Cursor 使用分享
我在 2023 年 3 月份就试用过 Cursor ，它也是作为早期的 AI 辅助编程的一款工具，主打通过 AI 对话提供编程代码，通过编辑器快速植入到你的代码文件中。对于非开发人员其实还是有一定的帮助的，仅需要通过文字描述就可以生成准确率较高的可运行的代码，写写日常的小工具、脚本就比较方便。但是对于开发人员，真正深入到业务开发，实际很少有这种“又简单、有独立”的功能让你去通过 AI 直接生成。反而 AI 很难理解整体业务、整体代码逻辑，并不能一次性给出非常完美回答。于是我采用了当时同类产品 Copilot 采取结合上下文轻提示这种方式，它更符合日常开发习惯。
如今过了一年半，Cursor 又在圈内火了，铺天盖地的好评让我又开始试用了 2 个星期，总体来讲确实有了很大的变化，能力更加强大，下面我对它的一些能力进行简单分享。
聊天辅助编程
聊天辅助编程就是开辟一个聊天窗口，让你同 AI 聊天给予你代码以及思路。因为专门针对 Code 进行优化，所以给的回答准确率比较高。对于一些你不太熟悉的库，没有很好的文档，通过 AI 询问基本要比在网上搜答案效率高很多。
除此之外还有简版聊天功能，可以选中代码，通过快捷键唤起小窗，编辑器可以对 AI 给的代码进行比对和覆盖。在真实的开发场景中其实用得也不太多，因为生成的代码准确率虽高，但不一定好用，主要是它不一定能融入你的整体代码。所以我觉得它只适合一些“不灵活、很规则”的场景，比如单元测试
比如数据库表字段类型校验
再加个 swagger
另外还可以针对一些代码进行优化，不过用过来使用场景确实不多。
代码补全
与 Copilot 相同，新版 Curosr 也具备了同样的代码补全能力，以淡色的文字显示。使用了 2 周后它的准确率给我直接感觉是与 Copilot 不相上下。但是与 Copilot 不同，Cursor 的补全提示更加积极，更加有侵略性。这里的侵略性并不是贬义词，相反结合高准确率会让用户有更好的体验。
触发时机
Copilot 触发补全的时机基本都在代码输入时，所以有一些情况下我们可能要输一个空格/删一个空格来触发提示。Cursor 则似乎采用“全文对比”的形式，可以再非光标的位置进行补全，触发时机也不仅仅在输入时，甚至可以切换光标的时机触发。
以上例子我在对象上新增了 gender 属性，Cursor 会自动在下面的解构中补全 gender 属性，以及最后渲染 gender。这里我全程不需要移动光标和输入代码，它会有个 tab 图标提示，使用 Tab 键就会自动让光标切到指定位置并进行代码填充。
在高准确率下，这个能力会非常实用。
跨行/多行代码补全
上面提到 Cursor 似乎拥有全文对比能力，可以对你的代码文件与它推荐的代码进行对比，找出多处跨多行补全提示
这里我修改了 text 为 text3，后续的变量都会提示你修改（虽然我没明白为什么不是一次性全部补全到位）
相反，我可以先使用组件，它也可以跨行提示你去导入该组件
这 2 个例子相对简单，实际开发场景这种跨多行补全是很好用的，提升的效率非常明显。
跨文件补全
Cursor 一开始没有做成 VS Code 插件是因为能对编辑器 UI 有更好的控制，而且能读取整个项目文件，这样对于不同文件代码之间，尤其有相互引用关系的文件，会有更好的提示和补全。
这里我定义了 props type，切回到要应用的 tsx 文件时，Cursor 主动会提示你引用这个 type 文件。
同样地，我在两个文件之间相互修改，都有非常准确地提示、补全能力。
另外我还发现一件有意思的事，Cursor 似乎会参考文件堆栈，对于刚保存的文件会优先推荐引用。
这个例子中，case 3 文件夹中定义了 2 个组件 BaseText 和 BaseInput ，一旦其中一个文件保存或是查看后，主界面中会优先推荐引用。
智能修复
由于拥有这样“侵略性”的补全能力，Cursor 会提示你修复一些错误的关键字、变量名
这里我写错了变量名和关键字，在第一次写错变量名时就已经提示你正确的代码。尽管我无视了它给的修复性补全继续写，它还是能够过跨行补全的能力修复之前的错误变量名。
@Symbols
与 Copilot Chat 相同，Cursor 的 Chat 功能也提供了这种快捷指令的功能，能让用户与大模型更便捷地交互
文件/代码指引
可以使用 @Code @Files @Folders 来指定代码，效果等同于复制一整段代码进去聊天框，这三个都差不多，只是分别针对代码片段、代码文件、文件夹场景。
我实际测试下来，似乎也只是引用了里面的内容，方便了用户不用大量复制粘贴内容进入聊天框，只要引入对应文件就行。
这样的话其实我们可以把我们经常用的或是已经训练好的 Prompt 通过文件形式保存起来，需要时直接引用对应的文件，比如
此外还可以用这种能力来导入组件和方法，比如我定义了一个 hooks，我通过 @Files 来引用，它会解析这个 hooks，分析出入参和返回，最后给你一个比较“合理”代码片段。这里的“合理”并不单单指准确率比较高，还会分析上下文，哪些变量可以作为 hooks 的入参，哪些变量使用了该 hooks 的返回值，都能解析出来，并非只给你一段独立的引用代码片段。
