经验-cursor 如何有效使用
目前使用 cursor 做程序的实践, cursor 版本: 0.50.7
三大件 MCP + Doc + Rules
1. MCP 使用
MCP（Model Context Protocol）是 Cursor 提供的一种机制，允许 AI 助手通过外部服务器获取实时、准确的文档或数据，以增强代码生成的质量。以下是你提到的三个 MCP 的使用实践：
1.1 deepwiki
Deepwiki MCP 是一个开源工具，用于从 GitHub 仓库或 Deepwiki 网站（deepwiki.com）获取最新的文档或代码库内容，特别适合需要爬取 GitHub 仓库文档的场景。它通过 MCP 协议将爬取的内容转换为 Markdown 格式，供 Cursor 使用
使用方法：
- 在 Cursor 中输入类似 use deepwiki https://deepwiki.com/shadcn-ui/ui 的提示，获取指定 Deepwiki 页面内容。
- 支持单页或多页爬取，例如 use deepwiki multiple pages https://deepwiki.com/shadcn-ui/ui。
- 可指定爬取深度和输出格式（单一文档或按页面分割）。
1.2 context7
Context7 MCP 是 Upstash 提供的服务，专注于为 LLMs 提供版本特定的最新文档和代码示例，解决 AI 模型生成过时或错误代码的问题。它与 Cursor、Windsurf 等 MCP 兼容客户端无缝集成。
使用方法：
- 在 Cursor 提示中添加 use context7，例如：
Create a Next.js API route with Hono. use context7Context7 将从官方文档拉取最新代码示例，注入到 LLM 的上下文。 - 支持版本特定的文档查询，例如指定 Next.js 或 React Query 的具体版本
1.3 mcp-feedback-enhanced
在AI辅助开发工具中实现人机协作工作流。通过引导AI与用户确认而不是进行推测性操作，它可以将多达25个工具调用 consolidation 成一个以反馈为导向的请求，从而大大降低平台成本。
使用方法:
- 配合 rules 使用, llm 制定多个计划, 调用该工具与用户进行确认, 确认后继续执行, 节省请求数
1.4 示例
1{
2 "mcpServers": {
3 "deepwiki": {
4 "command": "npx",
5 "args": [
6 "-y",
7 "mcp-deepwiki@latest"
8 ]
9 },
10 "context7": {
11 "command": "npx",
12 "args": [
13 "-y",
14 "@upstash/context7-mcp"
15 ],
16 "env": {
17 "DEFAULT_MINIMUM_TOKENS": "6000"
18 }
19 },
20 "mcp-feedback-enhanced": {
21 "command": "uvx",
22 "args": [
23 "--python", 如果你是远程连接的, 最好加上这个参数
24 "/home/yunpiao/anaconda3/bin/python", 如果你是远程连接的, 最好加上这个参数
25 "mcp-feedback-enhanced@latest"
26 ],
27 "env": {
28 "FORCE_WEB": "true",
29 "MCP_DEBUG": "false"
30 },
31 "timeout": 600,
32 "autoApprove": [
33 "interactive_feedback"
34 ]
35 }
36 }
37}}
2. Doc
Cursor 0.50.7 支持多种方式获取文档，以增强 AI 助手的上下文准确性。以下是你提到的三种方式：
2.1 自带的 docs 文档
Cursor 内置了 @ 语法，可直接调用特定库或框架的官方文档。例如，@nginx 会从官方来源获取 Nginx 的最新文档。
2.2 增加网页文档(爬虫方式-官方支持)
Cursor 0.50.7 支持通过爬虫方式从指定网页获取文档，官方提供了集成工具，允许用户指定 URL 并将内容注入 LLM 上下文。
cursor 命令输入框(crtl+shift+p 打开)中填写 >Add New Custom Docs, 之后填写需要进行爬取的网站, 例如https://nginx.org/en/docs/
2.3 增加 github 文档, 使用 deepwiki 方式
对于一些没有文档的 github\gitlab 项目可以使用 deepwiki 转换成 wiki, 用于添加 doc
最简单方法, 更改域名中的 github 为 deepwiki , 然后添加到 custom doc 里面
3. Rules
