Cursor Pro 使用经验

从7月到11月使用cursor pro，把零碎的输出让AI整理了一遍

核心观点

• 工作空间更高效：可合并多仓、联动改代码。
  比如说我有个产品文档，api文档，使用文档需要写，可以用源代码仓库+文档md仓库(md有一定的输出规范和格式，等于给出参考答案)
• 三类能力：Agent 写代码、Ask 问答、Plan 制定步骤。
• 需要架构引领：开发者提供链路与关键点，AI 才能少走弯路。
  要放松严格解析json一个openapi的，从调用点- client端生成-proto生成-工具库里面生成方法，每一个地方都可以有很多方法改，但是哪个地方是最好的，根据时序和使用场景，需要开发人员思考。不过有时候从一堆代码里面找东西找解决方案，它也能灵机一动，这时候就要开发人员发现这个灵机一动是不是可以做某种扩展和实践。

能力与定位

• 代码阅读与理解
  • 先梳理模块、调用链与关键结构，明确输入输出与边界。
• 代码编写 Agent
  • 适合样板、适配、重复性重构；需约束风格、依赖与验收标准。
    这个模式下面，第一次写模版的时候，组内提了很多意见，我用脚本结合ask整理了一些规范，然后写相似业务的时候让它检查这些问题是不是有再犯。
• 问答 Ask
  • 用于概念澄清与已知错误模式定位，不负责业务黑盒的根因分析。
• 计划 Plan
  • 产出步骤与里程碑，Plan & Resolve 强调先计划再执行与修正。
    plan的一些实践，拆分mr，巨大的mr需要做拆分，可以让它出计划甚至可以直接提分支代码，通常太复杂的东西我自己来划分会决策瘫痪，可能这是我一个人的问题

方法与实践

• ReAct：检索—思考—实践循环，逐步收敛到可行解。
• Plan & Resolve：先给 1-2-3 关键步骤与检查点，再按反馈迭代。
• 参考优先：提供可复用样例与“标准答案”，加速稳定收敛。

经验与边界

• Cursor 有时“方案蠢”的原因：缺少约束与目标度量，复杂代码缺关键路径指引；另一方面它不能写出很优雅简洁的代码，有点喜欢堆积功能。
• 开发者应补位：设计模式与产品理解、整体链路架构、底层原理；可能还是需要自己理解语言特性来熟练掌握。
• 风险控制：
  • 防惰性与理解退化，定期无辅助编码校验基本功。
  • Bug 定位更依赖熟悉业务的人脑，AI 用于证据与覆盖面补充。
  • 先收敛后生成，控制上下文与版本一致性，节约时间与算力。

新AI工具一些可能：
自动评论，现在review mr会浪费开发人员不少时间
生成规则，和lint很像，给AI一些编程约束，一个团队和组有自己的编程约束，AI应该和人一样学习好

对我个人不好的地方：
我很想要进入心流的状态，但是使用ai只有在找寻方案的时候能很好的进入
本来编码，反复思考，这一步是可以很容易心流的，和我写文章和写题目答案，喜欢打字直接输出一样，所以要把这个捡起来，直到这些代码对于我个人来说过于重复，没什么好写的