搞懂 Cursor 後，我一行代碼都不敲了《進階篇》

Hi～大家好呀，我是清湯餃子。

上篇我們講了 Cursor 的基礎用法——怎麼安裝、怎麼用 Agent、怎麼寫功能修 Bug。學會了這些，你已經能用 Cursor 正常工作了。

但你可能會有這種感覺：有時候 AI 好像「不太懂你」——它不知道你的程式編碼習慣，不記得你的專案規範，每次都要重複解釋很多東西。

好！那這篇文章就是來解決這個問題的。我們來聊聊怎麼把 Cursor 調教成最懂你的搭檔。

跟著這個系列學完，你會發現 Cursor 不只是個程式碼補完工具——它是你的 AI 開發團隊。

你可以同時叫多個 Agent 幫你幹活：一個讀程式碼理解業務，一個寫新功能，一個修 Bug，一個跑測試，一個寫文件。你只需要告訴它們想做什麼，然後等著驗收結果就行。

這個系列一共三篇：

第一篇：從零上手 Cursor

講講怎麼安裝、Agent 怎麼用、怎麼寫功能、怎麼修 Bug

第二篇（就是這篇）：讓 Cursor 更懂你

上下文引用、Rules、Skills、MCP 這些

第三篇：團隊協作與場景實戰

怎麼在團隊裡用好 Cursor

我踩過的坑

剛開始用 Cursor 我常有這種感覺：

讓 AI 幫你改個功能，它改完了你一看——完全不是你想的那樣！

後來我明白了，不是 AI 笨，是我沒告訴它「看哪裡」。

AI 輸出的品質好壞，很大程度上取決於它「看到」了什麼。你給它塞越多無關的信息，它的注意力就越分散，出來的結果就越水。

這篇文章，就是來講講怎麼讓 AI 更懂你。

一、上下文管理：讓 AI 看到正確的程式碼

1.1 核心引用符號

Cursor 提供了一套以 @ 作為前綴的引用體系，讓你精準控制送入模型的上下文。

白話說：就是告訴 AI「看這個檔案」、「看這個資料夾」。

符號與作用

• @文件名：把指定檔案內容注入上下文
• @資料夾名：注入整個目錄的結構資訊
• @codebase：觸發語意搜尋，讓 Agent 自行去找相關程式碼
• @doc：引入已索引的第三方文件
• @web：觸發即時網路搜尋
• @git：引用 Git 歷史、diff

1.2 兩種搜尋模式

使用 @codebase 時，Cursor 會綜合使用兩種搜尋方式：

• 精確搜尋：知道函式名、變數名就直接搜，速度極快
• 語意搜尋：不知道確切名稱，但可以描述功能

1.3 使用建議

✅ 先精確，後寬泛：知道檔名就直接 @檔名

✅ 先探索，再改動：讓 AI 先展示現有的相關實作

✅ 只引入必要的：塞太多無關檔案會稀釋 AI 的注意力

心得：這是我踩過最大的坑！之前都是直接叫 AI 幹活，也不告訴它看哪裡，結果它搜一堆不相關的程式碼，寫出來的東西牛頭不對馬嘴。加上精準的 @ 引用後，效率直接翻倍。

二、Rules：給 AI 寫專案規則

2.1 大模型沒有記憶

不知道你們煩不煩，反正我是煩透了——每次開新會話都要跟 AI 解釋一遍專案規範。

「我們用 Tailwind 別用 styled-components」「API 統一放 src/api/ 目錄」「元件名稱要用 PascalCase」

累不累啊。

Rules 解決的問題就是：把你的程式編碼規範、架構決策，固化成 AI 的「持久記憶」。

2.2 四種規則類型

類型 / 存放位置 / 適用範圍

• Project Rules：.cursor/rules/，當前專案，可提交到 Git
• User Rules：Cursor Settings，所有專案，個人偏好
• Team Rules：團隊 Dashboard，全團隊，付費版
• AGENTS.md：專案根目錄，當前專案，純 Markdown

2.3 怎麼建立 Rules

兩種方式：

1. 在 Chat 中輸入 /create-rule，描述你想要的規則
2. 透過設定：Cursor Settings > Rules > + Add Rule

2.4 最佳實踐

✅ 每條規則保持在 500 行以內，超出就拆分

✅ 規則要具體可執行，像清晰的內部文件

✅ 用 @檔案 引用範例，而不是把程式碼貼進規則裡

✅ 發現 Agent 反覆犯同一個錯時，就寫一條規則

心得：Rules 是我用了就回不去的功能。之前每次都要重複說的話，現在配置一次就行。而且配置完，AI 寫出來的程式碼風格完全一致，code review 都省心了。

