Cursor提示词完全指南：从基础到进阶 – wiki基地

---

Cursor 提示词完全指南：从基础到进阶

在软件开发的浩瀚宇宙中，效率和智能正变得前所未有的重要。Cursor，作为一款颠覆性的 AI Native 代码编辑器，将强大的大语言模型能力无缝集成到开发者的日常工作流程中。然而，拥有强大的工具仅仅是第一步，如何有效地使用它，充分发挥其潜力，才是关键。这其中，与 AI 交互的核心——“提示词”（Prompt）——就显得尤为重要。

本篇文章将带你深入探索 Cursor 中的提示词艺术，从最基础的用法开始，逐步解锁更高级的技巧，助你成为 Cursor AI 的“调教”大师，显著提升你的开发效率和代码质量。

引言：为什么掌握 Cursor 提示词至关重要？

Cursor 不仅仅是一个带有 AI 聊天功能的编辑器。它的核心价值在于，通过 AI 深度理解你的代码、项目结构乃至整个开发上下文，并基于此提供智能协助。这种协助体现在代码生成、解释、修改、调试、测试等方方面面。

而你与这个强大 AI 沟通的唯一桥梁，就是提示词。一个清晰、准确、富有上下文的提示词，能够让 AI 迅速理解你的意图，并给出高质量、符合预期的输出；而一个模糊、笼统的提示词，则可能导致 AI“理解偏差”，产生无用甚至错误的结果，浪费你的时间和精力。

因此，掌握 Cursor 的提示词技巧，就是掌握了与你的 AI 副驾驶高效协作的钥匙，是释放 Cursor 真正生产力的不二法门。

第一部分：Cursor 提示词的基础

首先，我们来了解一下 Cursor 中提示词的基本概念和使用场景。

1. 什么是 Cursor 中的提示词？

在 Cursor 中，提示词是你向集成在编辑器中的 AI 模型提出的文本指令或问题。这些指令告诉 AI 你希望它做什么，例如：

• 解释一段代码。
• 生成一个函数。
• 修改现有代码以实现某个功能。
• 查找代码中的 bug。
• 为一个模块编写测试。
• 回答关于某个技术概念的问题。

AI 会根据你的提示词以及其能够访问到的上下文（你当前打开的代码文件、选中的代码块、项目中的其他文件等）来生成响应。

2. 在 Cursor 中使用提示词的入口

Cursor 提供了多种便捷的方式来与 AI 交互：

• 聊天侧边栏 (Chat Sidebar): 这是进行开放式对话、询问通用问题、讨论项目架构或执行跨文件任务的主要场所。你可以点击左侧的聊天图标打开侧边栏，并在底部的输入框中输入提示词。
• Inline Edit (Cmd+K 或 Ctrl+K): 这是在当前文件中直接修改或生成代码的最常用方式。选中一段代码（或不选中，让 AI 在当前光标位置生成），按下 Cmd+K (macOS) 或 Ctrl+K (Windows/Linux)，会弹出一个输入框。在这里输入提示词，AI 会基于当前文件的上下文和你的选中内容生成一个修改建议，以 diff 的形式展示，你可以选择接受或拒绝。
• Ask AI Context Menu: 右键点击编辑器中的代码，通常会有“Ask AI”或类似的选项，点击后可以快速执行一些预设操作，或者将选中的代码作为上下文发送到聊天侧边栏。

理解这些入口及其适用场景是高效使用提示词的第一步。聊天侧边栏适合探索性问题和多轮对话，而 Cmd+K 则专注于快速、精准地修改或生成当前文件中的代码。

3. 最基本的提示词类型和示例

初识 Cursor，你可以从一些简单的提示词开始：

• 解释代码:
  • 选中一个函数，按下 Cmd+K，输入: Explain this function. (解释这个函数。)
  • 或者在聊天侧边栏输入: Can you explain what this code snippet does? [粘贴代码]
• 生成简单代码:
  • 在需要生成代码的位置，按下 Cmd+K，输入: Write a Python function to calculate the factorial of a number. (写一个计算阶乘的 Python 函数。)
  • 或者在聊天侧边栏输入: Generate a JavaScript snippet to make an API call using fetch. (生成一个使用 fetch 进行 API 调用的 JavaScript 代码段。)
• 提问通用技术问题:
  • 在聊天侧边栏输入: What is the difference between SQL and NoSQL databases? (SQL 和 NoSQL 数据库有什么区别？)
  • 输入: Explain the concept of recursion. (解释递归的概念。)

