- 立规矩：给它框架。
- 说清楚：指令明确。
- 拆任务：小步快跑。
- 给标准：用测试说话。
- 常反馈：及时纠偏，让它学好。
- 指范围：精准打击 (@ Context)。
- 看全局：让它知道目标 (Docs)。
- 直接改：行动胜于解释 (Show, don’t tell)。
- 用历史：迭代优化提示。
- 选对人：模型各有所长。
- 链外部：善用工具和网络 (@Web, MCP)。
- 预处理：索引提效 (Indexing)。
家人们！用 Cursor 写代码，是不是感觉像开盲盒？
有时候“嗖”一下，代码又快又好，简直神器！有时候呢？
它给你整一堆乱糟糟的，改起来想死的心都有！
问题出在哪？大概率是用法不对！
Cursor 首席设计师 Ryo Lu 最近就亲自下场，分享了 12 条正确使用 Cursor 的方法。
1、开局先立规矩 (5-10 条清晰规则)
AI 也得有规矩，不然容易放飞自我。
一上来就给 Cursor 定好 5-10 条项目规则 (Rules)，告诉它你项目的技术栈、版本、约束条件。
新项目先来点通用的，老项目可以试试 /generate rules 让它自己学。立了规矩，代码生成才可控！
举个栗子：
你可以建个 .cursor/rules/javascript.rules 文件，写上：
Always use 'const' or 'let', never 'var'.
Use snake_case for variable names.
Import modules alphabetically.这样 AI 生成 JS 代码时就会规矩很多。
老项目用 /generate rules，它可能会分析你的代码，发现你经常用某个库或者某种写法，然后自动生成类似的规则。
2、提要求要具体 (迷你rules)
跟 AI 提需求，不能含糊。得像写个小需求文档一样，把技术栈、行为、限制都说清楚。Prompt 写得好，AI 才不跑偏！
举个栗子：
模糊要求：“帮我做个按钮。” (AI：？？？啥按钮？)
具体要求：
用 React 和 Tailwind CSS 创建一个按钮组件 (Button.tsx)。
按钮背景蓝色 (bg-blue-500)，文字白色，圆角 (rounded-md)，内边距 px-4 py-2。
鼠标悬停时背景变深 (hover:bg-blue-600)。”你看，这样 AI 就知道该怎么干了。
3、小步快跑，逐个击破 (按文件/模块工作)
搞大项目，千万别想一口吃成胖子！
让 AI 一次生成整个项目？绝对翻车！
我见过太多这种“AI 开发翻车现场”了，前期不拆分，中期不审查，后期代码一坨屎，跑不起来还改不动！
正确姿势是模块化！
先把项目拆成小模块、小功能。一个一个让 AI 写，写完就测试、审查。
有问题当场解决，稳步推进！
举个栗子：
错误姿势：“帮我重构整个用户认证流程。” (AI：大哥我干不来…)
正确姿势：
第一步：“重构 @file:src/auth/login.ts文件，把 Promise 改成 async/await。” (搞定，测试)
第二步：“重构 @file:src/auth/signup.ts文件，加入邮箱格式验证逻辑。” (搞定，测试)
第三步：“更新 @file:tests/auth.test.ts 里的测试用例以匹配新的重构。” (搞定，测试)一步一个脚印，才不会扯着蛋。
4、先写测试，再写代码 (TDD 思维)
用测试用例告诉 AI 成功的标准是啥。先写测试，再让 AI 写代码去通过测试。
注意！ AI 可能耍滑，偷偷改测试。所以，用 .cursorignore 文件把测试文件保护起来！
告诉 Cursor：这些文件不准碰！先画好圈，再让它发挥。
举个栗子：
首先，在项目根目录或者相关目录下创建 .cursorignore 文件，写入：
# .cursorignore 文件内容示例
# 忽略所有测试文件目录
tests/
__tests__/
# 忽略所有以 .spec.ts 或 .test.js 结尾的文件
*.spec.ts
*.test.js 然后，在 math.test.js 里写好测试：
// math.test.js 文件内容示例
const sum = require('./math'); // 假设你的函数在 math.js 里
test('adds 1 + 2 to equal 3', () => {
expect(sum(1, 2)).toBe(3);
});
// 你可以根据需要添加更多测试用例
// test('adds -1 + 1 to equal 0', () => {
// expect(sum(-1, 1)).toBe(0);
// });最后，你可以选中 math.js 文件或者直接在聊天里说：
“请在 @file:math.js 文件里编写 sum 函数，让 @file:math.test.js 里的测试用例通过。”5、人工审查，及时纠偏 (硬修复 + 反馈)
别把 AI 当神！它也会犯错！
生成的代码必须人工 Review！这是底线！
发现不对，比如注释不符合公司规范？自己动手改！
重点是：
改完告诉 Cursor：“学着点！以后按这个来！”
把你改的代码（diff）喂给它当例子。多调教几次，它就学乖了。
举个栗子：
AI 生成的代码用了 let i = 0; 你觉得不够清晰，手动改成 let loopCounter = 0;。
然后你可以选中这段修改，或者在聊天里说：
“注意变量命名，要像 loopCounter 这样有描述性，而不是简单的 i。以后请遵循这个风格。”6、指哪打哪，精准打击 (@ 定位上下文)
项目大了，文件一堆，不能让 AI 每次都看一遍。上下文顶不住，还容易改错地方！