三、Skills：封裝可重用的 AI 技能

3.1 什麼是 Skills

如果說 Rules 是給 AI 設定「工作原則」，那 Skills 就是給 AI 打包「專項能力」。

舉個例子：你們團隊每次發版都有一套固定流程——跑測試、打鏡像、部署到測試環境、跑整合測試、部署到正式環境。

這些步驟每次都要手把手教 AI，累不累？

Skills 就是來解決這個問題的。它把領域特定的知識和工作流程打包成 Agent 可以呼叫的技能包。

3.2 特點

• 可移植：相容所有支援 Agent Skills 標準的 AI 工具
• 漸進式載入：Agent 按需載入資源
• 可版本控制：以檔案形式存在，可用 Git 管理

3.3 目錄結構

.agents/skills/
└── deploy-app/
    ├── SKILL.md
    ├── scripts/
    └── references/

3.4 怎麼呼叫 Skills

• 自動觸發：Agent 根據對話上下文判斷並呼叫
• 手動呼叫：在 Chat 中輸入 /技能名

3.5 Rules vs Skills 怎麼選？

• 用場景：每次對話都需要遵守的編碼規範 → Rules
• 需要執行腳本的複雜任務流程 → Skills
• 可重用的跨專案專項能力 → Skills

心得：我是先從 Rules 開始的，後來發現某些流程反覆出現，就封裝成了 Skills。比如我們團隊的「發版流程」，現在喊一聲 /deploy 就搞定，省很多事。

四、.cursorignore：控制 AI 的視野範圍

4.1 為什麼要用 .cursorignore

Cursor 打開專案時會自動索引程式碼庫。

但有些檔案你不希望 AI 碰——憑證、金鑰、超大生成檔。

.cursorignore 就是這道防火牆。

相當於告訴 AI：「這些檔案你別看、別問、別碰。」

4.2 語法規則

和 .gitignore 語法完全一樣：

# 屏蔽特定檔案
config/secrets.json

# 屏蔽整個目錄
private/vendor/

# 按副檔名屏蔽
*.key
*.pem

4.3 全域忽略規則

在 Cursor Settings 中可以設定全域忽略規則，對所有專案生效。

心得：之前沒注意，有次讓 AI 幫我重構程式碼，它把 node_modules 也搜進去了——整個專案直接卡死。加上 .cursorignore 後，世界清靜了。

五、MCP：擴展 Agent 的能力邊界

5.1 我以前的困擾

預設情況下，Cursor Agent 可以讀寫程式碼、執行終端命令、搜尋網頁。

但我想讓它幫我：

• 看看 Figma 設計稿長什麼樣
• 查一下資料庫現在的 schema
• 更新 Jira 的 Issue 狀態

臣妾做不到啊！

5.2 MCP 是什麼

MCP 打破了這個邊界——讓 Agent 連接到任何外部系統：資料庫、設計工具、專案管理平台。

白話說：以前 AI 是個「聾子瞎子」，只能看程式碼；現在它長了「耳朵、眼睛」，能自己去看設計稿、去查資料庫、去更新 Jira。

MCP（Model Context Protocol）就是一個「連接協議」——相當於 AI 與外部工具之間的翻譯官。

5.3 怎麼安裝 MCP Server

方式一：一鍵安裝（推薦）

到 Cursor Marketplace，點 Server 的「Add to Cursor」按鈕。

方式二：手動設定 mcp.json

在專案根目錄建立 .cursor/mcp.json。

⚠️ 金鑰絕對不要硬編在程式碼裡，請使用環境變數傳入！

5.4 常見的 MCP 範例

• Figma MCP：讓 Agent 直接讀取 Figma 設計檔
• Linear MCP：Agent 可以直接讀 Issue、更新狀態
• 資料庫 MCP：讓 Agent 查詢資料庫 schema

心得：接上 Figma MCP 之後，我前端頁面開發效率翻倍。之前要反覆比對設計稿和程式碼，現在直接讓 AI 看圖、幫我調樣式——超級爽。

六、Agent 工具詳解：終端、瀏覽器、搜尋

6.1 Terminal 工具

Agent 不僅僅是個「寫程式碼的工具」，它有一套完整的行動能力。

你可以把它理解為：AI 不僅能幫你寫程式碼，還能幫你執行程式。

Agent 可以直接在你的終端裡執行 Shell 指令——跑測試、安裝相依、執行建置。

沙箱保護機制

預設情況下，終端命令運行在受限沙箱中，相當於有個安全帶：

• 存取類型預設策略
  • 檔案讀取：允許整個檔案系統（視設定）
  • 檔案寫入：只允許工作區目錄
  • 網路存取：預設阻擋，可配置

可以在 Settings > Agents > Auto-Run 中配置：

• Run in Sandbox：自動在沙箱運行（推薦）
• Ask Every Time：每條命令都手動確認

6.2 Browser 工具

Agent 可以控制一個完整的瀏覽器：截圖、點擊、填表單、讀 console 日誌。

簡單說就是：AI 可以自己開瀏覽器操作網頁。

核心能力：

• Navigate：訪問 URL
• Click / Type：與按鈕、表單互動
• Screenshot：截圖
• Console Output：讀取 JS 錯誤

