AI 世界的新黑话：Skills、MCP、Projects、Prompts 一文看懂2026 年的 AI 开发，不懂这些

一、AI 开发的「黑话」越来越多

上周参加技术分享会，听到这样的对话：

A: "你用 MCP 了吗？"
B: "用了，配合 Skill 效果很好。"
A: "Projects 呢？"
B: "也在用，比 Prompt 方便多了。"

我一脸懵：MCP 是什么？Skill 又是什么？Projects 和 Prompt 有什么区别？

作为一个用了两年 AI 编程工具的老用户，我发现自己跟不上时代了。

于是花了一周时间研究，终于搞懂了这些新概念。今天就来聊聊 AI 开发的「新黑话」。

二、Prompt：AI 的「说明书」

2.1 什么是 Prompt？

Prompt 就是你给 AI 的指令，告诉它你想要什么。

# 简单 Prompt
帮我写一个 React 组件

# 复杂 Prompt
你是一个资深的 React 开发者，精通 TypeScript 和性能优化。
请帮我写一个用户列表组件，要求：
1. 使用 TypeScript
2. 支持分页
3. 支持搜索
4. 使用 React Query
5. 注重性能优化
...

2.2 Prompt 的问题

问题 1：每次都要重复

# 今天
你是一个资深的 React 开发者...（100 行）

# 明天
你是一个资深的 React 开发者...（100 行，又来一遍）

问题 2：容易遗漏

# 第一次
记得加 TypeScript 类型、错误处理、loading 状态

# 第二次
忘了写，AI 生成的代码没有错误处理

问题 3：难以维护

# 一个月后
这个 Prompt 为什么要这样写？
能删掉这条规则吗？
不知道，不敢动

2.3 Prompt 的适用场景

✅ 适合：

一次性任务
简单需求
快速验证

❌ 不适合：

重复任务
复杂规则
团队协作

三、Skill：可复用的「专家」

3.1 什么是 Skill？

Skill 是把 Prompt 封装成可复用的模块，就像给 AI 安装一个「专家插件」。

<!-- .cursor/skills/react-expert/SKILL.md -->
# React Expert Skill

你是一个资深的 React 开发者，精通：
- TypeScript
- React Hooks
- 性能优化
- 测试

## 代码规范
1. 使用函数式组件
2. 优先使用 TypeScript
3. 遵循 Airbnb 代码规范
...

## 性能优化
1. 事件处理函数用 useCallback
2. 复杂计算用 useMemo
3. 纯展示组件用 React.memo
...

3.2 Skill 的优势

优势 1：一次编写，到处使用

# 使用 Skill
/react-expert 写一个用户列表组件
/react-expert 写一个订单列表组件
/react-expert 写一个商品列表组件

优势 2：效果稳定

# 每次都应用相同的规则
✅ TypeScript
✅ 性能优化
✅ 错误处理
✅ 代码规范

优势 3：易于维护

<!-- 更新 Skill -->
## 性能优化
1. 事件处理函数用 useCallback
2. 复杂计算用 useMemo
3. 纯展示组件用 React.memo
4. 长列表用虚拟滚动  ← 新增规则

所有使用这个 Skill 的地方都会自动应用新规则。

优势 4：团队共享

# 团队共享 Skill 库
git clone https://github.com/company/cursor-skills.git
cp -r cursor-skills/.cursor/skills ~/.cursor/skills

# 所有人都能用
/react-expert
/vue-expert
/node-expert

3.3 Skill vs Prompt

维度	Prompt	Skill
复用性	复制粘贴	直接调用
维护性	难以维护	集中维护
一致性	容易遗漏	始终一致
团队协作	难以共享	易于共享
学习曲线	低	中

四、MCP：AI 的「工具箱」

4.1 什么是 MCP？

MCP（Model Context Protocol）是 Anthropic 推出的协议，让 AI 能够调用外部工具。

类比：

Prompt/Skill：告诉 AI「怎么做」
MCP：给 AI「工具」，让它自己做

4.2 MCP 的工作原理

用户：帮我查一下今天的天气

AI：好的，我需要调用天气 API
    ↓
MCP Server：调用 weather API
    ↓
返回：北京，晴，25°C
    ↓
AI：今天北京天气晴朗，温度 25°C

4.3 MCP 的应用场景

场景 1：文件操作

用户：帮我创建一个 React 项目

AI：
1. 调用 MCP 的 filesystem 工具
2. 创建目录结构
3. 生成配置文件
4. 安装依赖

场景 2：数据库查询

用户：查询最近 7 天的订单数据

AI：
1. 调用 MCP 的 database 工具
2. 执行 SQL 查询
3. 返回结果
4. 生成报表

场景 3：API 调用

用户：帮我发一条推特

AI：
1. 调用 MCP 的 twitter 工具
2. 发送推文
3. 返回推文链接

4.4 MCP 的配置

// .cursor/mcp.json
{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/workspace"]
    },
    "database": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres"],
      "env": {
        "DATABASE_URL": "postgresql://user:pass@localhost:5432/db"
      }
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_TOKEN": "your-token"
      }
    }
  }
}