3.1 针对项目设置user cursor rules
我现在使用的 rules, 找不出出处了, 好像在一个回复里扒出来的, 如果这个有版权的话, 可以联系我删除
你是Cursor IDE的AI编程助手，遵循核心工作流（研究->构思->计划->执行->评审）用中文协助用户，面向专业程序员，交互应简洁专业，避免不必要解释。
[沟通守则]
1. 响应以模式标签 `[模式：X]` 开始，初始为 `[模式：研究]`。
2. 核心工作流严格按 `研究->构思->计划->执行->评审` 顺序流转，用户可指令跳转。
[核心工作流详解]
1. `[模式：研究]`：理解需求。
2. `[模式：构思]`：提供至少两种可行方案及评估（例如：`方案1：描述`）。
3. `[模式：计划]`：将选定方案细化为详尽、有序、可执行的步骤清单（含原子操作：文件、函数/类、逻辑概要；预期结果；新库用`Context7`查询）。不写完整代码。完成后用`interactive-feedback`请求用户批准。
4. `[模式：执行]`：必须用户批准方可执行。严格按计划编码执行。计划简要（含上下文和计划）存入`./issues/任务名.md`。关键步骤后及完成时用`interactive-feedback`反馈。
5. `[模式：评审]`：对照计划评估执行结果，报告问题与建议。完成后用`interactive-feedback`请求用户确认。
[快速模式]
`[模式：快速]`：跳过核心工作流，快速响应。完成后用`interactive-feedback`请求用户确认。
[主动反馈与MCP服务]
* **通用反馈**：研究/构思遇疑问时，使用 `interactive_feedback` 征询意见。任务完成（对话结束）前也需征询。
* **MCP服务**：
* `interactive_feedback`: 用户反馈。
* `Context7`: 查询最新库文档/示例。
* 优先使用MCP服务。
3.2 自动生成 cursor rules
llm 对话框中输入/Generate Cursor Rules, 会生成一份 project rules, 记得设置这个 rules 属性为 always, 这种 rules 可以让 llm 保持一致性, 不至于每次对话都跟换了一个新手一样
3.3. 设置项目背景 cursor rules
可以将自己的编程习惯再新建一个 rules, 可以帮助 llm 生成符合你要求的代码
### 微信小程序最佳实践规则集
```yaml
version: 1
rules:
# ========== 性能优化规则 ==========
# 图片优化
- name: "optimize-images"
pattern: |
<image\s+src="(.+?)"\s*/>
replacement: |
<image src="{{_match_1}}" mode="widthFix" lazy-load="true" />
message: "图片应启用懒加载和适当模式"
severity: warning
scope:
files: ["*.wxml"]
# 减少setData数据量
- name: "minimal-setdata"
pattern: |
this\.setData\(\s*\{[^}]*[^}]{100,}\s*\}\s*\)
message: "setData数据不应超过100字符，仅更新必要字段"
severity: error
# 防抖节流
- name: "debounce-events"
pattern: |
(bindtap|bindinput|bindscroll)="(\w+)\"
replacement: |
{{_match_1}}="debounce({{_match_2}})"
message: "高频事件(如滚动、输入)应添加防抖/节流"
severity: warning
# ========== 代码规范规则 ==========
# 组件命名规范
- name: "component-naming"
pattern: |
Component\(\{\s*properties:\s*\{\s*([a-z]\w+)\s*:
replacement: |
properties: {
{{ regex_replace(_match_1, '^.', _match_1 | lower) }}:
message: "组件属性名应使用小驼峰命名法"
severity: warning
### 使用效果验证
1. 在WXML中写`<image src="...">`会触发优化建议
2. 在JS中写`this.setData({ largeData })`会检查数据量
3. API调用不加错误处理会显示错误提示
4. 敏感信息检测会阻止提交含`token='...'`的代码
> 最佳实践：结合微信开发者工具的"代码质量扫描"和"性能分析"功能，定期检查规则执行效果，根据项目需求调整规则强度。