cursor使用技巧简版

发表于 2025-11-04 分类于工作

写在前面

因为研发进入公司后都给开了cursor帐号，虽然大多数人都知道cursor也简单试用过但是可能没有花心思研究它，所以导致最近一个多月用下来我发现大家的使用方式存在较大问题，且token消耗很快，简单说就是大多使用的时候都毫无技巧，就力大砖飞的方式跟对话框干上了的感觉。

所以我利用站会的一点时间简单给大家讲了一下使用技巧，让大家能把cursor用的更好同时也能适当降低token消耗。

Cursor 有哪些使用技巧？

核心目标：用最少的 Request 消耗，换取最准确的代码产出。
核心原则：AI 不懂就问（Interactive Feedback），人要想好再说（PVE 模式）。

🚀 第一部分：省流攻略 (Save Requests & Tokens)

1. 拒绝 “Auto” 模式，手动分级

痛点：默认的 “Auto” 模式经常在简单问题上杀鸡用牛刀，浪费宝贵的 Fast Request。

✅ 最佳实践：
- **日常开发 (80%)**：强制使用 GPT-4o-mini 或 Claude 3.5 Haiku。用于改 Bug、写注释、简单函数。
- **攻坚时刻 (20%)**：手动切换到 Claude 3.5 Sonnet。仅用于架构设计、复杂重构。
操作：使用快捷键 Cmd + / (Mac) 或 Ctrl + / (Win) 快速切换模型，不要依赖自动路由 1。

2. 启用 Interactive Feedback (MCP) —— 关键技巧

痛点：需求模糊时，AI 靠猜。猜错 = 重写 = 浪费 2-3 次 Request。
原理：利用 MCP 协议，让 AI 在同一个请求内暂停并向你提问，直到确认清楚再写代码。

✅ 最佳实践：
- 配置 interactive-feedback-mcp 服务。
- Rule设置：在 .cursorrules 中加入：“如果指令不明确，必须调用 interactive_feedback 询问，禁止盲目猜测。”
收益：将原本需要 3 轮“生成-纠错-再生成”的交互，压缩为 1 次请求 [User Input, 13]。


# 1. clone interactive-feedback-mcp
git clone https://github.com/noopstudios/interactive-feedback-mcp.git
cd interactive-feedback-mcp

# 2. 使用 Python 3.11 创建标准虚拟环境
/opt/homebrew/bin/python3.11 -m venv .venv

# 3. 激活环境（为了确保 pip 指向正确）
source .venv/bin/activate

# 4. 新建requirements.txt，安装依赖
pip install requirements.txt

# 5. 检查是否能成功运行
./.venv/bin/python feedback_ui.py --project-directory "." --prompt "环境安装完毕测试" --output-file "debug_output.json"

# 6. cursor配置mcp
 "interactive-feedback-mcp": {
      "command": "/xxxx/interactive-feedback-mcp/.venv/bin/python",
      "args": [
        "/xxxx/interactive-feedback-mcp/server.py"
      ],
      "cwd": "/xxxx/interactive-feedback-mcp",
      "timeout": 600,
      "autoApprove": [
        "interactive_feedback"
      ]
    }

3. PVE 工作流 (Plan-Verify-Execute)

痛点：想到哪写到哪（Vibe Coding），导致 AI 反复修改同一段代码，Token 爆炸。

✅ 最佳实践：
- **P (Plan)**：先用免费模型（或 mini）让 AI 列出修改计划。
- **V (Verify)**：人工确认计划无误。
- **E (Execute)**：开启 Composer (Cmd+I)，一次性把确认好的计划发给 Sonnet 执行。
收益：一次成型，拒绝返工 3。

⚡ 第二部分：上下文工程 (Context Management)

1. 必须配置 .cursorignore

痛点：AI 读了 node_modules 或 lock 文件，导致 Token 耗尽且回答变慢。

✅ 操作：
- 在根目录新建 .cursorignore。
- 填入：node_modules/, dist/, *.json (大文件), logs/。
- 效果：强制 AI 只看源码，Token 节省 30% 以上 4。

2. 精通 .cursorrules (配置即代码)

痛点：每次都要重复喊“用 TypeScript”、“不要用 Class 组件”。

✅ 操作：
- 根目录新建 .cursorrules 文件。
- 由简入繁：
  1. 角色：You are a senior expert in [技术栈].
  2. 绝对禁止：No class components. No placeholder comments.
  3. 格式：Only output changed lines. (只输出修改行，极大节省 Output Token) 6。

3. “一次性” 会话原则

痛点：在一个 Chat 窗口聊几天，上下文充满了过时的旧代码，导致 AI 变笨且极其费钱。

✅ 操作：
- Task 完成即销毁：一个功能点 = 一个 Chat。功能做完，立刻 Cmd+L 开新窗口。
- 及时 Unpin：如果文件不再需要修改，立刻取消 Pin 状态 8。

🛠️ 第三部分：核心工具与技巧 (Tools & Tricks)

1. Composer (Cmd + I) > Chat (Cmd + L)

Chat 是咨询师（只看不写）：用于问原理、查 Bug。
Composer 是工程师（直接写）：用于多文件编辑。
技巧：
- Combo 连招：不要分三次改。直接在 Composer 输入：“在 User 表加字段，同步更新 API DTO，并修改前端类型定义。” —— 3 个文件变动，只需 1 次 Request 1。

2. 善用 Plan Mode (Shift + Tab)

场景：大功能开发。
操作：在 Composer 输入框按 Shift + Tab 进入 Plan Mode。AI 会先扫描代码库，生成 Markdown 格式的待办清单，你确认后它再动手。这比直接写代码更稳，更省重试次数。

📝 总结：开发者自查清单

在开始 coding 前，请确认：

[ ] 模型对了吗？ 简单问题切回 mini 了吗？
[ ] 规则有了吗？ .cursorrules 和 .cursorignore 配置了吗？
[ ] 模式选对了吗？ 多文件修改是否使用了 Composer？
[ ] 反馈机制：是否启用了 Interactive Feedback 以防止 AI 瞎猜？
[ ] 会话清理：上个任务结束了吗？结束了请开新 Chat。