这些基础提示词直接明了，依赖于 AI 的通用知识或对少量代码的理解。但要解决更复杂的开发问题，我们需要更精细的提示词技巧。

第二部分：构建有效的提示词（基础原则）

就像给另一个人布置任务一样，你给 AI 的指令越清晰、越全面，它完成任务的可能性就越大，结果也越符合你的期望。一个有效的提示词通常包含以下关键要素：

1. 清晰明确的指令 (Clear Instruction)

直接告诉 AI 你希望它做什么。使用动词和清晰的语言。避免模糊或含糊不清的措辞。

• 差: 代码有问题。 (AI 不知道哪里有问题，你想做什么)
• 好: Debug the following Python function. It should return the sum of even numbers, but it's returning an incorrect result. (调试以下 Python 函数。它应该返回偶数之和，但结果不正确。)
• 差: 生成一些代码。 (生成什么代码？什么语言？做什么用？)
• 好: Generate a React component that displays a list of items fetched from an API endpoint. (生成一个 React 组件，用于显示从 API 端点获取的物品列表。)

2. 提供必要的上下文 (Provide Context)

AI 需要知道它正在处理的是什么。在 Cursor 中，AI 可以自动获取一些上下文（如你打开的文件内容、选中的代码）。但有时你需要手动提供额外的上下文，特别是当你处理跨文件逻辑或引用外部信息时。

• 当前文件上下文: 使用 Cmd+K 时，Cursor 会自动将当前文件的内容作为主要上下文。选中代码则进一步聚焦上下文。
• 跨文件上下文: 使用 Cursor 的 @ 符号是提供跨文件上下文的关键。例如，在聊天侧边栏中输入：Explain how the function in @user_service.py interacts with the database logic in @database.py. (解释 @user_service.py 中的函数如何与 @database.py 中的数据库逻辑交互。) 你甚至可以引用符号，如 @user_service.py/UserService.create_user。

• 外部上下文: 如果你的问题依赖于某个库的文档、一个错误报告、一个需求描述等，你可能需要将这些信息粘贴到提示词中或聊天窗口中。

• 示例 (含上下文):

  • Refactor the following function to improve readability, following the patterns used in @utils.js. [粘贴函数代码] (重构以下函数以提高可读性，遵循 @utils.js 中使用的模式。)
  • Based on this error message: [粘贴错误消息] and the code in @main.py, what is the likely cause of the error and how can I fix it? (根据此错误消息和 @main.py 中的代码，错误的可能原因是什么？如何修复？)

3. 设定约束和要求 (Define Constraints and Requirements)

告诉 AI 你希望生成的代码或解释符合哪些标准、限制或规范。这有助于缩小 AI 的搜索空间，并确保输出符合你的项目风格和技术栈。

• 语言/框架: Write this in TypeScript using React hooks. (使用 React hooks 用 TypeScript 写这个。)
• 代码风格: Follow PEP 8 guidelines. (遵循 PEP 8 指南。) Use async/await instead of promises. (使用 async/await 代替 promise。)
• 性能/复杂性: Ensure the time complexity is O(n). (确保时间复杂度是 O(n)。)
• 特定库/API: Use the 'requests' library for HTTP requests. (使用 ‘requests’ 库进行 HTTP 请求。)

• 输出格式: Provide only the code, no explanation. (只提供代码，不要解释。) Explain step-by-step. (一步一步地解释。)

• 示例 (含约束):

  • Generate a Python class 'Product' with attributes 'name' and 'price'. Include a method 'display_info'. Do not use any external libraries. Provide only the class definition. (生成一个 Python 类 ‘Product’，包含属性 ‘name’ 和 ‘price’。包含一个方法 ‘display_info’。不要使用任何外部库。只提供类定义。)

4. 指定输出格式 (Specify Output Format)