用好 @ 大法：
@file：就看这个文件！
@folder：这整个文件夹都看看！
@git：看看最近代码有啥变化！(这个很有用！)精准定位，效率才高！
举个栗子：
“请在 @file:src/components/Button.tsx 文件里，给按钮增加一个 disabled 状态的样式。”
“在 @folder:src/utils 文件夹下，查找所有使用了 lodash 库的地方，替换成原生的 JavaScript 方法。”
“根据 @git 最近的提交，总结一下用户登录模块都改了哪些地方？”7、把设计文档放进 .cursor/ (让 AI 心中有数)
想让 AI 干活更靠谱，得让它知道项目的“大方向”。
官方建议把设计文档、需求文档、待办清单 (Checklist) 放在 .cursor/ 目录里。这样 AI Agent 就有完整的上下文，知道项目的目标和下一步计划。
当然，放 docs/ 目录，然后在 Prompt 里用 @folder 指定也行。核心是让 AI 能方便地看到“蓝图”和“路线图”。
举个栗子：
你在 .cursor/DESIGN_SPECS.md 里写好了登录页面的设计规范。
然后可以这样提问：
“根据 @file:.cursor/DESIGN_SPECS.md 里的规范，生成登录页面的 React 组件基础结构。”8、代码不对？直接上手改！(Show, don’t tell)
AI 有时候就是不开窍，反复犯错。你跟它解释半天也没用。
这时候，别废话，直接上手改！你改代码的操作，就是最好的“示范”。
Cursor 会从你的编辑中学习，比听你解释快得多！
当然，前提是你得会改。
所以说，想玩转 AI 编程，懂点代码还是必要的！
举个栗子：
Cursor 老是给你生成带 console.log 的调试代码。你每次都手动删掉。
几次之后，它可能就“记住”了，不再随便加 console.log 了。
或者你改完后强调一句：
“注意，最终代码里不要包含调试用的 console.log。”9、善用聊天记录 (迭代提示词)
每次跟 AI 对话都是宝贵经验。
就算它这次回答得烂，让你想骂娘。
也别急着清空记录。
想想为啥烂？是要求没提清？还是它理解歪了？
不满意的点，就是下次优化 Prompt 的方向！
把聊天记录当“错题本”，不断迭代！
举个栗子：
第一次问：“做个用户列表。” AI 给的很简单。
第二次在同个聊天里追问：
“在刚才那个列表基础上，增加分页功能，每页显示 10 条。再加个搜索框可以按用户名搜索。” 这样逐步细化，比一次性提复杂需求效果更好。
10、选对模型，事半功倍 (因材施教)
不能指望一个模型打天下！
不同模型有不同脾气和擅长领域。
Ryo Lu 的建议（结合其他大佬看法）：
需要精确、搞定难题：试试 Gemini 2.5 (能力强，但可能需要你多引导)。
需要覆盖广度、创意发散、用工具：试试 Claude 系列 (比如 3.7 可能想得多，3.5 比较听话)
全能型选手：Claude 3.5 依然能打。
想看 AI 思考过程、或者 Debug 复杂错误：试试带 Thinking 模式的模型，或者 GPT o1/o3-mini-high。
扫描代码库、更新文档：可以试试轻量级的 Gemini Flash 2.0。多试试，找到最适合当前任务的那个！
举个栗子：
写一个性能要求极高的算法，你可能会选 Gemini 2.5 Pro 并仔细引导。
但如果只是想快速生成一些测试数据，或者写个简单的脚本，用 Claude 3.5 Sonnet 或者 Gemini Flash 可能更快更省事。
11、搞不定新技术？喂它文档链接或用 MCP 工具！(联网求助)
遇到新框架、新库，搞不懂？
方法一：直接喂链接
把官方文档链接甩给 Cursor！(用 @Web 功能)
让它自己去“学习”，学完再来帮你。
方法二：用 MCP 工具（更高级）
先搞清楚：MCP 是个协议标准，像 USB 接口一样。
很多工具都可以基于这个标准开发，让 AI 能连接外部世界。
Context7 MCP (GitHub: upstash/context7-mcp) 是其中一个例子，专门用来获取最新的技术文档。
BrowserTools MCP (咱们之前聊过的 AgentDeskAI 那个) 则是另一个例子，能让 AI 控制浏览器、跑审计。
未来还会有更多基于 MCP 的工具出现！
怎么用？按需求开启，支持的工具数量有限！超出了会有提示！
如果你的 Cursor 配置好了某个 MCP 服务器（比如 Context7 MCP 或 DeepWiki MCP）：
你就可以在 Prompt 里直接召唤它！
比如：“新的 Next.js after() 函数是怎么工作的？使用 context7”
或者：“帮我看看 https://example.com 这个页面的性能怎么样？调用 BrowserTools 跑个性能审计”
12、大项目？让它晚上“自习”！(代码库索引)
Cursor 有个 Codebase Indexing (代码库索引) 功能。
提前把项目代码读一遍建索引，后续查询和修改会快很多。
但是！索引大项目很耗时！
最好晚上睡觉前让它跑。
同时，用 .cursorignore 排除掉 node_modules/, build/ 这些目录，
限制上下文范围，提高索引效率。
举个栗子：
一个超大的 monorepo 项目，索引一次可能要几小时。
晚上睡觉前点一下 Index Codebase，第二天早上来，问 AI 关于项目代码的问题，它就能秒回了。
Ryo Lu 最后总结：
“结构和控制是胜利之道（目前如此）。
将 Cursor 代理视为一位强大的初级员工
——如果你指明方向，它能够快速走得很远。”