你好，我是 hockor，过去一年多，我的工作状态和开发习惯都经历了显著的变化。
过去我的日常主战场是 IDE 和 Google、官方文档以及 stackOverflow 等，而现在，我会让 AI 基于 PRD文档给我生成思维导图帮助我梳理需求，基于流程图规划流程，基于 projects rules 规划它的编码方式，甚至还有 AI 帮我 CR 代码。
自从深入接触并开始使用AI辅助编程工具，我发现自己对过去那种逐行逐字符“码”代码的热情有所减退。这并非源于懈怠，而是因为我的工作重心和关注点已转移到更上游、更全局的层面。
总结起来就是：
深入挖掘业务需求与目标： 专注于理解问题的本质、服务对象以及解决方案的价值，这成为一切技术实现的基石。
规划系统的整体蓝图： 大部分思考时间用于设计系统架构，包括主要组成部分、数据流向、模块边界及相互通信方式。
细化各部分的具体职责： 在宏观框架确定后，进一步明确每个模块或组件的功能和角色，同时配置各个模块的 rules。
AI 给我生成代码并验证效果： 不再直接编写实现代码，而是用清晰准确的文字描述功能，将其转化为Prompt交给AI生成初步代码草稿。
Cursor 的入坑之旅
我记得第一次用 cursor 应该是 2022 年底的时候吧，第一次下载下来简单体验了一下，说实话，没啥感觉，我记得当时功能还比较粗糙，可以选中一段内容，按 cmd+k，然后在提示框里面输入你的提示词，最后回车，等大模型返回内容，其他没啥大的功能点了。简单用了一下，嗯...，继续回去用我的 webstorm + copilot 了。
再一次用应该是2024年开端了，那个将体验做到极致的光标预测功能真的太强了，以前的我试过很多次从 webstorm 切换到 vscode ，每次都因为不习惯各种体验然后又逃回webstorm阵营，而cursor这一次的光标预测功能，直接让我 2 天就卸载了webstorm，而后面随着系统化学习了cursor的各种使用技巧，我只能说：“真香”。
我的一些使用习惯
4.22号的时候，cursor的首席设计师发表了12条关于cursor的实战指南频频刷屏，
X 地址： x.com/ryolu_/stat…
这里结合文中的内容和自己的一些使用体验，总结一下：
清晰具体的提示
这个应该是大模型交互中最重要的一点了，清晰具体的内容才能让大模型更好的理解你的意图，比如下面 2 个
帮我实现一个贪吃蛇的网页游戏
帮我实现一个贪吃蛇的网页游戏，要求
- 使用 pixijs 作为渲染引擎
- 支持响应式
- 统计每一次的分数，并实现一个排行榜
- ....
总的来说就是尽可能的约束你的需求，不要让大模型去猜。
别着急让 AI 写代码
很多人一上来就让 AI 开始写代码，结果 AI 一通哐哐哐的写，完了以后一看，WTF，程序都跑不起来了，然后开发者不得的 Reject 所有的修改，心里还默默骂着：SX 大模型。
因此我建议别着急让 AI 一上来就开始写代码，你可以把他当做一个入职的新人，先跟他讨论清楚需求，看看它是否完全理解的意思，也就是
-
先拆解需求，缩小关注范围
-
让大模型明确实现的目标
参考如下提示词：
我们先探讨方案，在我让你写代码之前不要生成代码
我想实现一个 XXX 功能，请先逐步分析需求
在想明白后向我说明为什么要这么设计，等我确认以后你再写代码，
同时要遵循最小改动原则，避免影响原先的功能，如果需要调整，请先向我确认
设定项目规则
cursor 目前支持 3种规则设定，即 User Rules 、Project Rules 和一个即将废弃的 .cursorrules，目前官方只推荐前 2 种。
第一个 User Rules 可以理解为一个编辑器全局的规则，比如你的语言偏好等
第二个 Project Rules 会在你当前项目下创建一个 .cursor/rules 目录，用来存放你的规则，它是一个以.mdc 结尾的文件（即加强版的 markdown），并且支持 4 种规则类型
