AI 编程实践：终极 Cursor 工作流

AI 编程实践：终极 Cursor 工作流

当前 AI 编程的痛点

AI 编程确实很强，但是最大的问题就是要编写良好的 prompt，而且 codebase 量级稍微庞大一点，大模型就会忙不过来。所以目前的最佳实践，就是把大 project 分解成一个个小步骤，让 LLM 去独立完成每一个小 part，最后连起来成为一个项目。

然而，连起来的过程可能会遇到问题：

• 你可以自己手动连，但因为每一个小 part 都是独立生成的，构建时没有考虑到整体的项目大局
• 链接的过程可能会很艰苦
• 甚至会出现”一坨加上另外一坨”的尴尬现象

这就是所谓的 vibe coding，hate debugging 现象。

巧妙的解决方案

遇到这种情况，有一种很巧妙的解决思路：

对于目前的 codebase，保存当前进度的一个 snapshot，转换成 LLM 能看懂的文档，当作 LLM 生成下一个小模块的上下文。

我的 Cursor 工作流

基于以上思路，我整理出以下工作流程：

1. 制定计划 (Plan)
   • 从一个 plan 开始
   • 可以自己写，也可以让 LLM 写
   • 类似 PRD（产品需求文档），描述要做什么项目
2. 分阶段计划 (Phase Plan)
   • 根据整体 project plan
   • 生成分阶段的 phase plan
3. 分阶段执行
   • 对于每一个阶段：
     • 生成一个 instruction file（.md 文件）
     • 喂给 LLM 去生成代码
     • 重点：LLM 生成后，为当前 codebase 的 update 情况生成一个 md 文档
4. 迭代推进
   • 把 update 情况当作新的上下文
   • 进入下一个阶段
   • 重复步骤 3

总结

这种方法通过：

• 分而治之的策略
• 上下文保存和传递
• 迭代式开发

有效解决了大型项目中 AI 编程的上下文管理问题，让 AI 能更好地协助我们完成复杂项目的开发。

---

思考：你在使用 AI 编程时遇到过类似的问题吗？欢迎在评论区分享你的经验和解决方案！