Cursor 入门笔记：一个程序员的 AI 编辑器初体验

说实话，Cursor 这个名字在我耳边已经响了快两年了。

最早是 2024 年，刷 Twitter 看到有人说“用了 Cursor 再也回不去 VS Code”。然后是 2025 年，朋友圈开始有人晒“AI 自动写代码”的截图。再到今年，连我们技术群里都在讨论“氛围编程”（vibe coding）——据说描述一下需求，AI 就能把整个项目搭起来。

但我一直没动手。

原因也简单：VS Code 用得好好的，Copilot 也够用，总觉得再换编辑器是折腾。再加上 Cursor 这名字听着像某个小众工具，谁知道会不会用两天就弃坑。

直到上个月，有个同事用 Cursor 半天重构了一个我拖了两周的模块。我站在他身后看着——他就敲了几行注释，按了几下 Tab，代码自己蹦出来了。那个瞬间我意识到：不是我够用，是我不知道什么是“更好用”。

于是决定花一周时间，从零开始认真学一遍 Cursor。这篇笔记就是我这周的记录，全是亲测，没有废话。

一、Cursor 到底是什么？

1.1 一句话说清楚

Cursor 是一个内置了顶级 AI 能力的代码编辑器。它长得和 VS Code 一模一样，因为它本身就是 VS Code 的一个分支。这意味着：你用 VS Code 的习惯、快捷键、插件，在 Cursor 里全都能用。

不同的是，Cursor 把 AI 从“插件”变成了“内核”。Copilot 是装在编辑器里的助手，而 Cursor 的编辑器本身就是为 AI 设计的。

1.2 为什么它这么火？

几个数字可以说明问题：

• 增长速度：Cursor 从零到 10 亿美元年度经常性收入（ARR），只用了 24 个月——这是 SaaS 史上最快的纪录。
• 资本追捧：2025 年 11 月完成 23 亿美元融资，估值飙到 293 亿美元，英伟达、谷歌都在抢着投。
• 用户渗透：英伟达 CEO 黄仁勋公开说，希望公司 4 万名工程师都用 Cursor。OpenAI、Spotify、Uber 这些公司的团队也在用。

为什么这么火？因为 Cursor 踩中了一个关键的节点：模型能力刚好强到“能辅助但不能独立”，而 Cursor 把“人+AI”的协作体验做到了极致。

1.3 和 Copilot 有什么区别？

说白了，Copilot 是“你写代码它补全”，Cursor 是“你说需求它干活”。

二、安装与初始化（十分钟上手）

2.1 下载

官网 https://cursor.sh/ 直接下，支持 Windows、macOS、Linux。

我是 Windows 本，下载的是 .exe 安装包，两百多兆，两分钟装完。

2.2 登录

第一次打开会提示登录。可以用 Google、GitHub 或者邮箱注册。免费版每个月有 200 次 AI 调用，足够新手尝鲜。Pro 版 20 美元/月，不限次数。

2.3 从 VS Code 迁移（如果你在用）

Cursor 最贴心的一点：第一次启动时，会自动检测你有没有装 VS Code，问你要不要导入插件、配置、快捷键。我点了“是”，重启后打开 Cursor——界面、主题、插件全都在，完全无缝。

如果你没用过 VS Code，直接默认配置就行，后面可以慢慢调。

三、核心功能：三个最常用的操作

3.1 Chat：全局问答（快捷键：Cmd+L / Ctrl+L）

右边会弹出一个聊天面板，这是和 AI 对话的主战场。

我能问什么？

• “帮我解释这段代码是什么意思”
• “这个项目的核心逻辑是什么”（拖拽整个文件夹进去）
• “写一个 Python 脚本，把当前目录下的所有 .log 文件按日期归档”

实测例子：
我把自己一个老项目的文件夹拖进 Chat，输入“这个项目是干什么的？画个架构图说明”。AI 扫了一遍代码，给我生成了：

• 项目整体描述（Express + React + MongoDB）
• 核心模块列表
• 数据流转图（文字版）

省了我自己翻半小时代码的时间。

小技巧：用 @ 符号可以引用特定文件、文件夹，甚至 GitHub 仓库，让 AI 理解更多上下文。

3.2 Inline：内联指令（快捷键：Cmd+K / Ctrl+K）

这是我最常用的功能。选中一段代码，按 Cmd+K，弹出一个小输入框，直接说你想干啥。

常用指令：

• “重构这个函数，用 async/await 替代 Promise.then”
• “加错误处理”
• “改成 TypeScript”
• “写单元测试”
• “解释这段代码在干什么”

AI 会直接修改你选中的代码，并以 diff 形式显示改动——绿色是新增，红色是删除。按 Tab 接受，按 Esc 拒绝。

实测例子：
有一段老代码：

javascript

function processData(d) {
  let r = [];
  for (let i = 0; i < d.length; i++) {
    if (d[i] > 10) {
      r.push(d[i] * 2);
    }
  }
  return r;
}

选中，按 Cmd+K，输入“用数组方法重写”。AI 直接改成：

javascript

function processData(d) {
  return d.filter(x => x > 10).map(x => x * 2);
}

按一下 Tab，搞定。

3.3 Tab：智能补全

Cursor 的自动补全比 Copilot 更“懂你”。你写一行注释，它可能直接把整段代码补出来。

比如我写：

python

# 读取 sales.csv，按月份统计销售额，画柱状图

刚敲完注释，AI 自动补全了下面这段：

python

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('sales.csv')
df['月份'] = pd.to_datetime(df['日期']).dt.month
monthly = df.groupby('月份')['销售额'].sum()
monthly.plot(kind='bar')
plt.show()

