
我发现一个很普遍的现象:
很多人用了 Cursor 一段时间, 但效率并没有明显提升。
于是结论往往变成一句话:“Cursor 也就那样。”
但问题真的在 AI 吗?
不是。问题出在:你没有把“正确的上下文”交给它。
在 Cursor 的 Chat 窗口里,只要你输入一个 @, 就会弹出一堆选项。
很多人扫一眼就关了, 或者只用过一次,就再也没碰。
但实际上,@ 命令决定了一件事:
👉 AI 到底“在看哪一部分代码”
而这,恰恰是 AI 是否靠谱的分水岭。
这是我用得最多、也是最值钱的两个 @ 命令。
大多数人和 AI 的协作方式是这样的:
问题在于: 👉 AI 看到的,只是你贴的那一小段。
它并不知道:
你可以直接告诉 Cursor:
@Files 某个具体文件@Folder 某个目录甚至更简单: 👉 直接把文件或文件夹拖进 Chat 窗口
这时候你再提需求,AI 的视角是:
“基于你这个真实项目结构,帮你改。”
比如你现在有一个领域实体:
userDomain你想做三件事:
如果你是“传统问法”,大概率是:
我有一个用户实体,想获取最早注册的用户,怎么设计?
而用 @Files 的方式是:
@Files userDomain@Files userRepository你会明显感觉到:
这个功能,知道的人并不多,但非常好用。
Command + L比如:
把这段逻辑改成支持分页,并补充异常处理
Cursor 只会围绕你选中的代码动手。
你会明显感觉到:
有没有这种经历:
这个时候,不要硬啃。
你可以直接在 Cursor 里用:
@web 项目链接
比如一个你完全没接触过的项目或方法论。
Cursor 可以帮你:
这是我目前用过,理解陌生代码成本最低的方式。
说一句可能有点扎心的话:
大多数时候, 不是 AI 不聪明, 是你给它看的东西太少、太乱。
@ 命令,本质上不是快捷键。
它解决的是一个更底层的问题:
👉 你让 AI 站在什么视角帮你干活?
如果你记住一件事就够了:
Cursor 用得好不好, 不在于你问了多少 Prompt, 而在于你有没有把“正确的上下文”交给它。
而 @ 命令, 就是你把上下文交给 AI 的最佳方式。