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？
从实际经验来看，最大的挑战往往落在提示词上。
之前有一个开源的 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。原因何在？
要让 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上做得非常到位。从开源项目中获取到了 Cursor 的提示词，读完之后不得不感叹——写得真好。下面就来拆解其中的精髓，很多技巧对开发自己的 AI 应用会有很大帮助。
Cursor 提示词总览
Cursor 有多套提示词，每套提示词适用于不同的场景。例如：
- 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。建议用 Markdown 阅读器或代码编辑器打开，比如 VSCode，可以一边阅读一边让 AI 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！有时随便说一句话 AI 都得搞个长篇大论。
英文原版和中文版提示词都已整理好，方便对照阅读。
Agent 提示词拆解
接下来以 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。
就像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。
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。
下面依次分析每个模块。
1、角色定义
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 持续运行的模式，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。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。
比如有人强调一遍“记得点赞”，你可能不以为然，再强调第二遍，但你还是没有被触动，于是第三遍又来了…… 这就是重复强调的道理。
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。之前某个 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，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。
有个典型的场景：用户睡觉前让 AI 跑个大任务，结果第二天发现 AI 在等人确认是否要安装依赖，卡了一晚上。
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，最后一点非常值得学习。就像程序员遇到 Bug 时一样，一个关键词可能无法搜索到想要的答案，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。这样做避免了对话框空间被大量代码块占据。
- 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，体验会很差。当然，这也只是一个约束，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其中的某一行，难道要重新把这 5000 行代码输出一遍吗？更高效的方式是提供给 AI 一个支持“字符串替换”的代码编辑工具，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。
summarization
这部分比较简短，只添加了一个约束——AI 应该处理最重要的查询。这其实是强行调整 AI 的注意力焦点。随着对话进行，用户可能会提出新的、更优先的需求，有了这段提示词，AI 可以转移任务重心，优先处理用户的核心诉求。
好比一个人正在处理工作，老板突然说：“别干了，出去团建去！”那当然不可能还继续干之前的工作。
memories
这段提示词虽然很长，但核心功能是为了让 AI 正确使用 Cursor 的对话记忆功能，了解一下就好。
3、支持的工具
Tools 模块的内容非常长，占了整个提示词的 80%，但其实很好理解：给 AI 提供各种各样的工具，并且将每个工具的作用、用法、注意事项描述清楚。
由于工具较多，在最外层将工具通过 namespace 命名空间进行分类，包括 functions 和 multi_tool_use，为 AI 提供了一个清晰的工具层级。
命名空间下有很多工具，比如代码库搜索工具。
从这个模块中，能学到一些小技巧：
- 工具的定义内部通过
###标题语法来创建逻辑分段，让文档内容层次分明，便于解析和理解。 - 工具提供了使用示例，并用一段简短的推理来评估使用方式是否正确。这其实是写提示词的经典技巧
Few-shot，通过手把手举例教学，帮助 AI 理解工具的正确使用方法，能很大程度提高 AI 输出的准确度。
至此，我们把 Cursor 的 Agent Prompt 拆解完了。感兴趣的话可以看看其他 Prompt，比如记忆模块的 Prompt 定义了一套过滤评估机制，指导 AI 判断哪些信息值得长期记忆，哪些应当舍弃，避免无用、错误内容干扰记忆质量。文本评估也是 AI 典型的应用场景之一。
总结
最后，通过对 Cursor 提示词的拆解，可以提炼出一些提示词编写原则：
- 明确角色和目标。
- 不要只告诉 AI 做什么，还要指导它怎么做，最好给出详细的流程。
- 零散的指令很容易被忽略，所以 Prompt 需要模块化、格式化，还可以通过重复、强调等方法强化。
- 如果 AI 需要使用工具，为每个工具提供详尽的说明、场景和范例。
- 如果 AI 的输出需要被其他程序消费，那么一定要在提示词中严格定义输出格式，保证输出内容的结构化。
如果内容对你有帮助，不妨点个赞。这个操作其实挺简单的，把手按在手机上，或者敲两下就可以了，你学会了么？
