AI编程副驾驶工作区：命令、规则与技能三位一体配置指南-编程阁

1. 项目概述：构建你的AI编程副驾驶工作区

如果你和我一样，每天都在和代码打交道，并且已经深度使用了Cursor这样的AI编程工具，那你肯定遇到过这样的场景：每次开启一个新项目，或者在不同的项目间切换时，你都得重新“调教”你的AI助手。你得一遍遍地告诉它：“嘿，这个项目用TypeScript，请遵循Google的代码风格，函数注释要写JSDoc，还有我们内部的那个数据验证库是这么用的……” 这个过程不仅繁琐，而且难以保证一致性，导致AI生成的代码质量时好时坏，严重依赖你当天的“提示词”状态。

deangrant/cursor-workspace这个开源项目，就是为了解决这个痛点而生的。你可以把它理解为一个“AI编程副驾驶的配置中心”或“技能包仓库”。它的核心目标，是让你能将那些经过实战检验、行之有效的AI指令（Commands）、代码规范（Rules）和领域知识（Skills）沉淀下来，变成可复用、可共享的资产。无论你是独立开发者，还是团队的技术负责人，这个项目都能帮助你将AI编程的体验从“一次性对话”升级为“可持续、可复现的工程化协作”。

简单来说，它通过一套清晰的目录结构，管理三类核心资源：

Commands（命令）：封装好的、可重复执行的工作流，比如“代码审查”、“生成单元测试脚手架”、“重构某个模块”，你一键就能触发。
Rules（规则）：定义代码应该如何被格式化、注释和组织的“宪法”，确保AI输出的代码符合你的团队规范。
Skills（技能）：向AI注入特定的领域知识，比如“如何使用H3进行地理空间索引”、“我们公司内部的用户鉴权流程”，让AI在相关上下文里变得更专业。

接下来，我将结合自己近半年的使用和定制经验，为你深度拆解这个工作区的设计哲学、每一部分的具体玩法，以及如何将它无缝集成到你日常的开发流中，真正释放AI编程的潜力。

2. 核心设计思路：为什么是命令、规则与技能的三位一体？

在深入实操之前，理解cursor-workspace为何采用“命令-规则-技能”这个三元结构至关重要。这并非随意划分，而是对应了AI编程助手（以Cursor为例）与开发者交互的三个不同层次，每一层都解决了不同维度的效率与质量问题。

2.1 命令：将复杂工作流封装为可重复的“宏操作”

命令的本质，是流程自动化。在日常开发中，我们有很多重复性的、多步骤的智力任务。例如，代码审查（Code Review）通常包含：理解代码变更、检查逻辑漏洞、评估性能影响、寻找潜在的安全问题、提出改进建议等多个环节。如果每次都在聊天框里从头开始描述，不仅效率低下，而且指令容易遗漏或变形。

cursor-workspace中的commands/目录，就是用来沉淀这些标准化工作流的。每个.md文件都是一个自包含的、精心设计的提示词（Prompt）。这个提示词不仅仅是一个问题，而是一个包含了目标、上下文、步骤和输出格式要求的完整脚本。

举个例子：假设我们有一个code-review.md命令。它的内容可能远不止“请审查这段代码”。它会这样设计：

“你是一名资深的后端工程师。接下来我将给你一段Git Diff格式的代码变更。请你以以下维度进行审查：
功能性：变更是否实现了需求？是否存在逻辑错误或边界情况未处理？
代码质量：是否符合项目的代码规范（引用已加载的规则）？命名是否清晰？函数是否过于冗长？
性能与安全：是否引入了潜在的性能瓶颈（如N+1查询）或安全风险（如SQL注入、XSS）？
可测试性：变更是否易于编写单元测试？是否破坏了现有测试？
改进建议：针对发现的问题，提供具体的、可执行的代码修改建议。请以表格形式输出审查结果，分为【问题类别】、【具体行号/描述】、【风险等级（高/中/低）】和【修改建议】四列。”

通过将这样的审查框架固化下来，无论哪个团队成员执行审查，都能得到结构一致、质量可控的输出。这极大地提升了代码审查的效率和客观性。

实操心得：设计命令时，最关键的是“场景化”和“结构化”。不要写“帮我优化代码”这种模糊指令。而是思考：“在什么具体场景下（如新功能开发、Bug修复、性能优化），我需要AI按什么固定步骤（如先分析、再评估、最后给出方案），产出什么格式的结果（如列表、表格、代码块）？” 把你想让AI扮演的角色、遵循的流程、输出的模板都写进去。

