登录搞懂 Cursor 后，我一行代码都不敲了《进阶篇》
Hi～大家好呀，我是清汤饺子。
上篇我们讲了 Cursor 的基础用法——怎么安装、怎么用 Agent、怎么写功能修 Bug。学会了这些，你已经能用 Cursor 正常干活了。
但你可能会有这种感觉：有时候 AI 好像"不太懂你"——它不知道你的编码习惯，不记得你的项目规范，每次都要重复解释很多东西。
好！那这篇文章就是来解决这个问题的。我们来聊聊怎么把 Cursor 调教成最懂你的搭档。
跟着这个系列学完，你会发现 Cursor 不只是个代码补全工具——它是你的 AI 开发团队。
你可以同时叫多个 Agent 帮你干活：一个读代码理解业务，一个写新功能，一个修 Bug，一个跑测试，一个写文档。你只需要告诉它们想做什么，然后等着验收结果就行。
这个系列一共三篇：
第一篇：从零上手 Cursor
讲讲怎么安装、Agent 怎么用、怎么写功能、怎么修 Bug
第二篇（就是这篇）：让 Cursor 更懂你
上下文引用、Rules、Skills、MCP 这些
第三篇：团队协作与场景实战
怎么在团队里用好 Cursor
我踩过的坑
刚开始用 Cursor 我经常有这种感觉：
让 AI 帮你改个功能，它改完了你一看——完全不是你想的那样！
后来我明白了，不是 AI 笨，是我没告诉它"看哪里"。
AI 输出的质量好坏，很大程度上取决于它"看到"了什么。你给它塞越多无关的信息，它的注意力就越分散，出来的结果就越水。
这篇文章，就是来讲讲怎么让 AI 更懂你。
一、上下文管理：让 AI 看到正确的代码
1.1 核心引用符号
Cursor 给了一套 @ 符号引用体系，让你精准控制送入模型的上下文。
说人话：就是告诉 AI "看这个文件"、"看这个文件夹"。
| 符号 | 作用 |
|---|---|
| @文件名 | 把指定文件内容注入上下文 |
| @文件夹名 | 注入整个目录的结构信息 |
| @codebase | 触发语义搜索，让 Agent 自己去找相关代码 |
| @doc | 引入已索引的第三方文档 |
| @web | 触发实时网络搜索 |
| @git | 引用 Git 历史、diff |
1.2 两种搜索模式
用 @codebase 时，Cursor 会综合用两种搜索：
- 精确搜索：知道函数名、变量名就直接搜，速度极快
- 语义搜索：不知道具体叫什么，但能描述功能
1.3 使用建议
✅ 先精确，后宽泛：知道文件名就直接 @文件名
✅ 先探索，再改动：让 AI 先展示现有的相关实现
✅ 只引入必要的：塞太多无关文件会稀释 AI 的注意力
💡 心得：这是我踩过最大的坑！之前都是直接让 AI 干活，也不告诉它看哪里，结果它搜一堆不相关的代码，写出来的东西牛头不对马嘴。加上精准的 @ 引用后，效率直接翻倍。
二、Rules：给 AI 写项目规则
2.1 大模型没有记忆
不知道你们烦不烦，反正我是烦透了——每次开新会话都要跟 AI 解释一遍项目规范。
"我们用 Tailwind 别用 styled-components" "API 统一放 src/api/ 目录" "组件名要用 PascalCase"
累不累啊。
Rules 解决的问题就是：把你的编码规范、架构决策，固化成 AI 的"持久记忆" 。
2.2 四种规则类型
| 类型 | 存储位置 | 适用范围 |
|---|---|---|
| Project Rules | .cursor/rules/ | 当前项目，可提交到 Git |
| User Rules | Cursor Settings | 所有项目，个人偏好 |
| Team Rules | 团队 Dashboard | 全团队，付费版 |
| AGENTS.md | 项目根目录 | 当前项目，纯 Markdown |
2.3 怎么创建 Rules
两种方式：
- 在 Chat 中输入 /create-rule，描述你想要规则
- 通过 Settings：Cursor Settings > Rules > + Add Rule
2.4 最佳实践
✅ 每条规则保持在 500 行以内，超出就拆
✅ 规则要具体可执行，像清晰的内部文档
✅ 用 @文件 引用范例，而不是把代码贴进去
✅ 发现 Agent 反复犯同一个错时，就写一条规则
💡 心得：Rules 是我用了就回不去的功能。之前每次都要重复说的话，现在配置一次就行。而且配置完，AI 写出来的代码风格完全一致，代码审查都省心了。
三、Skills：封装可复用的 AI 技能
3.1 什么是 Skills
如果说 Rules 是给 AI 定"工作原则"，那 Skills 就是给 AI 打包"专项能力"。
举个例子：你们团队每次发版都要走一套固定流程——跑测试、构建镜像、部署到测试环境、跑集成测试、部署到生产。
这些步骤每次都要手把手教 AI，累不累？
