扒了下 Cursor 的提示詞，被狠狠驚艷到了！

如果讓你開發一個 AI 編程工具（比如 Cursor），你覺得最大的難點是什么？

是前端技術、后端技術、UI 設計、還是別的？

我覺得是提示詞。

我之前手把手帶大家做過一個開源的 AI 代碼生成平臺，也能生成完整的應用，但無論是生成速度還是效果都不如 Cursor 要好。

要想讓 AI 生成的效果好，不僅需要能力強的大模型，還需要精心編寫的提示詞。

Cursor 在提示詞和工程化這點做的就很好，于是我從開源項目中獲取到了 Cursor 的提示詞，寫的非常好，真的是驚艷到我了。所以本期我要帶大家學習其中的精髓，很多技巧對我們自己開發 AI 應用會有很大的幫助。

?? 推薦觀看視頻版：https://bilibili.com/video/BV1bBaBzXEae/

Cursor 提示詞總覽

Cursor 有很多套提示詞，每套提示詞適用于不同的場景。比如：

Agent 模式提示詞：讓 AI 能夠自主地分析、規劃并執行編碼任務，直到問題被徹底解決。
CLI 命令行提示詞：適用于可交互命令行環境
Chat 對話提示詞：適用于以對話問答為主的場景，能快速響應用戶的問題。
Memory 對話記憶提示詞：評估 AI 的長期記憶，保證 AI 能夠從歷史交互中學習并沉淀高質量的通用偏好記憶。

其中，最值得學習的是 Agent 模式提示詞，足足有 500 多行。建議大家用 Markdown 閱讀器或代碼編輯器打開，比如我用 VSCode，可以一邊閱讀一邊讓 AI 給我解釋。

不得不吐槽一句，這么長的提示詞，token 消耗快不是沒有原因的！有時我隨便說一句話 AI 都得給我搞個長篇大論。

英文原版和中文版提示詞我都發在代碼小抄上了，方便大家閱讀。

Agent 提示詞拆解

接下來我們以 Agent 提示詞為例，拆解一下 Cursor 提示詞的寫法。

跟閱讀開源項目一樣，先整體再局部分析。

整體結構分析

整體來看，這個提示詞分為三大模塊：角色定義、操作約束、和支持的工具。

就跟我們塑造一個游戲角色一樣，先知道你是誰、你能做什么、你要做什么；再開始給角色點技能、教他怎么做；最后給角色持續買裝備、教他怎么用，越來越強。

?? 我們寫提示詞也可以按照這個思路，讓 AI 先從宏觀上理解它的身份和目標，再到微觀上遵循每一步的行動規范。

下面我們依次分析每個模塊。

1、角色定義

提示詞：

這段提示詞上來就定義了：

你是誰？編程助手
你在做什么？和用戶結對編程
你的任務是什么？解決編程問題

?? 這也是典型的提示詞編寫技巧，通過明確角色、背景和目的，確保 AI 生成的內容聚焦于某個具體的領域和場景，提升輸出的有效性。

接著往下看：

“你必須一直運行到完全解決用戶的問題” 這里進一步明確了 AI 的角色，并且賦予 AI Agent 的持續運行模式，讓 AI 有能力處理復雜、多步驟的任務。

?? 不知道大家有沒有注意到，這段內容的表達有點冗余，多次重復了 “繼續工作”、“解決查詢”。這也是寫 Prompt 常用的一種手段，我們知道，AI 跟人一樣，在接受信息比較多的情況下，很可能會忘記一部分內容、或者忽略掉一些重點。通過從不同的角度 反復強調 同一個事情，能夠強化 AI 的理解、保證這段內容的權重，也能在一定程度上消除 AI 理解 Prompt 時的歧義。

比如魚皮說一遍 “記得點贊三連”，你可能不以為然，所以這里我要說第二遍 “求你點贊三連”，但你可能還是沒有被打動，所以我要說第三遍 “在你沒有點贊三連之前，請你先點贊三連”。

