cursor 每日技巧

[ibkr]

[ibkr]

250922
1. 工作文档示例：@Docs Next.js How do I ... 即可触发官方文档检索并辅助回答。
2. 在复杂度爆炸时应收敛边界，采用更精确与可控的编辑路径。
3. 文档说明，当文件尺寸过大时会标记为 significantly condensed ，模型只看到名称或顶层结构，无法直接获取内容。
4. 安全文档明确指出，终端命令默认需要手动批准，只有在启用自动批准或 'Run Everything' 时才会跳过，这样可以减少安全风险。
5. 终端内按 Cmd+K 可以打开 Inline Edit 的提示栏，根据最近的终端历史和指令内容生成命令。

[ibkr]

250923
1. 分层忽略是可配置项，启用后会向上查找父目录的 .cursorignore 文件。
2. 从真实代码与对话抽取信息生成文档更及时准确，减少偏差。
3. Cursor 支持多个聊天标签，你可以按 Cmd+T 新建标签，每个标签有独立的上下文，用于处理不同任务。
4. 按 Escape 可以拒绝当前 Tab 提示，隐藏建议并继续编辑。
5. 正确项要求设计科学的基准测试方法，考虑了测试的全面性、客观性和可重现性。这种系统性的测试设计能够得到可靠的性能对比结果。

[ibkr]

250924
1. Auto Attached 规则会根据 globs 匹配特定文件，并在相应文件被引用时自动纳入模型上下文，用于统一风格规范。
2. Inline Edit 更适合单文件或局部修改，跨文件或复杂重构应使用 Chat 模式，通过 Cmd+L 将代码发送到 Agent 。
3. 正确项提供了项目技术栈、团队规模、具体要求和成本约束，让 Cursor 能够设计符合实际情况的 CI/CD 方案。这种完整的需求描述确保方案的可行性和实用性。
4. 应“外科手术式”地提供精确上下文：按场景选择合适的 @ 引用，以提升信噪比与效果。
5. 清晰的计划让范围与目标明确，随后分步实施并按需 Accept/Reject ，能更稳健推进。

[ibkr]

250925
1. 语言指南提供了多语言的分别建议，包括 Go 工具安装提示与 Python 格式化/类型检查工具等。
2. .cursorindexingignore 只影响索引而不完全屏蔽 AI 访问，与 .cursorignore 的覆盖范围不同。
3. Tab 强调速度与手控，适合小改动；较大的多文件改动更适合 Chat 与 Agent 。
4. 历史面板可通过快捷键 Option+Cmd+' 打开，里面保留了本地数据库中的聊天记录，可以重命名或删除。
5. Project 规则文件采用 .mdc 格式，文件顶部包含元数据（如描述、globs 、alwaysApply 等），其下为规则的正文内容。

[ibkr]

250926
1. 文档强调应通过 Review 过程查看 AI 提出的修改，细致审查后再决定是否应用，避免引入错误。
2. 跨文件跳转时，Tab 会在编辑器中打开 portal ，预览目标文件和位置。
3. 跨文件跳转依赖文件存在和索引，如未显示 portal 可检查文件状态并接受跳转。
4. 把任务分解为清晰的子步骤并逐轮校验，有助于 AI 准确理解并持续收敛到正确实现。
5. 正确项详细说明了业务领域、具体需求、技术栈和期望的设计内容。这种完整的背景信息让 Cursor 能够提供符合业务场景和技术环境的 API 设计方案。

[ibkr]

250927
1. Diffs & Review 文档说明有浮动 Review 栏，可以在文件之间切换，并对每个文件决定是否应用或拒绝更改。
2. 迁移文档展示了通过 VS Code 设置项调整活动栏方向的方式。
3. 跨文件跳转依赖文件存在和索引，如未显示 portal 可检查文件状态并接受跳转。
4. Tab 的设置中有 “Auto Import for Python (beta)” 的开关，可以根据需要启用或禁用
5. 正确项详细说明了功能需求、技术约束、预算限制和期望的技术指导内容。这种完整的需求描述让 Cursor 能够提供针对性的 WebRTC 实施方案。

[ibkr]