如上图，getDataApi 方法会传入 hooks，返回值 data loading pagination 用在了 Table 组件上
最后还有一种场景，我们可能会遇到一些相似的页面，比如管理后台的列表页，估计大部分开发者都是复制一套模板代码，在从模板代码上修修改改，如果用这个功能会更加简便。
比如我们的模板代码大概长这个样子，一个筛选表单，一个表格。于是可以引用这个模板代码，再加上自己额外的需求，来生成对应的代码。
最后效果
其实还不够完美，这里出生年月应该是时间选择器，prompt 中还得明确表明才行
文档检索
@Docs 可以选择文档，Cursor 已经配置好了很多非常流行的库的文档。即便没有收录，我们也可以再设置中添加，不过似乎不太支持客户端渲染的单页面文档。
在 Chat 提问中，指定某个文档会得到更加准确的结果。
于是就可以指定 tailwind css 文档，非常准确地生成对应的原子类。
不过也有一个疑问，正常情况下就算不指定文档，也能生成准确的结果，那指定文档有没有提升效果？
我做了一个实验，指定最新的 ant design 文档，生成一个 modal 组件的 demo
这个没什么问题，然后我自己新增了一个 doc，名为 antd@4，其实用的是 antd@3 的 Modal 组件文档页，这里想做一个误导，于是生成了下面的内容
在 antd 3 版本之前，Modal 等组件的显隐是 visible 属性来控制，往后改成了 open，可以看到这 2 个例子，新版本 doc 用的是 open，老版本的 doc 用的 visible，所以配合文档确实还有效果的。
既然能分析文档，那我想是否能解析 API 文档，然后直接生成 API 请求方法。我找了豆瓣 API api.doubans.com/https://api… 再配合一段示例代码来生成所有豆瓣开放接口的请求方法
确实可行，但是生成效果并不好。豆瓣 API 文档中共有 25 API，即便后面我一再强调不要遗留 API 最终也只会生成十来个方法，没有覆盖全部。这里我分别试了 gpt-4o 和 claude-3.5-sonnet 都不太行。
所以我换了一个策略，先解析出文档的分类，再生成每个分类下的请求方法。
效果明显提升了很多，不同的项目都有不同的优化策略，对于 API 文档生成请求方法代码是可行的。
同理，上文提到 @Files 指令，可以直接引用 API json 来生成，这里以 swagger.json 为例
效果显著，还可以自动定义接口类型
网络搜索
添加 @Web 可以对提供的上下文构建搜索查询，然后把搜索结果附加到上下文，针对于查找最新的消息会比较有用。
此外还会列出搜索参考的网址
理论上结果会更准确，但也有例外。我又测试了一遍关于 antd 的 Modal 组件
这里依然显示的是老版本的 visible 属性。原因是红框里的 2 个 url 分别是 3.x 和 2.x 版本的文档，导致与最新的 API 有偏差。所以还是得明确 prompt 以及对结果要保持验证与实证的态度。
Git 提交分析
使用 @Git 可以调用 git commit 或 pr 记录，分析代码差异
总体来说就是解析一下这个提交记录做了什么，或者 git add 后生成一个 commit message，一时也没能想到可以玩的东西。
Codebase
Cursor 会扫描你的项目，使用 @Codebase Cursor 在代码库中找重要的文件或是代码块，然后根据与查询的相关性对上下文项进行重新排序、推理再生成回答。
这里的使用场景可能更加广泛，不单单指某个文件。如下面例子，针对于整个项目请求方法的优化方案。首先它能够找到对应的文件和代码块并分析
用处嘛好像也没太大用？但是我想这是不是更适合源码解析？
于是下载了 axios 的源码，并提问
回答还是挺准确，并找到了相应的代码块。axios 毕竟还是比较轻量，不知道 react vue 这种效果如何。
结尾
其他还有一些功能，比如自定义的 rules ，类似 chatgpt 的 system 定义，优化提示词，可以在 github.com/PatrickJS/a… 上找就行。
同时还支持新增 model，如 deepseek，网上有很多教程这里就不展开说明了。
最后对标 Copilot，Cursor 在代码补全的能力上有更优秀的表现，尤其是跨行补全和跨文件补全，比 Copilot 覆盖了更多的补全场景。在补全准确度上，简单逻辑场景两者几乎不相上下，都具有超过 90% 的准确度，减少了很多“脏活累活”。在复杂逻辑场景下 Copilot 似乎更优秀一点，但差距也不明显。Copilot Chat 与 Cursor Chat 相比，Cursor Chat 具有切换各种模型的优势，以及快捷指令更加具有易用性。另外还有一个早期被我诟病的问题是 Cursor 编程卡顿，虽然那时候已经 fork 了 VS Code 但似乎有点被阉割，体验下来没有原版流畅。不过现在使用下来与原版完全没有差别，甚至不看图标我几乎感受不出到底是 Cursor 还是 VS Code。
总体上还是很推荐使用 Cursor 的。
