背景

了解对应AI工具提示次，方便日常使用其IDE时能编写更好的提示词

通读这些提示词文件，总结 Top 10 日常使用 Cursor 的最佳建议。

Cursor提示词：system-prompts-and-models-of-ai-tools

Cursor

基于这些提示词文件，以下是 Top 10 日常使用 Cursor 的最佳建议：

Top 10 日常使用 Cursor 的最佳建议

1. 使用语义化完整问题，而非关键词或技术术语

好的做法：

"用户登录时，密码是如何验证的？"
"订单创建后，系统如何通知用户？"
"当 API 请求失败时，错误是如何处理的？"

不好的做法：

❌ "validatePassword"
❌ "login"
❌ "error handling"
❌ "给我看所有包含 'auth' 的代码"

原因： 提示词强调 codebase_search 是主要探索工具，它通过语义理解代码含义，完整问题能更准确地匹配相关代码。

---

2. 采用“先宽后窄”的探索策略

好的做法：

第一轮（探索整体）：
"用户认证系统是如何工作的？"

第二轮（基于结果细化）：
"JWT token 在哪里生成和验证？"

第三轮（进一步细化）：
"token 过期后如何刷新？"

不好的做法：

❌ 一开始就问："validateToken 函数第23行是什么意思？"
❌ 直接要求："给我看所有 auth 相关的文件"
❌ 跳过探索直接问细节："refreshToken 的返回值是什么类型？"

原因： 提示词要求"从一个宽泛的、高层次的查询开始，以捕捉整体意图"，然后根据结果逐步缩小范围。

---

3. 将复杂问题拆分为独立的子问题

好的做法：

问题1："用户注册流程包含哪些步骤？"
问题2："注册时如何验证邮箱格式？"
问题3："注册成功后如何发送欢迎邮件？"

不好的做法：

❌ "用户注册流程如何工作？如何验证邮箱？如何发送邮件？"
❌ "告诉我注册、验证、邮件发送的所有代码"

原因： 提示词明确指出"语义搜索不擅长并行查找多个事物"，应该拆分为独立的搜索。

---

4. 描述“做什么”和“在哪里”，而非直接要代码

好的做法：

"在保存到数据库之前，用户密码是如何加密的？"
"前端如何获取当前登录用户的信息？"
"错误日志记录在哪个文件中？"

不好的做法：

❌ "给我看加密代码"
❌ "找到所有 API 调用"
❌ "显示错误处理"

原因： 语义搜索通过"含义"而非"文本"查找代码，描述性查询能更好地匹配相关实现。

---

5. 提供业务场景和上下文，而非孤立的技术术语

好的做法：

"当用户点击提交按钮时，表单数据是如何验证的？"
"在订单创建过程中，库存是如何检查的？"
"用户登录失败时，系统如何记录安全事件？"

不好的做法：

❌ "validate"
❌ "checkStock"
❌ "logEvent"

原因： 提示词强调"追溯每个符号的定义和用法"，提供场景有助于 AI 理解真实需求。

---

6. 让 AI 自主完成任务，避免频繁打断

好的做法：

"实现一个用户登录功能，包括前端表单和后端验证"
然后等待 AI 完成所有步骤

不好的做法：

❌ "创建登录表单"
[AI 开始工作]
"等等，先创建后端 API"
[AI 重新开始]
"不对，先看看现有的认证代码"
[AI 再次重新开始]

原因： 提示词强调"你是一个代理——在用户的查询完全解决之前，请继续工作"，AI 会自主规划并执行任务。

---

7. 对于复杂任务，让 AI 创建任务列表并跟踪进度

好的做法：

"添加深色模式切换功能到设置页面"
→ AI 会自动创建任务列表并逐步完成

不好的做法：

❌ 手动分解："先创建状态管理，然后实现样式，再创建组件..."
❌ 频繁检查："完成了吗？下一步是什么？"

原因： 最新版本的提示词包含 todo_write 工具，AI 会自动创建和管理任务列表，你可以在任务列表中看到进度。

---

8. 提供错误信息和完整上下文

好的做法：

"运行 npm start 时出现错误：'Module not found: Can't resolve './components/Button''
我已经检查了文件路径，文件确实存在。"

不好的做法：

❌ "出错了"
❌ "代码不工作"
❌ "帮我修复"

原因： 提示词强调"如果你不确定与用户请求相关的文件内容或代码库结构，请使用你的工具来读取文件"，但提供错误信息能帮助 AI 更快定位问题。

---

9. 使用自然语言提问，像与同事对话

好的做法：

"我想了解这个项目是如何处理用户权限的"
"这个函数的作用是什么？"
"为什么这里会抛出这个异常？"

不好的做法：

❌ "权限系统代码"
❌ "函数功能"
❌ "异常原因"

原因： 提示词要求"像与同事交谈一样提问：'X 如何工作？'，'Y 发生时会怎样？'，'Z 在哪里处理？'"

---

10. 明确表达意图和目标，而非技术实现细节

好的做法：

"我需要添加一个功能，让用户可以上传头像并预览"
"我想优化这个页面的加载速度"
"需要修复一个 bug：用户无法保存表单数据"

不好的做法：

❌ "添加 FileReader API"
❌ "使用 React.memo"
❌ "修复 onSubmit 函数"

原因： 提示词强调"你的主要目标是遵循用户的指令"，明确表达意图让 AI 理解目标，并选择最合适的实现方式。

---

综合最佳实践示例

场景：想了解并优化用户认证系统

不好的方式：

"auth"
→ AI 可能返回太多无关结果

"给我看所有认证代码"
→ AI 可能返回整个代码库

"优化登录"
→ 太模糊，AI 不知道要优化什么

好的方式：

第一轮（探索）：
"用户认证系统是如何实现的？包括登录、注册和权限检查"

第二轮（基于结果）：
"登录流程中，密码验证是在哪里进行的？"

第三轮（优化）：
"登录响应时间较慢，如何优化认证流程的性能？"

---

额外提示

1. 信任 AI 的工具调用：AI 会自动读取文件、搜索代码、运行命令，无需手动指导
2. 利用代码引用：AI 会使用 12:15:filepath 格式引用代码，可直接跳转
3. 关注任务列表：复杂任务会自动创建任务列表，可查看进度
4. 提供文件上下文：打开相关文件或选中代码，AI 会更好地理解上下文

遵循这些建议，能更高效地利用 Cursor 的语义搜索和自主执行能力。