Я спочатку написав цю статтю, яка набрала багато популярності тут на Medium: Top 10 Tips After 6 Months Using Cursor.
Три місяці потому я вражений тим, скільки ще нового я відкрив. Ось мої останні потужні поради, які піднімуть вашу гру з Cursor на новий рівень.
1. Неймовірні можливості режиму агента Composer
Cursor Composer — це розширена функція, що дозволяє редагувати кілька файлів і створювати повні програми за допомогою AI. Вона виходить за межі редагування окремих рядків і файлів, дозволяючи одночасно створювати та змінювати кілька файлів.
Ключові можливості:
a. Багатокористувацькі Composer'и
- Запуск кількох composer'ів одночасно для виправлення різних частин вашої кодової бази
- Уникайте використання в режимі YOLO, щоб запобігти ускладненням
Кілька агентів Composer
b. Підтримка ітерацій linting'у
- Composer автоматично намагається виправити проблеми з linting'ом у згенерованому коді
- На даний момент підтримується одна ітерація для більшості мов програмування
c. YOLO режим (Використовуйте обережно)
- Запускає консольні команди та обробляє вихідні журнали для постійних поліпшень. Попередження: AI може помилятися. Будьте надзвичайно обережні, особливо на робочих комп'ютерах, оскільки термінали мають доступ до приватної інформації
- Функція дозволяє AI автоматично виконувати команди в терміналі, встановлювати пакети, керувати серверами розробки та намагатися виправляти помилки на основі вихідних результатів команд
2. Інтеграція документації сучасного стеку
Cursor дозволяє додавати документацію, щоб вона відповідала сучасним кращим практикам:
- Доступ до сторонніх документів за допомогою символу @Docs
- Додавайте слеш в кінці URL для індексації всіх підсторінок
- Керуйте документацією в Cursor Settings > Features > Docs
- Додавайте власну документацію через @Docs > Add new doc
Моя документація в Cursor
3. Стратегічне використання .cursorrules
Більше контексту може розмивати фокус, особливо в довших розмовах. Зберігайте правила зосередженими і розгляньте можливість використання Readme.md для розгортання та операційних довідок.
Приклад .cursorrules:
- Використовувати deploy.sh для розгортання фронтенду/бекенду (на основі Terraform)
- Оптимізувати для різниць в коді/infrastructure для Lambda
- Уникати прямого розгортання через AWS CLI; використовувати лише для отримання логів для налагодження
- Пам'ятати про CORS та IAM дозволи в AWS
- Переконатися, що збірки сумісні з Linux (особливо з MacOS)
- Правильно налаштувати дозволи AWS Bedrock та SES
- Регіон: us-west-2
- Фронтенд в корені, бекенд в /backend
4. Стандартні правила проєкту
Налаштуйте загальні правила в Cursor Settings > General:
1. Я на Mac з архітектурою ARM64. Переконатися, що збирання docker образів тощо відбувається в Linux, де це необхідно, і використовувати Rosetta, якщо це доречно. Я зазвичай збирання і розгортання здійснюю для Linux середовищ.
2. Використовувати yarn замість npm та інших менеджерів пакетів.
3. Ніколи не використовувати плейсхолдери в текстах відповідей для коду.
4. Якщо нова інформація суперечить старій, перевірте документацію, якщо вона є, і завжди віддавайте перевагу новим методам.
5. Перед виконанням будь-яких команд консультуйтеся з документацією, особливо при роботі з aws cli.
6. Якщо ви дізналися щось цікаве про проєкт, що може бути корисним у майбутньому, порадьте додати це до .cursorrules.
5. CMD+SHIFT+V / CTRL+SHIFT+V
Вставка без контексту для вкладеного контенту, корисно при введенні тексту з додатковими інструкціями в тому ж повідомленні.
6. Інтеграція з Stack Overflow
Вставляйте посилання на Stack Overflow або GitHub для покращеної допомоги. Cursor обробляє вміст для поліпшення логіки, оскільки часто LLM не навчається на цих даних, що є одним з найцінніших джерел інформації для технічної підтримки.
7. Пріоритет перевірених рішень
Перевірене програмне забезпечення та інфраструктура краще працюють з AI завдяки обширним навчальним даним. Нові методи можуть мати обмежену кількість навчальних даних LLM або онлайн-ресурсів для усунення несправностей.
Зосереджені розмови Composer і поетапний розбір
Для складних проєктів я використовую цей ітераційний підхід з Claude Sonnet 3.5:
1. Початкове планування.
Запитайте у AI (в одній розмові):
“Який найкращий підхід, покроково, для впровадження/вирішення [проблеми]?”
2. Виконання кроку 1
Запит (в тій самій розмові):
“Дай мені повний запит для кроку 1, детально описавши, що потрібно зробити”
- Вставте це в нову розмову Composer
- Виконайте роботу
- Попросіть підсумок того, що було зроблено
3. Ітераційний прогрес
- Поверніться до першої розмови з:
Я завершив крок 1, ось підсумок того, що було зроблено: {підсумок}. Тепер запропонуйте супер-запит для кроку 2, який я можу вставити в нову розмову для надання вказівок щодо того, що потрібно зробити.
4. Повторіть процес
- Почніть нову розмову з запитом для кроку 2
- Отримайте підсумок роботи
- Поверніться до оригінальної розмови
- Попросіть запит для наступного кроку
…. і так продовжуйте для кожного кроку. Це використовує переваги того, що кожне завдання має свій контекст, і не плутає LLM занадто великою кількістю інформації одночасно.
Ось і все!
Будь ласка, не соромтесь звертатися до мене для додаткової інформації через DM або через surescale.ai (ми розробляємо проєкти з використанням AI!)
Буду дуже вдячний за клап, якщо вам сподобалося — я не пишу ці статті за допомогою AI, тому це допомагає підвищити якість контенту на Medium.
Перекладено з: Cursor On Steroids: Top 8 Tips You Need To Know NOW (January 2025)!