250928
1. @code 要求你具备对代码结构的了解，以便精确定位符号，从而高质量地注入上下文。
2. 阶段化目标与小步验证能减少偏航并便于回滚。
3. 安全文档明确指出，终端命令默认需要手动批准，只有在启用自动批准或 'Run Everything' 时才会跳过，这样可以减少安全风险。
4. 安全指南指出，网络请求仅限于 GitHub 、直接链接检索和预设的搜索提供者，无法任意访问自建 API 。
5. 令牌/时间戳可在不牺牲读扩展性前提下保障读你所写； A/C/D 代价或不可控。
6. Tab 建议的基本交互是按 Tab 接受，Esc 拒绝，Ctrl/⌘ → 可按词接受。
7. 非思考型模型通常等待明确的逐步指令，适合可控的小步修改。
8. AGENTS.md 适合轻量直观的全局指令，便于快速上手与共享。
9. 同分区 rename 是原子替换的通用做法，配合 fsync 更稳健； A/C/D 可能读到半成品或竞争失败。
10. 清晰的计划让范围与目标明确，随后分步实施并按需 Accept/Reject ，能更稳健推进。

[ibkr]

250929
1. 所有自定义命令的 Markdown 文件需要放在项目的 .cursor/commands 或用户目录的 ~/.cursor/commands 下，才能在 / 时出现。
2. 安全文档提到 Workspace Trust 可在设置中通过 security.workspace.trust.enabled 开关控制，默认关闭。
3. 兼容读取与统计能平滑过渡且可观测； A/D 破坏稳定； C 不可控。
4. 依赖倒置能隔离第三方并提升可测试与可替换性； A/C/D 会扩散耦合或错误处理。

[ibkr]

250930
1. 多根工作区默认会为每个仓库索引并提供上下文能力，以便 AI 覆盖更广的范围。
2. Agent Requested 需描述信息帮助 AI 评估是否纳入上下文。
3. 忽略规则避免泄露与噪音，聚焦于与任务相关的内容。
4. 清晰的计划让范围与目标明确，随后分步实施并按需 Accept/Reject ，能更稳健推进。
5. Agent Requested 规则不主动包含在上下文中，AI 会根据描述决定是否读取，非常适合安全审计等情况。

[ibkr]

251009
1 、 @files 能让 AI 直接学习参考实现的结构与风格，输出更贴近项目。
2 、所有自定义命令的 Markdown 文件需要放在项目的 .cursor/commands 或用户目录的 ~/.cursor/commands 下，才能在 / 时出现。
3 、Send to Chat 功能使用 Cmd+L ，将代码片段直接发送到聊天界面，便于 AI 在多个文件中操作。
4 、手动规则需要用户在对话中通过 @符号引用，AI 才会加载该规则内容到模型上下文。
5 、适配层统一语义、低风险落地，并以断言保障正确性。A 延续混乱； C 丢失结构化能力； D 成本与风险高。

[ibkr]

251010
1 、Cursor 的设置界面提供了 “Whitespace-only Suggestions” 的开关，关闭后就不会在空白行触发 Tab 建议。
2 、文档指出历史会话保存在本地 SQLite 数据库中，删除这些文件会丢失历史，因此需要小心。
3 、规则作为系统提示在模型上下文开头生效，而命令仅提供模板内容，因此二者可以结合使用，提高一致性。
4 、批量+阈值+去重是降低抖动的常见组合，并需用用例覆盖异常分派； A/D 随意性强； C 缺乏聚合效应。
5 、消息重复是常态，消费侧幂等+去重是基本功。

[ibkr]

251011
1. Quick Question 模式支持快速询问选中代码功能，使用 Option+Return 可以向 AI 发问而不修改代码。
2. MCP 调用是标准的工具调用，错误也会作为返回信息附在消息中供用户查看。
3. 如果自动导入失败，应检查相应的语言服务器或扩展是否正确安装，并通过 Quick Fix 测试导入能力。
4. 幂等键+断点续跑从编码层保障一致性；
5. @folder 覆盖范围大，容易带入无关内容，导致上下文噪音增加与信号稀释，应尽量精准提供上下文。

[ibkr]

251013
1. 在代理模式下，AI 会自主执行多步任务，但仍需要用户监督。监控 AI 代理的行为以确保其没有偏离正确方向非常重要。完全放任不管可能有风险，说效率降低没有根据，代理仍需要指令/提示。
2. AI 模型的知识和能力来自于训练数据。如果问题涉及的知识不在模型的训练数据中，模型可能无从作答或产生幻觉。电力支持或 RAM 不直接影响答案的正确性。
3. 即使 AI 建议看起来合理，也需要开发者基于自己的知识和测试加以验证。这样可以确保应用到实际场景时不会出现问题。
4. 官方列出 MCP Inspector 作为开发者工具，用于开发与调试 MCP 服务器/客户端。
5. 摘要与分块能保留关键信息并节省上下文窗口，提高响应稳定性。

[ibkr]