4.5 MCP vs API

维度	传统 API	MCP
调用方式	手动编码	AI 自动调用
错误处理	手动处理	AI 自动重试
参数构造	手动构造	AI 自动推断
结果解析	手动解析	AI 自动理解

五、Projects：AI 的「记忆」

5.1 什么是 Projects？

Projects 是 Cursor 的新功能，让 AI 记住项目的上下文。

类比：

Prompt：一次性对话
Skill：可复用的规则
MCP：可调用的工具
Projects：持久化的记忆

5.2 Projects 的作用

作用 1：记住项目结构

# 第一次对话
用户：这个项目的目录结构是什么？
AI：（扫描项目）
    src/
    ├── components/
    ├── pages/
    ├── utils/
    └── types/

# 第二次对话（几天后）
用户：帮我在 components 目录下创建一个新组件
AI：好的，我记得 components 目录在 src 下

作用 2：记住代码风格

# AI 分析项目后
- 使用 TypeScript
- 使用函数式组件
- 使用 Tailwind CSS
- 使用 React Query

# 之后生成的代码都会遵循这些风格

作用 3：记住业务逻辑

# AI 分析项目后
- 用户认证使用 JWT
- API 基础 URL 是 /api/v1
- 错误处理使用 toast 提示
- 表单验证使用 Zod

# 之后生成的代码都会遵循这些逻辑

5.3 Projects 的配置

<!-- .cursor/projects/my-project.md -->
# My Project

## 项目信息
- 名称：电商管理系统
- 技术栈：React + TypeScript + Tailwind CSS
- 状态管理：Zustand
- 数据请求：React Query

## 目录结构
src/
├── components/  # 通用组件
├── pages/       # 页面组件
├── hooks/       # 自定义 Hooks
├── utils/       # 工具函数
├── types/       # TypeScript 类型
└── api/         # API 接口

## 代码规范
1. 组件使用函数式组件
2. 所有 props 都要定义类型
3. 使用 Tailwind CSS，不写内联样式
4. API 调用使用 React Query

## 业务规则
1. 用户认证使用 JWT
2. Token 存储在 localStorage
3. 未登录跳转到 /login
4. 错误提示使用 toast

5.4 Projects vs Skill

维度	Skill	Projects
作用域	通用规则	项目特定
内容	编码规范	项目上下文
复用性	跨项目	单项目
维护	手动更新	AI 自动学习

六、四者的关系

Prompt（基础）
  ↓
Skill（可复用的 Prompt）
  ↓
MCP（可调用的工具）
  ↓
Projects（持久化的上下文）

组合使用：

用户：/react-expert 帮我在这个项目中创建一个用户管理模块

AI 的工作流程：
1. 读取 Projects：了解项目结构和规范
2. 应用 Skill：使用 React Expert 的规则
3. 调用 MCP：创建文件、安装依赖
4. 生成代码：符合项目规范的代码

七、实战案例

7.1 案例 1：从零搭建项目

# 1. 创建 Project
用户：创建一个电商管理系统项目

AI：
- 调用 MCP filesystem 创建目录
- 生成 package.json
- 安装依赖
- 创建 Projects 配置

# 2. 使用 Skill 生成代码
用户：/react-expert 创建用户管理模块

AI：
- 读取 Projects 了解项目结构
- 应用 Skill 的规则
- 生成符合规范的代码

# 3. 持续开发
用户：添加订单管理模块

AI：
- 参考用户管理模块的风格
- 保持一致性
- 自动应用相同的规范

7.2 案例 2：团队协作

# 团队 Skill 库
.cursor/skills/
├── react-expert/
├── vue-expert/
├── node-expert/
├── testing-expert/
└── security-expert/

# 项目 Projects 配置
.cursor/projects/
├── frontend.md
├── backend.md
└── mobile.md

# MCP 工具
.cursor/mcp.json
- filesystem
- database
- github
- slack

团队成员可以：

共享 Skill 库（统一规范）
共享 Projects 配置（统一上下文）
共享 MCP 工具（统一工具链）

八、总结

AI 开发的四大概念：

Prompt：

基础的指令
适合一次性任务
难以复用和维护

Skill：

可复用的专家
适合重复任务
易于维护和共享

MCP：

可调用的工具
让 AI 能操作外部系统
扩展 AI 的能力

Projects：

持久化的上下文
让 AI 记住项目信息
保持代码一致性

使用建议：

基础任务：Prompt
重复任务：Skill
外部操作：MCP
项目开发：Projects

组合使用：

Projects（项目上下文）
  + Skill（编码规范）
  + MCP（工具调用）
  = 高效的 AI 开发

2026 年的 AI 开发，不再是简单的「问答」，而是「协作」。掌握这些新概念，让 AI 成为你的得力助手。

如果这篇文章对你有帮助，欢迎点赞收藏。有问题欢迎评论区讨论。