我用了Cursor一年多，从最初的月抛选手到现在的精打细算，踩了不少坑。这篇文章把我积累的实战技巧全部分享出来，没有废话，只有可操作的策略。

一、上下文控制——省Token最大的杠杆

反常识的事实：你消耗的token里，80%不是模型思考用的，而是上下文塞进去的。

❌ 反例：让Agent自由扫描项目

让Agent"帮我改一下用户注册表单的邮箱验证"——Agent开始自动分析项目结构，翻遍路由、控制器、模型、组件、样式文件。为了改一个邮箱验证规则，读了几十个无关文件。

💸 浪费：8000~15000 token

✅ 正确做法

做法	说明
用@精准引入	能@函数不@文件，能@文件不依赖自动扫描
用Cmd+K	选中代码后直接修改，上下文天然就是选中部分
用.cursorignore	把node_modules、dist、*.lock排除掉

❌ 反例：一个对话用到底

一个Chat从周一开到周五，经历了47轮。到第47轮，你只是想加一个简单的排序功能，但对话上下文已经塞了几万token的历史。

💸 浪费：第47轮一个简单问题，光历史上下文就多消耗3000~5000 token。开新对话只需300~500 token描述背景。

Cursor每轮都携带完整历史，第10轮的成本约是第1轮的10倍。

二、Prompt工程——一次问对，减少来回

结构化描述替代段落

❌ 反例：200字自然语言啰嗦描述

✅ 正确做法：

用户列表搜索
- 搜索字段：用户名、邮箱、手机号、注册时间范围
- 分页：20条/页
- 排序：注册时间↓、用户名↑
- UI：搜索框+搜索按钮+重置按钮
- 状态：loading/空结果/错误
NE（no explanation，只给代码）

三个实战技巧

技巧	说明
建立个人缩写词典	在.cursorrules里定义：NE=no explanation、TS=add TypeScript types
指定输出范围	末尾加"只输出需要修改的行，不要解释"
用@Docs替代粘贴	让Cursor按需检索，只读相关部分

三、模式选择——按任务匹配成本

从省到贵排序：Tab < Cmd+K < Chat < Plan < Agent

任务类型	推荐模式	预估消耗
改变量名、格式化、加注释	Tab补全/Cmd+K	极低
单文件逻辑修改	Chat + 精准@	低
架构讨论、方案调研	Plan（不写代码）	低~中
跨文件复杂功能	Agent	高

四、黄金工作流——Ask → Plan → Edit

核心原则：用Ask对齐理解，用Plan对齐方向，用Agent执行确定的事。越晚进入Agent，浪费的token越少。

❌ 反例：还没想清楚就开干

想把用户认证从JWT换成Session，直接在Agent里输入需求。Agent做到一半突然发现，Session方案需要Redis，项目环境不支持。

💸 直接浪费：20000~30000 token，时间成本2小时变4小时。

✅ 正确姿势

Step 1 — Ask："当前JWT改成Session有哪几种方式？需要什么基础设施？"
         → 发现需要Redis，环境不满足
         → 直接毙掉方案，零token浪费

Step 2 — Ask："不换Session，JWT有什么改良方案？"
         → 得到答案：加Refresh Token + 黑名单机制

Step 3 — Plan：列出需要改的文件和步骤 → 审查确认

Step 4 — Agent：按计划执行修改

Ask + Plan阶段用了不到1000 token，避免了20000+ token的错误执行。

五、任务拆解策略——三段式工作流

❌ 反例：一次让模型写完整功能

✅ 三段式工作流：

轮次	内容	Token
第一轮	生成数据库模型→审查→确认	~5000
第二轮	生成API接口（基于已确认的模型）	~4000
第三轮	生成前端页面（基于已确认的API）	~4000
第四轮	WebSocket+邮件通知补充	~3000

总消耗：16000~18000 vs 单次完整功能25000~40000

六、Rules与系统提示优化

❌ 反例：.cursorrules写了200行

💸 200行 ≈ 1000~1500 token/轮对话。假设每天30轮，一个月浪费约90万token。

新版.cursor/rules/目录结构

.cursor/rules/
├── typescript-rules.mdc    # 只在编辑.ts文件时注入
├── python-rules.mdc        # 只在编辑.py文件时注入
├── frontend-rules.mdc      # 只在编辑frontend/目录时注入
└── global-rules.mdc        # 始终注入

七、复用与缓存

错误修复时只贴报错

❌ 差：把整个600行文件@进去问为什么报错

✅ 好：

报错：TypeError: Cannot read property 'id' of undefined
位置：src/api/user.ts line 87
相关代码：
const userId = user.id  ← 第87行
user来自：listUsers()的返回值

八、Token消耗速查

操作	典型消耗	一句话原则
Tab补全	几乎免费	小改动用Tab
Cmd+K选中修改	200~500	单函数修改用它
Chat + 精准@	500~2000	单文件逻辑用Chat
Plan模式	500~2000	先计划再执行
Agent模式	5000~20000+	复杂的、确定的再用

九、核心心智模型

把模型当成一个记忆力极强但注意力有限的同事。你给他的材料越精准，他的注意力越集中，结果越好，消耗越少。堆砌上下文不等于给更多帮助，往往适得其反。

原则	说明
上下文是最大变量	Agent自动扫描虽方便，但可能引入大量无关代码
对话长度复利递增	第10轮成本约是第1轮的10倍
Rules是隐形消耗	精简到只留真正改变行为的规则
Agent是最后的手段	单文件改动用Cmd+K足够