Skills 就是来解决这个问题的。 它把领域特定的知识和工作流打包成 Agent 可以调用的技能包。
3.2 特点
- 可移植：兼容所有支持 Agent Skills 标准的 AI 工具
- 渐进式加载：Agent 按需加载资源
- 可版本控制：作为文件存在，可以 Git 管理
3.3 目录结构
.agents/skills/
└── deploy-app/
├── SKILL.md
├── scripts/
└── references/
3.4 怎么调用 Skills
- 自动触发：Agent 根据对话上下文判断
- 手动调用：在 Chat 中输入 /技能名
3.5 Rules vs Skills 怎么选？
| 场景 | 用什么 |
|---|---|
| 每次对话都需要遵守的编码规范 | Rules |
| 需要执行脚本的复杂任务流程 | Skills |
| 可复用的跨项目专项能力 | Skills |
💡 心得：我是先从 Rules 开始的，后来发现某些流程反复出现，就封装成了 Skills。比如我们团队的"发版流程"，现在喊一声 /deploy 就搞定，省老鼻子事儿了。
四、.cursorignore：控制 AI 的视野范围
4.1 为什么要用 .cursorignore
Cursor 打开项目时会自动索引代码库。
但有些文件你不希望 AI 触碰——凭据、密钥、超大生成文件。
.cursorignore 就是这道防火墙。
相当于告诉 AI："这些文件你别看，别问，别碰。"
4.2 语法规则
和 .gitignore 语法完全一样：
# 屏蔽特定文件
config/secrets.json
# 屏蔽整个目录
private/vendor/
# 按扩展名屏蔽
*.key
*.pem
4.3 全局忽略规则
在 Cursor Settings 中可以设置全局忽略规则，对所有项目生效。
💡 心得：之前没注意，有次让 AI 帮我重构代码，它把 node_modules 也搜进去了——整个项目直接卡死。加上 .cursorignore 后，世界清静了。
五、MCP：扩展 Agent 的能力边界
5.1 我以前的困扰
默认情况下，Cursor Agent 可以读写代码，执行终端命令、搜索网页。
但我想让它帮我——
- 看看 Figma 设计稿长什么样
- 查一下数据库现在什么结构
- 更新 Jira 的 Issue 状态
臣妾做不到啊！
5.2 MCP 是什么
MCP 打破了这个边界——让 Agent 连接到任意外部系统：数据库、设计工具、项目管理平台。
说人话：以前 AI 是个"聋子瞎子"，只能看代码；现在它长了"耳朵眼睛"，能自己去看设计稿、去查数据库、去更新 Jira。
MCP（Model Context Protocol）就是一个"连接协议"——相当于 AI 和外部工具之间的翻译官。
5.3 怎么安装 MCP Server
方式一：一键安装（推荐）
访问 Cursor Marketplace，点击 Server 的「Add to Cursor」按钮。
方式二：手动配置 mcp.json
在项目根目录创建 .cursor/mcp.json。
⚠️ 密钥永远不要硬编码，使用环境变量传入！
5.4 常用 MCP 示例
- Figma MCP：让 Agent 直接读取 Figma 设计文件
- Linear MCP：Agent 可以直接读 Issue、更新状态
- 数据库 MCP：让 Agent 查询数据库 schema
💡 心得：接上 Figma MCP 之后，我前端页面开发效率翻倍。之前要反复对比设计稿和代码，现在直接让 AI 看图，帮我调样式——简直不要太爽。
六、Agent 工具详解：终端、浏览器、搜索
6.1 Terminal 工具
Agent 不仅仅是个"写代码的工具"，它有一套完整的行动能力。
你可以理解为：AI 不仅能帮你写代码，还能帮你跑代码。
Agent 可以直接在你的终端里执行 Shell 命令——运行测试、安装依赖、执行构建。
沙箱保护机制
默认情况下，终端命令运行在受限沙箱中，相当于有个安全带：
| 访问类型 | 默认策略 |
|---|---|
| 文件读取 | 允许整个文件系统 |
| 文件写入 | 只允许工作区目录 |
| 网络访问 | 默认阻止，可配置 |
可以在 Settings > Agents > Auto-Run 中配置：
- Run in Sandbox：自动在沙箱运行（推荐）
- Ask Every Time：每条命令都手动确认
6.2 Browser 工具
Agent 可以控制一个完整浏览器：截图、点击、填表单、读 console 日志。
说白了就是：AI 可以自己开浏览器操作网页。
核心能力：
- Navigate：访问 URL
- Click / Type：与按钮、表单交互
- Screenshot：截图
- Console Output：读 JS 错误