還內建設計側欄，直接可視化調整元素。

心得：Browser 工具是我用過最香的功能之一。之前調樣式要在瀏覽器和編輯器之間來回切換，現在直接讓 AI 幫我調，它自己打開瀏覽器看效果、不滿意就改——我只需要最後驗收就行。

6.3 Web Search 工具

當使用 @web 時，Agent 會觸發網路搜尋。

它不只是回傳連結，而是讀取頁面內容後提取關鍵資訊。

相當於 AI 幫你看網頁、總結內容，而不是丟一堆連結讓你自己去看。

七、Subagents：多代理協作完成複雜任務

7.1 什麼時候用 Subagents

當任務足夠複雜——需要大量程式碼探索、並行處理多個模組——單一 Agent 會遇到上下文視窗限制。

就像一個人同時做很多事會手忙腳亂，AI 也一樣。

Subagents 是 Cursor 對這個問題的解答。

7.2 Subagent 機制

Subagent 本質上是父 Agent 可以委派任務的專屬 AI 助手。

你可以把它理解為：派幾個小助理出去幹活，各有分工，最後彙總結果給你。

每個 Subagent：

• 擁有獨立上下文視窗
• 接收父 Agent 傳入的任務描述
• 可以設定獨立模型

7.3 兩種執行模式

模式 / 行為 / 適用場景

• Foreground：阻塞等待，需依賴輸出的順序任務
• Background：立即返回，適合長耗時任務、並行工作流

7.4 三個內建 Subagent

• Explore：搜尋和分析程式碼庫
• Bash：執行 Shell 指令
• Browser：控制瀏覽器

7.5 最佳實踐

✅ 每個 Subagent 職責單一

✅ description 欄位決定自動委派效果

✅ 提交到 Git：讓整個團隊受益

✅ 從少量開始：先建立 2–3 個針對性強的

心得：大型重構的時候，Subagents 簡直救命。之前要一個一個檔案手動處理，現在分工明確——一個讀程式碼理解業務、一個寫新功能、一個跑測試——幾分鐘就完成以前要一下午的工作。

八、Cursor CLI：在命令列使用 AI

8.1 CLI 是什麼

以前你用 Cursor，是不是都得打開編輯器？

但有時候我就是想在終端裡直接讓 AI 幫忙，不想開圖形介面——太慢了。

Cursor CLI 就是讓你在終端裡用 AI。

不用打開 VS Code，直接在命令列就能讓 AI 幫你工作。

8.2 安裝

curl https://cursor.com/install -fsS | bash

8.3 互動模式

# 啟動互動會話
agent

# 帶初始 Prompt
agent "把認證模組重構為 JWT 方式"

8.4 Headless 模式

在腳本或 CI 中用 -p / --print 參數：

# 只提建議（預設只讀）
agent -p "這個程式碼庫是做什麼的？"

# 允許修改檔案（加入 --force 會真的寫入）
agent -p --force "將這個檔案重構為 ES6+ 語法"

⚠️ 注意：-p 模式下預設只讀，加上 --force 才會真正寫入檔案。

心得：CLI 我主要用在 CI 裡。每次 PR 提交後自動跑一遍程式碼檢查，省了一位同事不少時間——開玩笑的，至少省了他 30% 的時間。

小結

這篇文章覆蓋了讓 Cursor「更懂你」的完整體系：

• 上下文管理：讓 AI 看到正確的程式碼，不多也不少
• Rules：把團隊規範固化為 AI 的持久記憶
• Skills：將重複流程打包為可重用能力
• .cursorignore：保護敏感檔案
• MCP：連接外部系統
• Agent 工具：用終端、瀏覽器、搜尋形成行動閉環
• Subagents：拆解複雜任務，並行執行
• CLI：把 AI 能力延伸到腳本和 CI/CD

這些功能不是孤立的——一個成熟的工作流程可能是：

.cursorignore 保護敏感檔案 → Rules 定義專案規範 → Skills 封裝部署流程 → MCP 連接 Linear 和資料庫 → Subagents 並行處理大型重構 → 最後 CLI 把 AI Review 整合進 PR 流水線。

從最需要的地方開始，逐步搭建屬於你的 AI 協作工作流。

下一步

前兩篇講的都是個人使用。第三篇我們聊聊怎麼在團隊裡用好 Cursor。

第三篇預告：團隊協作與場景實戰

• GitHub / GitLab 整合
• Cloud Agent：讓 AI 在雲端跑任務
• 團隊管理
• 前端工作流實戰
• Python / 資料分析實戰
• 用 AI 寫文件和測試

好了，這篇就先到這裡。

覺得有幫助的話，點個讚收藏一下，後續更新也能第一時間看到～

有問題歡迎在留言區問我，咱們下篇見！

也歡迎關注我的公眾號「清湯餃子」，獲取更多技術乾貨！

原文出處：https://juejin.cn/post/7621018086649331721