你希望 AI 的回答是什么形式？是代码块、解释性文本、列表、表格，还是兼而有之？明确指定输出格式可以使结果更易于阅读和使用。

• Provide the answer as a Markdown code block. (以 Markdown 代码块的形式提供答案。)
• List the steps required in bullet points. (以项目符号列表列出所需的步骤。)

• Explain the concept first, then provide a code example. (先解释概念，然后提供一个代码示例。)

• 示例 (含输出格式):

  • Refactor the selected JavaScript function to use modern ES6 syntax. Provide the refactored code in a markdown block, followed by a brief explanation of the changes. (重构选定的 JavaScript 函数以使用现代 ES6 语法。在 markdown 块中提供重构后的代码，然后简要解释更改。)

第三部分：进阶提示词技巧与应用

掌握了基础原则后，我们可以探索更高级的提示词技巧，以应对更复杂的开发场景。

1. 利用 @ 符号进行跨文件和符号引用

@ 符号是 Cursor 区别于许多其他 AI 工具的关键特性，它让 AI 能够理解并引用你项目中的特定文件或代码符号（函数、类、变量等）。

• 引用整个文件: @filename.ext (例如 @utils.py, @styles.css) – 将整个文件的内容作为上下文提供给 AI。
• 引用文件中的特定符号: @filename.ext/SymbolName (例如 @user_service.py/UserService, @main.js/initDatabase, @types.ts/UserType) – 仅将指定符号的代码（及其周围的一些上下文）提供给 AI。

应用场景:

• 理解跨文件逻辑: “How does the handleRequest function in @api.ts use the validateInput function defined in @utils/validation.ts?” (在 @api.ts 中的 handleRequest 函数如何使用 @utils/validation.ts 中定义的 validateInput 函数？)
• 基于现有代码生成新代码: “Generate a new test case in @tests/user.test.js for the createUser function in @services/user.js. The test should cover the case where the username already exists.” (在 @tests/user.test.js 中为 @services/user.js 中的 createUser 函数生成一个新的测试用例。测试应覆盖用户名已存在的情况。)
• 重构涉及多个文件的代码: “Refactor the data fetching logic in @components/UserProfile.jsx to use the new hook useFetch defined in @hooks/useFetch.js.” (重构 @components/UserProfile.jsx 中的数据获取逻辑，使用 @hooks/useFetch.js 中定义的新 hook useFetch。)

技巧: 在聊天侧边栏中，当你输入 @ 时，Cursor 会弹出一个列表，显示你可以引用的文件和符号，这非常方便。

2. 调试与错误分析的提示词

AI 是一个强大的调试助手，但你需要有效地向它描述问题。

• 提供错误信息: 直接粘贴完整的错误堆栈信息。
• 提供相关代码: 指出或粘贴引发错误的代码段或文件（使用 @ 引用）。
• 描述预期行为 vs 实际行为: 清楚说明你期望代码做什么，以及它实际做了什么。

• 提供复现步骤 (如果可能): 描述如何触发错误。

• 示例:

  • I'm getting this TypeError: [粘贴错误信息]. The error seems to originate from the function in@data_processor.py/process_data. I expect this function to return a list of dictionaries, but it seems to be receiving an unexpected input type. What could be causing this, and how can I fix it? (我遇到了这个 TypeError：[粘贴错误信息]。错误似乎来源于 @data_processor.py/process_data 中的函数。我期望这个函数返回一个字典列表，但它似乎接收到了一个意想不到的输入类型。这可能是由什么引起的，我如何修复它？)
  • (使用 Cmd+K 选中引发错误的代码行) This line is causing a "Division by zero" error. The variable 'denominator' is supposed to be validated earlier to prevent this. Can you find where the validation is missing or incorrect? (这一行导致了“除以零”错误。变量 ‘denominator’ 应该在之前进行验证以防止这种情况。你能找到验证丢失或不正确的地方吗？)

3. 重构和改进代码的提示词

AI 可以帮助你改进现有代码的可读性、性能、可维护性或遵循特定的设计模式。

• 明确重构目标: 是为了提高可读性？性能？减少重复？遵循设计模式？
• 指定重构范围: 是整个文件、一个类、一个函数还是一段代码块？（使用选中或 @ 引用）

• 提供新的要求或约束: 例如，从回调改为 Promise，从类组件改为函数组件，应用工厂模式等。

• 示例:

