专业工程师分享 Cursor AI 高效编码的 7 条技巧

随着 AI 辅助编程工具的普及，如何高效利用这些工具提升开发效率成为开发者关注的重点。Cursor AI 作为一款集成大语言模型的编码工具，为软件工程实践带来了新的可能性。一位专业工程师分享了其在几周内使用 Cursor AI 完成副业项目 90% 代码的经验，并总结了七条核心技巧。

核心内容

该工程师提出的七条技巧旨在优化开发者与 Cursor AI 的协作流程。

1. 自顶向下提示：在开发新功能时，应从宏观概念和用户目标开始向 LLM 提问，然后逐步深入到数据模型、API 端点、业务逻辑，最后是 UI 组件和用户交互。这种方法有助于 LLM 理解完整的上下文，从而做出更符合整体架构的决策。
2. 编写测试：先编写全面的测试用例是指导 LLM 的有效方式。通过让 LLM 修复未通过的测试，而非用文字描述复杂需求，可以更确信生成的代码能按预期工作并符合规范。
3. 规则：创建一个实用的规则文件，涵盖所用语言或框架的重要方面，如代码整洁性、库使用、命名约定、测试方法和架构模式。规则应包含真实示例而非抽象理论，同时指明工具版本和代码库特有的模式，并保持简洁。
4. 使用工作区：将前端和后端代码置于同一 Cursor 工作区，使 LLM 能够同时理解整个技术栈。这有助于追踪 API 调用、发现不一致性并协调跨端更改，无需开发者反复解释。
5. 合理使用 MCP 服务器：MCP 服务器通过连接实时外部数据和工具来增强 Cursor 的功能，使其能获取真实数据并执行代码编写之外的操作。但需合理使用，避免滥用。
6. 混合模型：根据任务类型选择不同模型。例如，使用 Claude 4 进行功能规划和架构决策，使用 Gemini 2.5 Pro 进行需要快速代码生成和巨大上下文窗口的实际编码，对特别复杂的问题则使用 o3。
7. 坚持最佳软件工程实践：在使用 LLM 时，仍需遵循经典的软件工程原则，如将问题分解为小块、保持关注点分离和设计模块化组件。LLM 在处理定义明确的单一问题时表现更佳。

价值与影响

这些技巧强调了将 AI 工具融入现有工程实践的方法论。LLM 和 Cursor 是使编码更轻松、更有趣的工具，能减少职业倦怠并提高交付效率。工程师应采用迭代的构建方法，不要期望 Cursor 能一次性完美解决所有问题，提倡“欲速则不达”的理念。这些实践有助于开发者在利用 AI 提升效率的同时，确保代码质量和项目的可维护性。

---

来源：黑洞资源笔记