251014
1. 当 AI 生成的代码片段不易理解时，一个明智的选择是让 AI 工具解释代码的功能和作用。现代 AI 工具通常能提供代码解释或逐行讲解的功能，有助于用户理解代码。
2. 尽管 AI 工具生成的代码通常可用，但仍有可能存在错误或与预期不符。在本地运行或测试这些代码可以验证其正确性和行为。
3. 用户可以通过提示直接引导 AI 输出简洁的方案，例如在提示中要求“请给出一个简单易行的解决方案”。这样可以避免模型提供过于复杂的回答。
4. AI 提示词优化是一个持续过程。模型迭代更新、任务需求变化都可能导致需要调整提示词才能保持良好效果。AI 不会“免疫”提示，提示使用次数无限，新用户加入不是主要原因。
5. 在提示中明确禁止项与范围能减少跑题和风险，提升输出的可控性与安全性。

[ibkr]

251016
- 在长时间对话后，模型可能累积了较多上下文，导致生成结果跑偏。开启新对话可以清除旧上下文，从而恢复回答质量。提高硬件或切换语言均无直接帮助，增加提示长度可能适得其反。
- 通过在提示中设定 AI 的角色（如医生、老师），可以让模型按照该角色的视角和风格回答问题。这为模型提供了明确的语境，从而使回答更贴切。
- 用户可以通过提示直接引导 AI 输出简洁的方案，例如在提示中要求“请给出一个简单易行的解决方案”。这样可以避免模型提供过于复杂的回答。
- 协议提供 tools/list 与 tools/call ，两步实现发现与执行；工具的输入 schema 采用 JSON Schema 。
- 明确受众与语气能使 AI 在内容深度与表达方式上更贴合读者需求。

[ibkr]

251020
- 通过澄清关键不确定点可减少返工，确保后续输出更贴合需求。
- 清晰目标、上下文与验收标准，配合分步计划与确认点，是让 AI 稳定产出的关键。
- 把 SOP 写成可触发的 `/` 指令，并内置安全限制与交付物模板，可复用且可审计。
- 测试先行与循环复测能将问题暴露在开发早期，使 AI 修改在可控范围内完成。

[ibkr]

251021
- 摘要与分块能保留关键信息并节省上下文窗口，提高响应稳定性。
- 在相同任务与评价标准下做 A/B 测试，能更客观地衡量提示的改进效果。
- AI 的改动可能移除或简化关键代码。最佳实践是在接受 AI 修改前仔细审核每一项更改，确保重要逻辑未受损，输出符合预期。
- 通过 .cursorignore 排除不需要的文件（如庞大的依赖库），Cursor 无需浪费资源处理它们，从而显著提高运行效率和响应速度。
- AI 修改后仍需严格验证。开发者应运行测试确保功能正常，进行安全扫描确认漏洞已修补，再做性能测试评估优化效果。

[ibkr]

251022
- 把 SOP 写成可触发的 `/` 指令，并内置安全限制与交付物模板，可复用且可审计。
- 清晰目标、上下文与验收标准，配合分步计划与确认点，是让 AI 稳定产出的关键。
- 白名单与受限执行能降低误操作风险，在关键步骤加入人工确认更稳妥。
- 最佳做法是引用具体文件并列举安全检查点，例如用 `@src/routes/payment.ts` 提及文件，并罗列输入验证、注入风险等需要关注的问题。这样 AI 会逐项审查。

[ibkr]

251023
- 清晰目标、上下文与验收标准，配合分步计划与确认点，是让 AI 稳定产出的关键。
- 白名单与受限执行能降低误操作风险，在关键步骤加入人工确认更稳妥。
- 最佳做法是引用具体文件并列举安全检查点，例如用 `@src/routes/payment.ts` 提及文件，并罗列输入验证、注入风险等需要关注的问题。这样 AI 会逐项审查。
- 明确的负面指令可让 AI 知道哪些做法是禁止的，从而避免违规输出。这降低了 AI 犯此类错误的概率。

[ibkr]

251024
- 两段式流程便于审核与校正方向，可显著降低返工与误差。
- 白名单与受限执行能降低误操作风险，在关键步骤加入人工确认更稳妥。
- 清晰目标、上下文与验收标准，配合分步计划与确认点，是让 AI 稳定产出的关键。
- 明确的负面指令可让 AI 知道哪些做法是禁止的，从而避免违规输出。这降低了 AI 犯此类错误的概率。
- 将复杂任务拆解后逐步完成有助于提高准确率并降低风险；一次性要求 AI 完成大任务往往出现偏差或错误难排查。