在使用 AI 的过程中，有一个很大的痛点，就是 AI 的输出经常不确定，直接导致我们业务效果很差。 为了确保输出稳定，我们需要写「提示词」 而在 AI 编程中，除了日常需求里的提示词外，我们可以「预设」更详细的「系统级」规则。 这样，我们在用 Cursor 的时候，不论写什么代码，都能让 AI 按我们的要求来运行。 但随着项目多样化，我们可能每个项目都有不同的规则，此时「系统级」的规则可能会和当前项站长小程序导航网目冲突。 此时，我们就需要用「项目级」的规则设置，以应对我们不同项目的灵活需求，而这就是.cursorrules 的作用了。 Cursor里的添加位置在这里： 对于新版的Cursor下面也已经有了项目级的规则，和文件夹里的 .cursorrules 是一样的。 一、.cursorrules 是什么？ .cursorrules 是 Cursor 编辑器的项目级智能规则引擎 ，本质上是一个动态系统提示词（System Prompt）配置文件。通过它在项目根目录创建规则文件，可实现以下核心功能： 1. AI 行为规范 定义 AI 角色（如“资深产品经理+全栈工程师”），限制回答风格（如“用初中生能理解的语言解释代码”）。 设定任务处理流程（如需求分析→方案设计→代码实现→自检优化）。 2. 项目智能管理 自动化维护项目文档（自动生成/更新 README.md，记录功能说明和代码规划）。 强制代码规范（如变量命名必须符合 snake_case，注释覆盖率不低于 80%）。 3. 工具集进化 结合 Agent 模式，AI 会根据历史任务自动积累工具函数库（如爬虫工具、数据清洗模板），后续任务优先复用而非重写。 支持动态纠错（如发现代码符号错误时自动修复并更新工具集）。 二、如何使用 .cursorrules？ 基础四步法（以 Python 项目为例）： 1. 角色定义 ### 角色设定 - 你是一名全栈工程师，精通 Python/TypeScript，擅长用 SOLID 原则设计代码 - 必须用中文注释解释复杂逻辑，代码需通过 Pylint 严格检查   2. 规则分层 ## 需求处理流程 1. 先阅读项目 README 和现有代码 2. 与用户确认需求细节（至少提出 3 个补充问题） 3. 选择最简实现方案（禁止过度设计） ## 代码安全 - 涉及敏感数据时必须调用 `utils/encrypt.py` 的 AES 加密方法 - 数据库操作必须使用连接池，禁止直接暴露密码   3. 目录约束 ## 文件结构 - 工具类代码存放于 `libs/tools/` - API 接口必须写在 `src/api/v1/` 下 - 单元测试覆盖率需达到 90%   4. 知识关联 ## 参考文档 - 项目设计文档：`docs/arch.md` - 第三方 API 说明：`https://internal.api.com/docs`   高阶技巧： Agent 模式联动输入 // 抓取今日推特热搜，AI 会： 检查 libs/tools/web_crawler.py 是否存在爬虫工具 若无则自动编写并测试爬虫代码，成功后存入工具库 下次类似需求直接调用优化后的工具 动态纠错机制当 AI 生成代码报错时： # 错误代码（缺少 import） df = pd.read_csv('data.csv')   自动插入 import pandas as pd 更新规则文件增加「必须预检依赖库」条款 三、开箱即用模板资源 不过，这么多规则，谁有时间一个一个去测啊？ 不用担心这里推荐2个资源库，直接拿别人做好的规则来用即可： 1. Cursor Directory（https://cursor.directory/） 按技术栈筛选：Java/Vue/Python 等分类清晰 典型模板： Web 开发模板：强制 RESTful API 规范 + Swagger 文档生成 数据科学模板：预设 Jupyter 笔记本结构 + Matplotlib 主题配置 2. Awesome Cursorrules（https://github.com/PatrickJS/awesome-cursorrules） 特色规则： 金融分析模板：自动生成财报同比/环比计算代码 爬虫增强模板：集成 IP 代理池配置 + 反爬策略 A/B 测试模板：内置贝叶斯统计检验代码框架 四、最佳实践案例 案例：电商价格监控系统 1. 规则文件 .cursorrules ## 数据抓取 - 使用 Selenium 应对动态页面，超时重试 3 次 - 每日 0 点自动运行，异常时发送邮件告警 ## 价格分析 - 竞品价格波动超过 5% 时触发预警 - 生成可视化日报（折线图+数据表）   2. 执行效果 输入 // 监控某商品链接，AI 自动： 调用现有爬虫工具 tools/price_monitor.py 写入数据库 db/price_records.sql 生成日报模板 reports/daily_report.ipynb 转自：https://mp.weixin.qq.com/s/AQ2c4gF-EVtoMFM41t1vOQ