不是我写的，是它猜的。而且猜对了。

四、进阶玩法：从“助手”到“代理”

Cursor 1.0 的核心是“Chat + Tab”，也就是你问它答、你写它补。但 Cursor 2.0 发布后，玩法变了。

4.1 什么是 Agent 模式？

简单说：Agent 模式让 AI 从“给建议”升级到“自己动手”。

在传统模式下，你说“帮我重构这个模块的错误处理”，AI 给你一段代码，你自己复制粘贴、手动改文件。在 Agent 模式下，你说同样的话，AI 会：

1. 扫描整个项目，找出所有相关的文件
2. 分析现有的错误处理模式
3. 生成统一的修改方案
4. 自动修改所有需要的文件
5. 跑测试验证，有问题自动回滚

一句话总结：以前 AI 是你的“参谋”，现在 AI 是你的“实习生”——派活就行，不用教怎么干。

4.2 Agent 能干什么？

官方数据显示，Agent 模式处理复杂任务的效率比传统模式高 2.3 倍。几个典型场景：

实测例子：
我在一个 Express 项目里想把所有 console.log 换成结构化日志。传统做法：全局搜索、挨个改、可能漏掉。用 Agent：打开 Composer（Cmd+I），输入“把所有 console.log 换成 winston 日志，保留原有日志级别”。AI 自己找到 23 个文件里的 47 处调用，全部替换，还自动加了 winston 的 import。整个过程 30 秒。

4.3 多 Agent 并行

Cursor 2.0 还支持同时跑多个 Agent——最多 8 个，各自在独立的 Git 分支里干活，最后挑最好的结果合并。

有开发者形容：“坐在那看 8 个 AI 赛马，闻到了 token 疯狂燃烧的味道”。

五、程序员专用技巧（实测有效）

5.1 注释驱动开发

这是我从 Cursor 学到的最重要的一课：想要 AI 生成得好，先把注释写清楚。

❌ 别这么写：

javascript

// 处理数据

✅ 要这么写：

javascript

// 读取 data.json，过滤掉 status=inactive 的条目，按 created_at 倒序排序，取前 10 条
// 输入格式：{ "items": [{ "status": "active", "created_at": "2026-02-20" }] }
// 输出：排序后的数组，直接返回

注释写得越具体，AI 生成的代码越能用。

5.2 把测试用例当“验收标准”

写函数时，先写几个测试用例，让 AI 按用例实现：

text

实现一个函数 normalizePhone(phone: string): string
要求：
- 去掉所有非数字字符
- 如果以 86 开头，替换为 +86
- 如果是 11 位数字，格式化为 3-4-4 格式（如 138-1234-5678）
测试用例：
- "138 1234 5678" -> "138-1234-5678"
- "8613812345678" -> "+86-138-1234-5678"
- "0755-12345678" -> "0755-12345678"

AI 生成的函数大概率一次跑通所有用例。

5.3 自定义指令（Commands）

把重复性的操作存成命令，下次直接用。

在项目根目录建一个 .cursor/commands.json：

json

{
  "commands": [
    {
      "name": "gen-api-test",
      "description": "为 API 接口生成测试用例",
      "prompt": "为 {file} 中的每个接口生成 Jest 测试用例，覆盖正常情况和异常情况"
    },
    {
      "name": "add-logging",
      "description": "添加结构化日志",
      "prompt": "给 {file} 中的所有函数添加 winston 日志，记录入参和返回值"
    }
  ]
}

然后在 Chat 里输入 @gen-api-test 就能调用。

5.4 快捷键速查

记不住没关系，我贴显示器上了。

六、避坑指南（我踩过的）

坑1：它还是会“一本正经地胡说八道”

有次让 Cursor 写个加密函数，它自己造了一个“AES-256-CBC-Plus”——看起来像模像样，实际上标准库里根本没这个算法。

教训：安全相关的代码、金融计算、底层系统，必须人工审查。AI 适合写“能跑的代码”，不一定写“对的代码”。

坑2：Agent 改文件前记得提交

Agent 一次性改十几个文件，如果没提交 Git，改完发现有问题想回退就麻烦了。我后来养成习惯：每次用 Agent 前，先 git commit -m "before agent"。

坑3：长对话会“失忆”

一个对话窗口用太久，AI 可能忘记项目结构。我现在的做法：一个功能开一个新对话，避免上下文污染。

坑4：免费额度不够用

免费版 200 次/月，重度使用几天就没了。Pro 版 20 美元/月，个人开发者可以考虑。

七、到底值不值得用？

我的答案是：值得。

不是说 Cursor 完美，而是它把“AI 辅助编程”这件事做到了一个新的高度。以前我用 Copilot，感觉是“帮我少敲几个字”；现在用 Cursor，感觉是“帮我想清楚该怎么写”。

几个让我回不去的点：

• 选中代码按 Cmd+K 直接改，不用切窗口
• 拖文件夹进去问“这项目是干啥的”，AI 给我画架构图
• 写注释自动补全整段代码

但也要清楚它的边界：AI 是搭档，不是替代。它不会替你设计架构，不会替你思考业务逻辑，不会替你做技术决策。那些事，还得自己来。