处理上下文 ¶
Cursor 是一款基于大型语言模型（LLM）的编码辅助工具，旨在通过理解用户的输入和上下文来提供高效的编码建议。要充分发挥 Cursor 的潜力，理解和利用上下文（Context）是关键。本指南将深入探讨上下文的定义、类型、提供方式以及优化策略，帮助您在编码中更好地与 Cursor 协作。
一、什么是上下文（Context）？ ¶
在 Cursor 中，上下文 是指提供给模型的信息（以“输入令牌”或 Input Tokens 的形式），用于预测后续信息（以“输出令牌”或 Output Tokens 的形式）。简而言之，上下文是模型理解您需求的基础，它决定了 Cursor 提供建议的质量和准确性。
上下文可以分为两种类型：
- 意图上下文（Intent Context）：定义用户希望模型实现的目标。例如，系统提示（System Prompt）通常是高层次的指导，告诉模型如何行为。“将按钮从蓝色改为绿色” 是一个明确的意图表述，具有指导性。
- 状态上下文（State Context）：描述当前的环境或状态。例如，提供错误消息、控制台日志、代码片段或图片，这些都是状态相关上下文，具有描述性而非指导性。
这两种上下文相互配合，通过描述当前状态和期望的未来状态，帮助 Cursor 提供有用的编码建议。
为什么上下文重要？ ¶
如果在 Cursor 中提供的上下文不足，模型可能会：
- 产生幻觉（Hallucinations）：在没有足够信息时，模型会尝试进行模式匹配，导致意外结果。特别是对于像
claude-3.5-sonnet这样的模型，如果上下文不足，这种情况会更常见。 - 自行收集上下文：模型可能会主动搜索代码库、读取文件或调用工具来获取更多信息。虽然像
claude-3.7-sonnet这样的强大模型能做到这一点，但初始上下文的质量会显著影响其搜索方向和结果。
好消息是，Cursor 内置了上下文感知功能，设计上尽量减少用户手动干预。它会自动拉取可能相关的代码库部分，例如当前文件、其他文件中的语义相似模式，以及会话中的其他信息。然而，手动指定相关上下文仍然是一个有效的策略，可以更精准地指导模型。
二、如何在 Cursor 中提供上下文？ ¶
为 Cursor 提供相关上下文是提升其表现的关键。以下是几种主要方法，可以帮助您高效地提供上下文。
1. 使用 @-符号提供明确上下文 ¶
使用 @-符号 是最简单直接的上下文提供方式，适用于您明确知道需要包含哪些文件、文件夹或其他信息时。@-符号允许您以更精准的方式指定上下文，避免模型处理不相关信息。以下是常用的 @-符号类型及其应用场景：
| 符号 | 示例 | 使用场景 | 缺点 |
|---|---|---|---|
@code |
@LRUCachedFunction |
明确知道某个函数、常量或符号与目标相关 | 需要对代码库有深入了解 |
@file |
cache.ts |
知道某个文件需要被读取或编辑，但不确定具体位置 | 文件较大时可能包含无关上下文 |
@folder |
utils/ |
文件夹中大部分或全部文件都与任务相关 | 可能包含大量不相关上下文 |
通过在 Cursor 的提示中输入 @ 符号，您可以快速选择相关代码、文件或文件夹，确保模型聚焦于您指定的内容。
2. 通过规则（Rules）提供长期上下文 ¶
规则（Rules） 可以被视为长期记忆，适用于您希望自己或团队其他成员反复使用的上下文。规则特别适合用于捕获特定领域知识，例如工作流程、格式化规范或其他惯例。
-
创建规则：您可以手动编写规则，或者通过命令
/Generate Cursor Rules从现有对话中生成规则。如果您与 Cursor 进行了长时间的对话，并涉及大量提示，其中可能包含一些有用的指令或通用规则，生成规则可以帮助您重复利用这些内容。 -
规则的应用：规则可以在团队中共享，确保每个人在编码时都能遵循相同的标准和流程。
3. 使用模型上下文协议（MCP） ¶
模型上下文协议（Model Context Protocol, MCP） 是一个扩展层，允许您为 Cursor 添加执行操作和获取外部上下文的能力。根据您的开发环境，可以连接不同类型的服务，以下是两个常见的类别：
- 内部文档：例如 Notion、Confluence、Google Docs。
- 项目管理工具：例如 Linear、Jira。
如果您有现有的工具可以通过 API 访问上下文或执行操作，可以为其构建 MCP 服务器（具体指南请参见：构建 MCP 服务器教程）。
4. 自我收集上下文（Self-Gathering Context） ¶
一个强大的模式是让 Cursor 的代理（Agent）编写临时工具并运行这些工具以收集更多上下文。这种方法在“人在回路”（Human-in-the-Loop）的工作流中尤为有效，您可以在执行前审查代码。
例如，通过以下步骤在 Python 中实现动态上下文收集：
- 提示代理在代码的相关部分添加
print("debugging: ...")语句。 - 使用终端运行代码或测试。
- 代理会读取终端输出并决定下一步操作。
这种方法的核心在于让代理访问实际运行时行为，而不仅仅是静态代码，从而获取更丰富的上下文信息。
三、优化上下文提供的策略 ¶
为了让 Cursor 的建议更加精准和实用，您可以采取以下策略来优化上下文提供：
-
提供全面而具体的上下文：
- 结合意图上下文和状态上下文，清晰描述当前状态和期望结果。例如，在请求修复错误时，提供错误消息、相关代码片段以及您的修复目标。
- 使用 @-符号精准指定相关文件或代码，避免模型处理过多无关信息。
-
利用规则减少重复提示：
- 将常用的指导原则或团队规范保存为规则，避免每次都重新输入相同的提示。
-
结合动态上下文：
- 对于复杂问题，考虑使用自我收集上下文的策略，让 Cursor 运行临时代码并分析输出。这在调试和动态行为分析中尤为有用。
-
定期审查和调整上下文：
- 如果模型的建议不准确，检查您提供的上下文是否足够或是否过于宽泛。根据需要调整提示或上下文内容。
四、Cursor 上下文工作中的注意事项 ¶
在实际使用中，了解以下几点可以帮助您更好地与 Cursor 协作：
- 上下文窗口的限制：上下文窗口是指模型能够一次性处理的令牌数量上限。Cursor 会自动管理上下文窗口，优先处理最相关的上下文，但如果您提供的信息过多，可能会导致部分上下文被截断。
- 模型的行为差异：不同模型对上下文的依赖程度不同。例如，
claude-3.5-sonnet在上下文不足时容易产生幻觉，而claude-3.7-sonnet更擅长主动收集上下文。 - 手动干预的价值：尽管 Cursor 的自动上下文感知功能强大，但手动指定上下文通常能更快地将模型引导到正确方向。
五、总结 ¶
上下文是 Cursor 有效编码的基础。通过结合意图上下文（您想要什么）和状态上下文（当前情况如何），Cursor 能够提供精准的编码建议。以下是几个关键要点：
- 使用 @-符号（
@code、@file、@folder）精准指定上下文，避免依赖模型自动推断。 - 利用规则（Rules）保存长期记忆，减少重复提示。
- 通过 MCP 扩展 Cursor 的能力，连接外部工具和上下文。
- 采用自我收集上下文策略，特别是在调试和动态分析中。
通过掌握以上方法，您可以显著提升 Cursor 在编码任务中的表现，节省时间并提高代码质量。上下文不仅是与 AI 协作的基础，也是解锁其潜力的关键。