?? 還有個類似的技巧叫 Re-Reading 重讀，又稱 Re2。其實就是復讀機，通過讓模型重新閱讀一遍問題來提高推理能力，有文獻印證了它的效果。

2、操作約束

接下來的提示詞就是在教 AI 做事。

分為 6 個部分，每個部分都是用一組對稱的 HTML 標簽括了起來，結構非常清晰。

communication

見名知意，這里就是在告訴 AI “怎么說話”，便于用戶理解。

規定了 AI 的響應要使用 Markdown 格式，以及如何格式化文件名、函數名，如何使用定界符來展示數學公式。

?? 統一輸出格式不僅能幫助用戶閱讀，而且也有利于后續對輸出文本的處理。

魚皮之前帶大家做的 AI 零代碼應用生成平臺項目中，提示詞內也約定了輸出格式：

tool_calling

這是整個提示詞中非常關鍵的約束部分，是 AI 使用工具時必須要遵守的原則。

比如：

禁止 AI 在和用戶交流時直接提及工具名稱。
鼓勵 AI 優先通過調用工具獲取信息，而不是直接向用戶提問，避免一些無意義的交互影響用戶的體驗。
一旦制定計劃，應立即執行，無需等待用戶確認。這也是 AI 經常出現的情況，制定計劃之后總是會結束會話并詢問用戶是否執行。
在不確定代碼庫結構或文件內容時，必須使用工具讀取信息，禁止猜測。

?? 這一段提示詞中，我們能學到幾個技巧：

通過設定負面指令（大寫的 NEVER）和正面指令（大寫的 ALWAYS），強化了對 AI 的行為約束。
通過 “切勿調用未明確提供的工具”、“僅使用標準的工具調用格式和可用的工具”、“讀取文件而不是猜測或編造答案” 盡可能地消除 AI 的幻覺。
在合適的場景給 AI 放權，不用讓它頻繁找用戶確認。

我印象很深刻，剛開始用 AI Agent 的時候，有一次我睡覺前讓 AI 跑個大任務，結果第二天發現 AI 在等我確認需不需要安裝依賴。。。合著卡了一晚上啥都沒干！

maximize_context_understanding

這部分的作用是告訴 AI 如何進行思考和信息收集、最大限度地理解上下文，核心原則是全面和深入：

在回答前，必須通過工具或提問確保掌握了完整的上下文。
要追溯每個符號的定義和用法，確保完全理解。
強制 AI 使用多種不同措辭進行多次搜索，確保信息的完備性。

?? 其中，最后一點是我認為非常值得學習的，就跟我們程序員遇到 Bug 時一樣，一個關鍵詞可能無法搜索到我們想要的答案，就要多嘗試幾組關鍵詞，得到足夠多的信息后問題才更容易解決。

?? 這部分內容也是 思維鏈 CoT（Chain-of-Thought）和 ReAct（推理執行）的體現，給 AI 規劃了一套具體、可執行的信息收集分析流程，讓 AI 先盡可能思考、獲取到足夠的信息之后，再具體執行。

making_code_changes

這個模塊的作用是 規范 AI 修改代碼的行為：

禁止直接在聊天中輸出代碼，必須通過代碼編輯工具來實現更改。這樣做就避免了對話框的空間被大量的代碼塊占據。
強調生成的代碼必須是 可立即運行的，要求 AI 自動處理好依賴、導入等所有前置條件。否則生成一堆沒法用的代碼的話，體驗就很差了。不過這里也只是一個約束罷了，畢竟誰能保證一次性寫出的代碼 100% 能運行呢？
為 AI 設定了處理錯誤的循環機制，嘗試修復最多3次，如果失敗就向用戶求助。

?? 對于 AI 編程工具來說，這段提示詞非常重要。想象一下，如果已經生成了一個 5000 行代碼的文件，結果用戶只需要修改文件中的某一行代碼，難道要重新把這 5000 行代碼輸出一遍么？更高效的方式肯定是提供給 AI 一個支持 “字符串替換” 的代碼編輯工具，可以讓 AI 只修改部分代碼，不僅輸出效率更高、修改更精準可控，還有利于對比修改前后的代碼。