具体可以参考官方文档：docs.cursor.com/context/rul…
善于利用上下文
cursor的@符很强大，可以将大模型更精确的导向代码库的特定文件，以及提供更准确的资料、上下文信息。
用语音讲描述
科学研究，说话的速度是打字的3倍及以上，所以在一些规则描述或者是提示词书写的时候，不妨试试看语音输入，mac自带的F5就是语音输入，我使用频率贼高。不过一些专业术语识别一般，自己改一改也还是要比纯输入快的多。
另外最近了解到也有一个语音输入的工具 superwhisper ，感兴趣的同学可以自己了解一下：superwhisper.com/
不同场景的模型选择
根据任务需求选择合适的 AI 模型，可以参考下cline 官方的博客： cline.bot/blog/what-m…
总结起来就是：
设计与架构阶段： 需要强大推理能力和丰富知识库的模型，以理解业务需求并做出清晰的架构决策。关注点是强大的思维链推理和一般知识。当前表现强劲的模型包括OpenAI o1、Gemini 2.5 Pro、DeepSeek R1等。在这个阶段投资高端模型能有效节省后期重做成本。
开发阶段： 需要擅长理解代码模式、建议补全和解释实现的模型。关注点是真实世界的编码性能。社区驱动的排行榜如Chatbot Arena是重要参考。当前表现强劲的模型有Gemini 2.5 Pro、GPT-4o、Grok 3等。
我好像还是 Claude 3.7 用的多，但是 gemini 2.5 我感觉是真的强。后面要切到 gemini 去了
测试阶段： 需要擅长理解边缘情况和编写健壮测试代码的模型。关注点是编码任务和挑战中的熟练度，参考Big CodeBench基准。当前表现强劲的模型包括Claude 3.7、OpenAI o1、GPT-4o mini等，中级模型通常能胜任简单测试套件，高级模型用于复杂场景。
部署与审查阶段： 需要具有大上下文窗口的模型，能够理解整个代码库。关注点是大上下文窗口和多模态能力。参考MMMU基准，当前表现强劲的模型有Gemini 2.5 Pro、GPT-4o mini、GPT-4.1、OpenAI o1等，处理整个代码库的能力能显著加快审查周期。
其他
粘贴文档链接： 在不熟悉的技术栈中，粘贴文档链接（如使用Context7获取最新文档）帮助AI理解和解释代码错误，这里推荐大家可以装一下 context7 的 MCP 服务。
先写测试： 先让 AI 实现测试文件，然后生成代码直到通过所有测试。
保存设计文档和检查清单： 将相关文档保存在.cursor/或README文件中，帮助Agent全面了解项目进度和计划。
与AI的结对编程
过去一年多，我感觉自己正与 AI 进行一种全新的“结对编程”，AI负责快速生成代码实现，而我则扮演着总指挥、审查员和修正师的角色。我负责检查AI的输出是否正确，纠正错误，并在AI遇到困难或理解偏差时提供更详细的指引。
起初，这种将实现工作“外包”给AI的模式让我有些不适应，感觉似乎失去了对代码的掌控感，但是后面逐渐意识到，我并未停止“写”代码，只是“写作”的单位变得更大、更抽象。我从专注于实现细节的“码农”，正在向更注重设计和协作的“架构师”转变。
这种转变带来了效率的显著提升。过去可能需要十小时编写几百行代码并进行调试，现在只需三小时进行思考、设计和编写Prompt，然后与AI协作调整，即可快速获得功能完善的Demo。最终运行的代码虽大部分非我亲手逐行敲写，但系统的“灵魂”和“骨架”——设计思路、模块划分、核心逻辑——都源于我的构思和决定（PS：也有好多时候是 AI 教我 😂）。
那么，有了AI编程，程序员是否还有用武之地？
我的答案是肯定的，而且未来的程序员需要具备更高级、更全面的能力。我们不再是单纯的代码实现者，而是要成为能够驾驭AI工具、具备系统设计能力、理解业务本质、善于协作和解决复杂问题的“新一代建造师”。
AI解放了我们的双手，让我们有更多时间去思考那些真正有价值、需要人类智慧才能解决的问题。我们不是被取代，而是与AI一同升级，探索编程的无限可能。
