cursor有哪些高级用法? Cursor的五种高级使用指南

搞定开源项目

遇到不懂的开源项目？用 Cursor 打开它，让 AI 索引整个代码库并解释项目功能。想修改或添加功能？让 AI 为代码添加注释，或者直接告诉它你想要的改动

eg：clone一个开源项目，接着让AI解释开源项目

数据处理

Cursor 可以帮你处理各种数据格式。无论是数据清洗、格式转换，还是生成测试数据，都可以通过简单的自然语言指令完成，无需编写复杂的代码

eg：微调，把hugging face上的数据集修改成标准格式的数据集

微调大模型

hugging face上的数据集

如何最大化利用cursor工具的技巧来节省对话次数

1.首先切换为agent模式,只有这个模式它才会调用本地工具(如终端,读取文件等等)

2.命令cursor在项目根目录使用"tree /f"命令,并命令它总结每个文件的作用

如图:

3.命令cursor根据获取到的所有文件总结出项目结构(

4.命令cursor为每个层级创建白盒测试(根据需求来创建,这个时候此前收集到的信息会被模型归纳总结避免遗漏某个文件的测试)

5.直接让cursor运行测试,接着就看cursor反复测试代码直到调用工具次数到达上限(25次)或者代码通过测试吧

6.适当的时候可以让它添加DEBUG语句(毕竟模型还不能通过断点来DEBUG)来避免反复修改却始终没有解决问题的情况.

节省对话次数的方法就是在一次对话中让它进入"运行测试"-“得到测试结果”-“进行DEBUG”-"运行测试"的循环

如果我想让AI总结项目，生成开发指南，但不想让他修改代码该怎么办？

首先，我们要明确一点，LLM上下文和输出都是受限的，所以寻常的Chat模式必定是无法使用的，因为你不可能将所有代码一次性全部提供给它，它也不可能给你生成几万行的开发指南。

所以，我们需要使用具有agent功能的工具，如：cursor compose里面的agent模式，或者cline工具，这些工具本质上是由一个决策者和多个执行者组成，决策者负责制定完成任务所需要进行的操作步骤，再交由执行者去执行，决策和执行都是单独的一次Chat。

那么，思路就很简单了。

• 1、拿到项目文件目录接口，由决策者生成阅读指南，相当于你的leader教你如何阅读项目。
• 2、让执行者根据决策者生成的阅读指南，逐个文件阅读并生成文件内容概要、函数接口概要，将阅读结果保留到/docs目录下的项目同结构md文件下（如：src/hello/prompt.py（提供一些prompt常量） => docs/src/hello/prompt.md，src/hello/fillPrompt.py（提供一些工具函数，来操作prompt里面定义的变量等信息） => docs/src/hello/fillPrompt.md）。
• 3、所有的执行者阅读完后，再交由思考者，逐个文件夹总结归纳（例如：docs/src/hello/下有prompt.md和fillPropmt.md，对齐总结归纳后会得到docs/src/hello.md），如此循环递归向上，直到得到最终的docs.md，这便是我们所需要的项目开发指南。

实现：如果你使用cline，那么请你创建一个MCP工具，用于获取项目目录和文件结构，并需要能标注和获取已经浏览和归纳总结过的文件。

推荐阅读： Cursor插件市场无法打开或加载缓慢解决办法

最新评论