  • (选中一个冗长的函数) Cmd+K, 输入: Refactor this function to be more readable and split out repetitive logic into smaller helper functions within this file. (重构这个函数以提高可读性，并将重复的逻辑拆分到当前文件中的小型辅助函数中。)
  • Refactor the authentication logic in@auth.jsto use async/await instead of nested callbacks. (重构 @auth.js 中的身份验证逻辑，使用 async/await 而非嵌套回调。)
  • Review the class definition in@models/order.pyand suggest improvements for maintainability, potentially applying the Repository pattern. (审查 @models/order.py 中的类定义，并提出提高可维护性的建议，可以考虑应用 Repository 模式。)

4. 编写测试用例的提示词

让 AI 为你的代码生成测试可以显著提高开发速度和代码质量。

• 指定被测试代码: 指出或引用你要测试的函数、方法或模块（使用 @ 引用）。
• 指定测试框架: (例如 pytest, Jest, Mocha, JUnit)。
• 指定测试类型: (单元测试、集成测试)。

• 指定需要覆盖的场景: (正常输入、边缘情况、无效输入、错误路径)。

• 示例:

  • Write unit tests for thecalculate_discountfunction in@utils/pricing.pyusingpytest. Include tests for positive discount, zero discount, and invalid (negative or >100%) discount values. (使用 pytest 为 @utils/pricing.py 中的 calculate_discount 函数编写单元测试。包含正折扣、零折扣和无效（负数或 >100%）折扣值的测试。)
  • Generate Jest integration tests for the API endpoint/api/usersdefined in@routes/userRoutes.js. Test the GET (list users) and POST (create user) methods. (为 @routes/userRoutes.js 中定义的 /api/users API 端点生成 Jest 集成测试。测试 GET (列出用户) 和 POST (创建用户) 方法。)

5. 理解和文档化代码的提示词

面对不熟悉的代码库或复杂的逻辑时，AI 可以帮你快速理解和生成文档。

• 解释代码:
  • (选中代码) Cmd+K, 输入: Explain this code step by step. (一步一步地解释这段代码。)
  • Explain the overall architecture and data flow in@main.pyand@worker.py. (解释 @main.py 和 @worker.py 中的整体架构和数据流。)
• 生成文档:
  • (选中一个函数或类) Cmd+K, 输入: Generate a Python docstring for this function explaining its parameters, return value, and purpose. (为这个函数生成一个 Python docstring，解释其参数、返回值和用途。)
  • Write inline comments for the complex logic sections in the selected code. (为选定代码中的复杂逻辑部分编写内联注释。)

6. 模拟角色和思维链 (Role-Playing and Chain-of-Thought)

这些是更通用的提示工程技巧，但同样适用于 Cursor。

• 角色扮演 (Role-Playing): 让 AI 扮演一个特定的角色，这可以影响其回答的风格、深度和侧重点。
  • Act as a senior security architect. Review the authentication mechanism in@auth.jsand identify potential vulnerabilities. (扮演一个高级安全架构师。审查 @auth.js 中的身份验证机制，并识别潜在漏洞。)
  • Act as a performance expert. Analyze the following SQL query and suggest optimizations. [粘贴 SQL 查询] (扮演一个性能专家。分析以下 SQL 查询并提出优化建议。)
• 思维链 (Chain-of-Thought): 虽然你不能直接控制 AI 的内部思维过程，但你可以在提示词中引导它，通过要求它先分析、再计划、后执行，来提高复杂任务的成功率。
  • I need to add a feature to export user data to CSV. First, analyze the existing user data fetching logic in@api/users.js. Second, propose a way to efficiently fetch potentially large amounts of data. Third, provide the code snippet to format this data into CSV format. (我需要添加一个将用户数据导出为 CSV 的功能。首先，分析 @api/users.js 中现有的用户数据获取逻辑。其次，提出一种有效获取可能大量数据的方法。第三，提供将数据格式化为 CSV 格式的代码片段。)