还内置了设计侧边栏，直接可视化调整元素。
💡 心得：Browser 工具是我用过最香的功能之一。之前调样式要在浏览器和编辑器之间来回切换，现在直接让 AI 帮我调，它自己打开浏览器看效果，不满意就改——我只需要最后验收就行。
6.3 Web Search 工具
当使用 @web 时，Agent 会触发网络搜索。
它不只是返回链接，而是读取页面内容后提取关键信息。
相当于 AI 帮你看网页、总结内容，而不是丢一堆链接让你自己去看。
七、Subagents：多代理协作完成复杂任务
7.1 什么时候用 Subagents
当任务足够复杂——需要大量代码探索、并行处理多个模块——单个 Agent 会遇到上下文窗口限制。
就像一个人同时做很多事会手忙脚乱，AI 也一样。
Subagents 是 Cursor 对这个问题的解答。
7.2 Subagent 机制
Subagent 本质上是父 Agent 可以委托任务的专属 AI 助手。
你可以理解为：派几个小助手出去干活，各有各的分工，最后给你汇总。
每个 Subagent：
- 拥有独立上下文窗口
- 接收父 Agent 传入的任务描述
- 可以配置独立模型
7.3 两种运行模式
| 模式 | 行为 | 适用场景 |
|---|---|---|
| Foreground | 阻塞等待 | 需要依赖输出的顺序任务 |
| Background | 立即返回 | 长耗时任务、并行工作流 |
7.4 三个内置 Subagent
- Explore：搜索和分析代码库
- Bash：执行 Shell 命令
- Browser：控制浏览器
7.5 最佳实践
✅ 每个 Subagent 职责单一
✅ description 字段决定自动委托效果
✅ 提交到 Git：让整个团队受益
✅ 从少量开始：先建 2-3 个针对性强的
💡 心得：大型重构的时候，Subagents 简直救命。之前要一个个文件手动处理，现在分工明确——一个读代码理解业务，一个写新功能，一个跑测试——几分钟就干完以前要一下午的活。
八、Cursor CLI：在命令行中使用 AI
8.1 CLI 是什么
以前你用 Cursor，是不是都得打开编辑器？
但有时候我就是想在终端里直接让 AI 干活，不想开图形界面——太慢了。
Cursor CLI 就是让你在终端里用 AI。
不用打开 VS Code，直接在命令行就能让 AI 帮你干活。
8.2 安装
curl https://cursor.com/install -fsS | bash
8.3 交互模式
# 启动交互会话
agent
# 带初始 Prompt
agent "把认证模块重构为 JWT 方式"
8.4 Headless 模式
在脚本或 CI 中用 -p / --print 参数：
# 只提建议
agent -p "这个代码库是做什么的？"
# 允许修改文件
agent -p --force "将这个文件重构为 ES6+ 语法"
⚠️ 注意：-p 模式下默认只读，加上 --force 才会真正写入文件。
💡 心得：CLI 我主要用在 CI 里。每次 PR 提交后自动跑一遍代码审查，省了一个同事的工作量——开玩笑的，至少省了他 30% 的时间。
小结
这篇文章覆盖了让 Cursor "更懂你"的完整体系：
| 模块 | 解决的问题 |
|---|---|
| 上下文管理 | 让 AI 看到正确的代码，不多不少 |
| Rules | 把团队规范固化为 AI 的持久记忆 |
| Skills | 将重复流程打包为可复用能力 |
| .cursorignore | 保护敏感文件 |
| MCP | 连接外部系统 |
| Agent 工具 | 用终端、浏览器、搜索形成行动闭环 |
| Subagents | 拆解复杂任务，并行执行 |
| CLI | 把 AI 能力延伸到脚本和 CI/CD |
这些功能不是孤立的——一个成熟的 工作流 可能是：
.cursorignore 保护敏感文件 → Rules 定义项目规范 → Skills 封装部署流程 → MCP 连接 Linear 和数据库 → Subagents 并行处理大型重构 → 最后 CLI 把 AI Review 集成进 PR 流水线。
从最需要的地方开始，逐步搭建属于你的 AI 协作工作流。
下一步
前两篇讲的都是个人使用。第三篇我们聊聊怎么在团队里用好 Cursor。
第三篇预告：团队协作与场景实战
- GitHub / GitLab 集成
- Cloud Agent：让 AI 在云端跑任务
- 团队管理
- 前端工作流实战
- Python / 数据分析实战
- 用 AI 写文档和测试
好了，这篇就先到这里。
觉得有帮助的话，点个赞收藏一下，后续更新也能第一时间看到～
有问题欢迎在评论区问我，咱们下篇见！
也欢迎关注我的公众号「清汤饺子」，获取更多技术干货！
