从零开发数据分析助理 - Cursor 应用进阶 笔记总结
提出需求：我想要开发一个xxxx，请你帮我规划一下 前后端都需要实现什么功能，以及应用什么技术架构（用plan模式） 生成出来之后，不要用build直接按照todo开干 继续在plan模式下，输入：请你把当前的技术文档拆分成多个阶段 然后就会输出phase1234 之后继续对话：phase1：在完成项目创建后，测试前后端的接口健康度 phase 2 ：先做前端的UI开发 phase 3：做后端的开发。我需要使用gpt-5-mini模型 等等，去做细微调整
然后切换到agent模式，自然语言依次命令完成phase1234 本讲围绕智能数据分析助理实战项目展开，核心讲解 Cursor 这款 AI IDE 的进阶应用技巧，结合项目落地拆解 Cursor 的核心功能、使用模式、配置方法及实战经验，同时明确智能数据分析助理的开发目标、技术架构与核心交付能力，实现 Vibe Coding 范式在实际项目中的深度落地。
一、项目核心：智能数据分析助理开发目标与架构
本讲以智能数据分析助理为实战载体，明确项目的核心交付功能、技术栈选型、开发工具 / AI 模型及核心业务流程，是 Cursor 进阶应用的落地依托。
1. 核心功能交付
- Text-to-SQL 精准转换：实现自然语言到 SQL 查询语句的智能生成，依托 Tool Calling 机制完成
- Echarts 动态图表自动渲染：基于查询结果实现数据驱动的图表生成，完成数据可视化
- 前后端流式响应（Streaming）：基于 SSE 技术实现实时流式传输，打造低延迟的交互体验
2. 开发工具与 AI 模型
- 开发工具：Cursor（AI IDE，核心操作工具）
- AI 模型：Claude Opus 4.5、GPT-5.2 Codex（提供代码生成、需求解析、Tool Calling 能力）
3. 技术栈架构
表格
| 技术层 | 技术选型 |
|---|---|
| 后端（Server） | FastAPI + Tool Calling |
| 前端（Frontend） | React + Echarts + SSE client |
| 数据库（Database） | SQLite |
4. 核心业务流程
用户输入自然语言 → AI 模型解析需求 → Tool Calling 机制生成 SQL → 执行数据库查询 → 返回查询结果 → Echarts 完成可视化渲染
二、本期课程核心学习重点
本次课程聚焦 Cursor 的进阶功能与实战应用，核心掌握五大内容，实现从 Cursor 基础使用到高阶赋能项目开发的转变：
- Cursor 四种问答模式（Ask/chat/Agent/Edit）：掌握不同场景下的最佳模式选择
- Cursor 中的 MCP（Model Context Protocol）：理解其作为连接外部工具与服务的桥梁作用
- AI 驱动的项目管理：实现自动化任务分解与追踪，搭建智能化开发流程管理体系
- Cursor Rules 使用：掌握项目级 / 全局 Rules 配置，实现 AI 行为与代码风格的定制
- 研发经验分享：总结实战中的踩坑点、技巧与高效 Vibe Coding 工作流
三、Cursor 核心模式：Plan Mode（规划模式）深度解析
Plan Mode 是 Cursor 实现智能化开发规划的核心模式，核心理念是先思考，后行动，在编码前完成需求梳理与开发规划，是 Vibe Coding 中 “定义意图” 的关键落地方式。
1. Plan Mode 工作原理（五步流程）
- 提出澄清性问题：了解用户核心需求，确保需求理解准确
- 分析代码库：检索项目相关文件，获取上下文信息，为规划提供依据
- 创建实现计划：输出完整的开发方案，包括技术架构、项目结构等核心内容
- 审阅并编辑计划：以聊天或 Markdown 文件形式呈现计划，支持用户交互式修改
- 点击构建计划：获得用户确认后开始执行实现，避免盲目编码、减少返工成本
2. 核心本质：文件驱动的 Agent 任务执行状态机
Plan Mode 并非简单的规划工具，而是依托状态机实现任务的自动化执行与追踪，核心机制与实战建议如下：
（1）三大核心机制
- 上下文加载机制：Cursor Agent 会RAG 式上下文选择（按相关性加入上下文），不会自动全量加载 Plan 文档，仅检索项目相关文件（含 plan markdown）
- Agent Execution Loop：包含 Task Parser（任务解析）、Agent 执行、状态回写 Plan 三大环节，实现计划的循环迭代执行
- 存储机制：支持
Save to workspace，推荐保存到.cursor/plans/目录，便于管理与追溯
（2）实战核心建议
- 不建议点击
Build按钮立即执行 Plan 创建代码，易导致开发结果偏离预期 - 强烈不建议生成计划后全量执行，需分步验证、迭代优化
3. Plan Mode 核心优势
- 提高开发效率，减少沟通成本
- 确保需求理解准确，降低返工概率
- 生成可追溯的决策记录，便于项目管理与后续迭代
4. 核心理念转变
传统开发方式以维护代码为核心，而 Plan Mode 以文档驱动为核心，先通过文档明确开发规划，再基于规划生成代码，契合 Vibe Coding “目标与结果导向” 的核心理念。
5. 使用示例
向 Cursor 输入：我现在想创建一个基于Qwen3模型搭建的聊天对话机器人，帮我制定一个研发计划，Agent 会自动进入 Plan Mode 并输出完整的研发规划。
四、Cursor 核心协议：MCP（Model Context Protocol）
MCP 是 Cursor 实现外部工具与服务连接的核心协议，是 Cursor 从 “纯代码编辑器” 升级为 “全栈开发助手” 的关键，实现了 AI IDE 与外部系统的无缝协作。