第四部分：利用 Cursor 特定功能提升提示词效果

除了通用的提示词原则，Cursor 的一些内置功能是提高效率的利器。

1. Cmd+K 的精确控制

• 选中即聚焦: 使用 Cmd+K 时，AI 会高度关注你选中的代码。如果你只想让 AI 修改或分析特定部分，一定要选中它。
• 不选中即生成/插入: 如果你不选中任何代码，按下 Cmd+K 并输入提示词，AI 会尝试在当前光标位置生成新的代码。
• Diff 视图: Cmd+K 生成的修改以 diff 的形式呈现。仔细审查这些 diff 是至关重要的！不要盲目接受。AI 可能会引入错误或不如你预期的代码。利用 diff 视图理解 AI 的更改，并可以手动编辑 diff 块再接受。

2. 聊天侧边栏的多轮对话能力

聊天侧边栏保留了对话历史。这意味着你可以在多轮交互中逐步完善需求或探索解决方案。

• 不要害怕在 AI 的回答基础上提出后续问题或修改要求：“That’s a good start, but can you also handle the case where the input is empty?” (这是一个好的开始，但你也能处理输入为空的情况吗？) “The code you provided works, but I need it to be more generic to accept different types of items.” (你提供的代码有效，但我需要它更通用，以便接受不同类型的物品。)
• 利用历史上下文进行连贯的讨论。AI 会记住之前的对话内容，这使得解决复杂问题成为可能。

3. 右键菜单的快捷操作

利用右键菜单提供的“Ask AI”或特定任务选项（如“Explain Selection”）可以快速启动与 AI 的交互，尤其适合作为起点。然后可以在聊天侧边栏或 Cmd+K 中继续细化。

第五部分：Cursor 提示词的实践与注意事项

掌握了技巧，还需要在实践中不断尝试和学习。

1. 从小处开始，逐步迭代

对于复杂的任务，不要试图一次性用一个提示词解决所有问题。先用一个简单的提示词让 AI 提供一个初步方案，然后通过后续的提示词逐步完善和修改。例如，先让 AI 生成一个函数的基本结构，再让它添加错误处理，然后再让它优化性能。

2. 实验不同的措辞和结构

AI 模型对提示词的措辞很敏感。如果你第一次尝试没有得到满意的结果，尝试换一种方式描述你的需求，或者调整提示词中的要素（增加上下文、设定更严格的约束等）。

3. 始终验证和测试 AI 生成的代码

这是最重要的一点。 AI 生成的代码可能包含逻辑错误、语法错误、安全漏洞或不符合项目规范的地方。永远不要盲目地将 AI 生成的代码提交或部署。仔细阅读代码，理解其工作原理，并在运行环境中进行充分的测试。将 AI 视为一个高效的助手，而不是一个可以替代人工审查的终结者。

4. 了解 AI 的局限性

AI 依赖于其训练数据，它可能不知道最新的库或框架特性，可能在处理模棱两可或需要创造性思考的问题时表现不佳，也可能产生“幻觉”（生成看似合理但实际上不正确的信息或代码）。对于关键业务逻辑或创新性需求，AI 只能提供参考或辅助，最终决策和实现仍需人工完成。

5. 保护敏感信息

尽管 Cursor 声称具备隐私保护措施，但出于谨慎，在与 AI 交互时尽量避免粘贴高度敏感或包含个人身份信息 (PII) 的代码或数据。

结论：成为 Cursor AI 的高效协作者

Cursor 的出现，预示着软件开发方式的深刻变革。高效地使用这款工具，尤其是掌握与 AI 交互的艺术——提示词工程，将极大地提升你的开发效率和创造力。

从基础的指令和上下文提供，到利用 @ 符号进行跨文件引用，再到运用角色扮演和思维链引导 AI，每一次精进提示词技巧，都是在解锁 AI 助力的新高度。

记住，提示词不是一次性的魔法咒语，而是一个与 AI 持续沟通、协作和迭代的过程。通过不断实践、尝试和反思，你将越来越擅长构建能够驱动 AI 产出高质量结果的提示词。

Cursor 和 AI 是开发者强大的盟友，而你——掌握提示词艺术的开发者，将是引领未来编码效率的先锋。现在，打开你的 Cursor，开始实践这些技巧吧！让 AI 成为你代码世界中最得力的副驾驶。