个文本框）	更复杂（多个文件，支持 glob 模式）
激活方式	始终激活	根据文件路径(glob)、提问意图智能激活

在实际的实践中，可以发现，User Rules 和 Project Rules 是相辅相成的强大工具，而非相互替代。通过结合使用它们，可以最大化 Cursor AI 的效能。

明确分工： 将定义你个人风格的、不涉及项目具体实现的规则放在 User Rules 中。例如，“请使用中文回复”、“代码要简洁”等。
拥抱项目规则： 对于任何涉及项目技术栈、代码结构、设计模式或团队约定的内容，都应该沉淀为 Project Rules。这不仅能帮助你自己，还能帮助团队所有使用 Cursor 的成员。
保持 Project Rules 的原子性： 将不同关注点的规则拆分到不同的文件中。例如，一个文件负责组件规范，另一个文件负责 API 调用规范。这使得规则更易于管理和理解。
善用 globs： 精确地使用 globs 模式可以让规则在最需要的时候被激活，避免不相关的规则干扰 AI 的判断，同时节省上下文 Token。
持续迭代： Rules 不是一成不变的。随着项目的发展和团队规范的演进，定期回顾和更新你的 User Rules 和 Project Rules，使其保持最新和有效。

运用好规则，可以使得使用cursor更为顺手。通过设置规则，你可以为 AI 提供持久化的指令，使其行为更符合你的个人偏好和项目规范。这就像为你的 AI 助手编写了一份工作手册。关于规则的使用，推荐几个我常适应的几个开源项目，如下，在里面收录了常见的一些cursor的规则。

PatrickJS/awesome-cursorrules: 📄 Configuration files that enhance Cursor AI editor experience with custom rules and behaviors

关于memories

Memories 是一种动态的、基于对话的上下文机制。与预先定义好的、静态的 Rules 不同，Memories 是 Cursor 通过与您的聊天交互，自动学习和总结出来的知识点。它的目的是捕捉那些在对话中出现的、对项目很重要的临时性或永久性信息，并将其保存下来以备将来使用。可以把 Memories 想象成 AI 的“学习笔记”。当您告诉它一些关于项目的重要信息后，它可以选择“记下”这个信息，并在未来的对话中自动引用，而无需您重复说明。

核心特点

动态生成： 主要由 AI 根据对话内容自动生成，也可以手动创建。
项目作用域： Memories 与特定项目相关联。
智能检索： AI 会在后续对话中根据语义相关性，自动从“记忆库”中检索并应用相关信息。
无需手动触发： 您不需要像 @ 引用文件那样手动调用记忆，AI 会在需要时自动使用。
可管理： 您可以随时查看、编辑或删除项目中所有已保存的记忆。

任务进行分解与规划

AI 如同一个聪明的初级开发者，面对宏大而模糊的任务时容易出错。将复杂功能（如“构建一个用户认证系统”）拆解为具体、可管理的小步骤（如“先创建注册表单”、“再实现后端验证逻辑”），可以显著提高 AI 的执行准确性和代码质量。

就目前实践的效果来看，任务的粒度越小，ai完成的效果越好。对于大型功能，采用分步构建的方式。先让 AI 完成核心部分，确认无误后，再进行下一步开发，这样便于控制和纠错。

其它常使用的一些功能

智能终端与快捷键

将自然语言转化为命令行是 Cursor 的另一大亮点，结合高效的快捷键，能极大提升操作速度。

终端AI (`Cmd/Ctrl + K`)：在终端中按下 `Cmd/Ctrl + K`，然后用自然语言描述你想要执行的命令，例如“列出最近的五个 git 分支”，无需再记忆复杂的命令。

建立个人知识库

将 AI 生成的优秀代码片段、解决方案或自定义的规则保存为 Markdown 文件，构建可复用的组件库和个人知识库。

个人思考

从刚开始的使用，虽然很方便，但感受到了恐惧，觉得使用AI code对于自己的编程能力的提升是不是没有任何帮助，会不会像是温水煮青蛙，当你在业务上一直使用AI code的时候，就是一直使用一直爽，但编程能力并没有得到提升，最后陷入一种恶行循环之中。像我之前并未熟练使用Java，但使用cursor却能独立的开发一个用于检测用户数据以及用户账号的中台，包含前端和后端，并且成功上线了。后来，我感觉好像也没必要过于担心，就像没有高级语言之前，编程是一件门槛很高的事情，大家那时候都是在用汇编语言，但高级语言比如C以及后面的Java、python等不就是一直在降低编程门槛这件事情嘛，现在估计使用汇编语言会很少了吧。那后面发展很有可能会形成一套自然语言规范的编程语言，当有这么一套效率极高的编程语言后，或许后面使用高级语言的也会很少吧。当然理解机器语言或者汇编语言对于高级语言的使用理解会很帮助，就像是理解高级语言对于使用AI code有帮助一样，更何况是现在的AI code还远没有发展成完美的程度。个人觉得最为重要的是一定要拥抱新的变化，绝不能排斥使用AI赋能，要善于利用AI，多多学习使用AI coding。