1. MCP 核心定位与架构
- 核心定位：连接 Cursor IDE 与外部工具 / 数据源的桥梁，通过协议层暴露外部功能，让 Cursor 直接调用外部服务，无需反复向 AI 解释项目结构
- 核心架构：外部系统 & 数据（API、工具、数据库、Git、文件系统、云服务等）→ MCP Server → MCP 协议层 → Cursor IDE，实现双向的连接请求与功能调用
2. MCP 接入实战：项目管理（Linear 开发闭环）
MCP 最核心的实战应用之一是对接项目管理工具 Linear，打造从需求到交付的全流程开发闭环，而非单纯的任务完成追踪。
（1）Linear 开发闭环的核心价值
将 Linear 的Issue（任务） 、PR（执行）与 Cursor 的状态机结合，实现需求、开发、代码评审、交付的全流程管控，打造高生产力的项目管理工作流。
（2）Cursor 对接 Linear MCP 的配置方法
- 前往 Cursor 的集成页面，找到 Linear 工具
- 点击 Linear 旁的 “连接（Connect）” 按钮
- 关联 Linear 工作区并选择对应团队
- 点击 “授权（Authorize）” 完成 OAuth 授权
3. AI 驱动的任务管理：基于 MCP 的全流程协作
依托 MCP 对接 Linear 与 GitHub，实现Cursor+Linear+GitHub的 AI 驱动任务管理，打造自动化、智能化的开发循环，具体流程如下：
（1）环境准备阶段
- Linear 端：创建 Team、设置 Team Key（如 AUTH）、创建项目任务
- GitHub 端：创建代码仓库，完成初始化
- Cursor 端：连接 Linear MCP 并完成 OAuth 授权、通过 Plan 模式关联到 Linear 项目
（2）开发循环阶段
- 领取任务：从 Linear 看板中选择并认领待开发任务
- 开发与提交：在 Cursor 中完成开发，提交代码到 GitHub
- 状态自动同步：代码提交后，Linear 会自动更新任务进度状态
- 迭代：继续从 Linear 领取下一个任务，重复开发循环
五、Cursor 核心配置：Rules 系统
Cursor Rules 系统是定制 AI 行为与代码风格的核心工具，可将提示词、脚本等打包为系统级指令，便于团队管理和共享 Vibe Coding 工作流，核心存储目录为.cursor/rules/。
1. Rules 的四种注入类型（触发方式）
Rules 的核心并非区分 “好坏”，而是根据使用上下文选择最合适的注入方式，四种类型各有适用场景，具体如下：
表格
| 注入类型 | 触发方式 | 核心特点 |
|---|---|---|
| Manual（手动触发） | 通过 @rules 显式调用 | 完全由用户控制，按需激活 |
| Always（总是注入） | 每次对话自动包含 | 全局生效，无场景限制 |
| Semantic（按语义触发） | AI 根据对话内容智能匹配 | 上下文相关才触发，精准适配 |
| File-based（按文件注入） | 特定文件类型时激活 | 仅对指定格式文件生效 |
2. Rules 四种驱动场景与实战适配
结合企业开发与实战需求，将四种注入类型划分为强约束和灵活触发两大类，明确各场景的适用范围、内容与示例，实现规则的高效落地：
（1）强约束类（企业开发最常用、最合理）
- 全局强约束（Always Apply）适用：团队绝对不能违反的「底层铁律」内容：代码风格、命名约定、行为偏好等核心原则建议：仅设置 1-5 条核心规则，避免大段教程示例：回复用中文、代码注释用中文、禁止特殊符号
- 文件类型匹配（Apply to Specific Files）适用：规则只对某一类文件成立的场景示例： .tsx 文件使用 React 组件规范、 .py 文件遵循 PEP8 风格
（2）灵活触发类
- 智能触发（Apply Intelligently）适用：特定任务场景下的专业指导示例：输入「我要写单元测试」自动加载测试规范、输入「我要写 PRD」自动加载产品文档模板
- 手动触发（Apply Manually）适用：低频使用、特殊场景的规则示例：@debug-mode 启用调试输出、@format-sql 格式化 SQL 语句
六、本期课程核心研发经验分享（踩坑点 + 核心原则）
结合智能数据分析助理项目与 Cursor 进阶应用实战，总结 MCP 与 Rules 的使用原则、避坑点及核心工作流，实现高效、可控的 Vibe Coding 开发。
1. MCP 使用警示（核心避坑点）
- 不要盲目使用 MCP：外部工具 / 数据检索 / 执行调用会增加上下文信息、增加推理步骤、消耗大量 Token，导致 AI 响应效率降低
- 配合 Rules 使用：结合具体场景编写.rules 规范 MCP 使用，明确定义何时允许 Agent 调用 MCP 工具，避免无意义的外部调用
2. Rules 编写核心原则（四不要 + 一建议）
- 没事不要乱加规则，保持简洁，避免过度约束 AI
- 先跑起来，写最简单的规则：MVP 优先，不要过度优化
- 基于实际痛点编写规则：当 Agent 反复犯同样问题时再制定，而非预设假想问题
- 不要尝试手写规则：向 Cursor 描述需求，让 AI 自动生成规则
- 核心思路：规则是逐步演进的，不是一开始就完美的，遵循「观察→记录问题→形成规则→迭代优化」的流程
3. 高效 Vibe Coding 工作流核心公式
MCP + Rules = 高效可控的 Agent 工作流通过 MCP 实现 Cursor 与外部工具的无缝连接，通过 Rules 实现 AI 行为的精准管控，二者结合让 AI Agent 的开发过程既高效又可控，契合 Vibe Coding “指导 AI 而非手写代码” 的核心理念。
