扒了下 Cursor 的提示词，被狠狠惊艳到了！

程序员鱼皮

发布于 2026-06-11 19:25:09

文章被收录于专栏：鱼皮客栈鱼皮客栈

如果让你开发一个 AI 编程工具（比如 Cursor），你觉得最大的难点是什么？

是前端技术、后端技术、UI 设计、还是别的？

我觉得是提示词。

我之前手把手带大家做过一个 开源的 AI 代码生成平台，也能生成完整的应用，但无论是生成速度还是效果都不如 Cursor 要好。

要想让 AI 生成的效果好，不仅需要能力强的大模型，还需要精心编写的提示词。

Cursor 在提示词和工程化这点做的就很好，于是我从开源项目中获取到了 Cursor 的提示词，写的非常好，真的是惊艳到我了。所以本期我要带大家学习其中的精髓，很多技巧对我们自己开发 AI 应用会有很大的帮助。

Cursor 提示词总览

Cursor 有很多套提示词，每套提示词适用于不同的场景。比如：

Agent 模式提示词：让 AI 能够自主地分析、规划并执行编码任务，直到问题被彻底解决。
CLI 命令行提示词：适用于可交互命令行环境
Chat 对话提示词：适用于以对话问答为主的场景，能快速响应用户的问题。
Memory 对话记忆提示词：评估 AI 的长期记忆，保证 AI 能够从历史交互中学习并沉淀高质量的通用偏好记忆。

其中，最值得学习的是 Agent 模式提示词，足足有 500 多行。建议大家用 Markdown 阅读器或代码编辑器打开，比如我用 VSCode，可以一边阅读一边让 AI 给我解释。

不得不吐槽一句，这么长的提示词，token 消耗快不是没有原因的！有时我随便说一句话 AI 都得给我搞个长篇大论。

Agent 提示词拆解

接下来我们以 Agent 提示词为例，拆解一下 Cursor 提示词的写法。

跟阅读开源项目一样，先整体再局部分析。

整体结构分析

整体来看，这个提示词分为三大模块：角色定义、操作约束、和支持的工具。

就跟我们塑造一个游戏角色一样，先知道你是谁、你能做什么、你要做什么；再开始给角色点技能、教他怎么做；最后给角色持续买装备、教他怎么用，越来越强。

💡 我们写提示词也可以按照这个思路，让 AI 先从宏观上理解它的身份和目标，再到微观上遵循每一步的行动规范。

下面我们依次分析每个模块。

1、角色定义

提示词：

这段提示词上来就定义了：

你是谁？编程助手
你在做什么？和用户结对编程
你的任务是什么？解决编程问题

💡 这也是典型的提示词编写技巧，通过明确角色、背景和目的，确保 AI 生成的内容聚焦于某个具体的领域和场景，提升输出的有效性。

接着往下看：

“你必须一直运行到完全解决用户的问题” 这里进一步明确了 AI 的角色，并且赋予 AI Agent 的持续运行模式，让 AI 有能力处理复杂、多步骤的任务。

💡 不知道大家有没有注意到，这段内容的表达有点冗余，多次重复了 “继续工作”、“解决查询”。这也是写 Prompt 常用的一种手段，我们知道，AI 跟人一样，在接受信息比较多的情况下，很可能会忘记一部分内容、或者忽略掉一些重点。通过从不同的角度 反复强调 同一个事情，能够强化 AI 的理解、保证这段内容的权重，也能在一定程度上消除 AI 理解 Prompt 时的歧义。

比如鱼皮说一遍 “记得点赞三连”，你可能不以为然，所以这里我要说第二遍 “求你点赞三连”，但你可能还是没有被打动，所以我要说第三遍 “在你没有点赞三连之前，请你先点赞三连”。

💡 还有个类似的技巧叫 Re-Reading 重读，又称 Re2。其实就是复读机，通过让模型重新阅读一遍问题来提高推理能力，有文献印证了它的效果。

2、操作约束

接下来的提示词就是在教 AI 做事。

分为 6 个部分，每个部分都是用一组对称的 HTML 标签括了起来，结构非常清晰。

communication

见名知意，这里就是在告诉 AI “怎么说话”，便于用户理解。

规定了 AI 的响应要使用 Markdown 格式，以及如何格式化文件名、函数名，如何使用定界符来展示数学公式。

💡 统一输出格式不仅能帮助用户阅读，而且也有利于后续对输出文本的处理。

鱼皮之前带大家做的 AI 零代码应用生成平台项目 中，提示词内也约定了输出格式：

tool_calling

这是整个提示词中非常关键的约束部分，是 AI 使用工具时必须要遵守的原则。

比如：

禁止 AI 在和用户交流时直接提及工具名称。
鼓励 AI 优先通过调用工具获取信息，而不是直接向用户提问，避免一些无意义的交互影响用户的体验。
一旦制定计划，应立即执行，无需等待用户确认。这也是 AI 经常出现的情况，制定计划之后总是会结束会话并询问用户是否执行。
在不确定代码库结构或文件内容时，必须使用工具读取信息，禁止猜测。

💡 这一段提示词中，我们能学到几个技巧：

通过设定负面指令（大写的 NEVER）和正面指令（大写的 ALWAYS），强化了对 AI 的行为约束。
通过 “切勿调用未明确提供的工具”、“仅使用标准的工具调用格式和可用的工具”、“读取文件而不是猜测或编造答案” 尽可能地消除 AI 的幻觉。
在合适的场景给 AI 放权，不用让它频繁找用户确认。

我印象很深刻，刚开始用 AI Agent 的时候，有一次我睡觉前让 AI 跑个大任务，结果第二天发现 AI 在等我确认需不需要安装依赖。。。合着卡了一晚上啥都没干！

maximize_context_understanding

这部分的作用是告诉 AI 如何进行思考和信息收集、最大限度地理解上下文，核心原则是全面和深入：

在回答前，必须通过工具或提问确保掌握了完整的上下文。
要追溯每个符号的定义和用法，确保完全理解。
强制 AI 使用多种不同措辞进行多次搜索，确保信息的完备性。

💡 其中，最后一点是我认为非常值得学习的，就跟我们程序员遇到 Bug 时一样，一个关键词可能无法搜索到我们想要的答案，就要多尝试几组关键词，得到足够多的信息后问题才更容易解决。

💡 这部分内容也是 思维链 CoT（Chain-of-Thought）和 ReAct（推理执行）的体现，给 AI 规划了一套具体、可执行的信息收集分析流程，让 AI 先尽可能思考、获取到足够的信息之后，再具体执行。

making_code_changes

这个模块的作用是 规范 AI 修改代码的行为：

禁止直接在聊天中输出代码，必须通过代码编辑工具来实现更改。这样做就避免了对话框的空间被大量的代码块占据。
强调生成的代码必须是 可立即运行的，要求 AI 自动处理好依赖、导入等所有前置条件。否则生成一堆没法用的代码的话，体验就很差了。不过这里也只是一个约束罢了，毕竟谁能保证一次性写出的代码 100% 能运行呢？
为 AI 设定了处理错误的循环机制，尝试修复最多3次，如果失败就向用户求助。

💡 对于 AI 编程工具来说，这段提示词非常重要。想象一下，如果已经生成了一个 5000 行代码的文件，结果用户只需要修改文件中的某一行代码，难道要重新把这 5000 行代码输出一遍么？更高效的方式肯定是提供给 AI 一个支持 “字符串替换” 的代码编辑工具，可以让 AI 只修改部分代码，不仅输出效率更高、修改更精准可控，还有利于对比修改前后的代码。