高效使用 Cursor：工程化体系构建与最佳实践

过去半年，我们团队在两个新项目中全面采用 Cursor 进行开发，从最初的”随意使用”逐步演进为一套系统化的工程实践。这份文档是我们实战经验的总结，目标是帮助你构建真正高效的 AI 辅助开发体系。

📘 文档地址： https://effective-cursor.vercel.app 

🇨🇳 国内访问： http://effective-cursor.cyron.space 

这份文档解决什么问题？

Cursor 入门门槛很低——打开聊天窗口、描述需求、接受代码。但要让它成为团队生产力的倍增器，需要解决几个关键问题：

• 技术选型：为什么有些项目 AI 表现出色，有些却频繁出错？
• 工程架构：AI 生成的代码质量如何保障？
• Rules 编写：GitHub 上的”Rules 大全”为何抄过来不管用？
• 协作流程：如何让整个团队都能稳定地发挥 AI 的价值？

核心洞见

1. 选择 AI 友好的技术栈

并非所有技术都适合 AI 辅助开发。我们总结了 AI 友好技术的核心特征：

💡 TypeScript + React + Tailwind + shadcn/ui 是一个高度 AI 友好的组合。

2. 架构先行，让 AI 在轨道上运行

很多人认为可以让 AI “自由发挥”构建系统——这是个坑。

没有良好的工程化基础，AI 容易导致偏差、技术债或低质量输出。

就像行政总厨必须先设计好厨房布局，才能让团队高效运作。工程架构章节 详细介绍了如何建立 AI 辅助开发的基础设施。

3. Rules 只写项目独有的规定

这是我们踩过最大的坑。GitHub 上的 awesome-cursorrules  是热门项目，但大量 Rules 都是无效内容——“Write clean code”、“Follow best practices” 这类大模型早已掌握的通用知识。

真正有价值的 Rules 是你项目里独有的硬性规定：

// ❌ 无效 Rule
- 使用有意义的变量名
- 遵循 React 最佳实践
 
// ✅ 有效 Rule  
- API 客户端统一放在 `src/clients/` 目录，使用 SWR 封装
- 日期格式化使用 `formatDate()` from `@/lib/date-time-utils.ts`
- 每次生成代码后执行 `npm run lint` 和 `npm run build` 验证

详见 Rules 编写最佳实践。

4. 四种工作模式，按需选择

我们团队归纳出 四种 Cursor 使用模式：

其中 Draft-Final 模式 是处理复杂任务的首选：

1. Draft — 开发者快速记录需求要点
2. Final — AI 检索项目上下文，生成完整技术方案
3. Code — 按方案实现代码

推荐的目录组织方式：

specs/
├── 001-order-export/
│   ├── draft.md          # 原始需求草稿
│   ├── api-docs.md       # API 文档
│   ├── design.png        # 设计图
│   └── final.md          # AI 完善的技术方案
├── 002-user-auth/
│   ├── draft.md
│   └── final.md
└── 003-payment-integration/
    ├── draft.md
    └── final.md

这种模式的优势：在生成代码前建立全局视野，平均只需 3 次交互即可完成复杂任务。

5. 建立反馈闭环

AI 辅助开发需要持续优化。我们建立了 量化指标体系 和 复盘机制，持续追踪团队的 AI 协作效果。

文档内容概览

我们还提供了可直接使用的 Rules 模板库 和 Prompt 模板库。

文档持续完善中，欢迎 Star GitHub 仓库 ，也欢迎通过 Issue 或 PR 贡献你的经验！