2.2 规则：为AI设定不容置疑的“代码宪法”

如果说命令是指导AI“做什么”，那么规则就是规定AI“怎么做”，尤其是在代码生成的细节上。规则的本质，是代码风格与规范的强制统一。

很多团队都有编码规范文档，但让AI（或新人）百分百遵守是另一回事。cursor-workspace中的rules/目录，存放的就是能被Cursor原生识别和加载的规则包。每个规则包通常包含一个.mdc文件（Cursor规则文件）和一个可选的README.md说明。

.mdc文件的内容非常具体，它直接告诉AI：

格式化：缩进是2空格还是4空格？尾随逗号要不要？字符串用单引号还是双引号？
命名约定：变量用camelCase，类名用PascalCase，常量用UPPER_SNAKE_CASE。
注释规范：函数注释必须用JSDoc/TSDoc格式，必须包含@param和@returns。文件头部是否需要特定格式的版权声明。
导入/导出顺序：先导入第三方库，再导入内部模块；按字母顺序排序。
禁用模式：禁止使用var，禁止使用==，必须使用===。

为什么这比口头要求有效？因为当规则被加载后，AI在生成或修改代码时，会将这些约束作为“硬性要求”融入其思考过程。它不会生成一个缩进混乱的代码块然后让你去格式化，而是从一开始就产出符合规范的代码。这对于维护大型项目、多人协作时的代码一致性具有革命性意义。

注意事项：规则不是越多越好。过于严苛或琐碎的规则可能会限制AI的创造力，或导致它把精力过多花在格式上。建议从团队最核心、最容易出错的规范开始（如命名、基础格式化），逐步迭代。另外，不同语言（Python, TypeScript, Rust）的规则差异很大，最好为每个主要语言建立独立的规则包。

2.3 技能：赋予AI垂直领域的“专家经验”

技能是cursor-workspace中最能体现其价值的部分。技能的本质，是上下文知识的注入与激活。

AI大模型拥有海量的通用知识，但它对你手头项目特有的“领域知识”（Domain Knowledge）一无所知。这些知识包括：

内部架构：你的微服务A如何调用服务B？网关的鉴权逻辑是什么？
专有库/框架：你们内部封装的@company/ui组件库该如何使用？自研的ORM有哪些特殊约定？
业务逻辑：订单状态机有哪几种流转？用户积分系统的计算规则是什么？
第三方服务集成：如何调用公司特定的支付接口？日志应该按照什么格式上报到内部的监控平台？

skills/目录下的每个技能，都是一个知识包。通常包含一个SKILL.md文件，里面系统地阐述了某个特定领域的知识。当Cursor的Agent（智能体）检测到当前对话或代码上下文与某个技能相关时，它会自动“激活”这个技能，将里面的知识作为参考，从而给出更精准、更专业的建议。

例如，你有一个关于“使用H3进行地理空间索引”的技能。SKILL.md里会详细说明：

H3是什么，解决了什么问题。
核心概念：分辨率、六边形索引、父子单元格。
常用操作示例：如何将经纬度转换为H3索引，如何查找某个索引相邻的单元格，如何进行区域聚合。
在你们项目中的典型应用场景：用户地理位置快查、区域热力图生成。
相关的代码片段和最佳实践。

当你在开发一个地图相关功能，并在聊天中提到“附近的人”时，Cursor Agent 就有可能调用这个技能，直接建议你使用H3索引来实现，并给出正确的API调用示例，而不是泛泛而谈地讨论地理位置查询。

核心技巧：编写技能文档时，要模仿优秀的技术文档或维基百科词条。结构清晰、概念准确、示例实用。避免冗长的叙述，多用列表、代码块和表格。重点回答：“是什么？”、“为什么用？”、“怎么用？”、“有哪些坑？”。一个好的技能，应该能让一个对该领域不熟的AI，瞬间变成“半个专家”。

3. 工作区部署与核心配置实战

理解了三大核心组件后，我们来实战如何将cursor-workspace部署到你的开发环境中，并进行个性化配置。整个过程就像为你的IDE安装一个超级插件包。

3.1 环境准备与工作区克隆

首先，你需要将工作区仓库获取到本地。最直接的方式是使用Git克隆。

# 克隆仓库到本地你喜欢的目录，比如 ~/dev/ 下 git clone https://github.com/deangrant/cursor-workspace.git ~/dev/cursor-workspace

克隆完成后，进入目录，你会看到清晰的commands/,rules/,skills/三个子目录结构。原仓库已经提供了一些示例，这是非常好的学习材料。

下一步，也是至关重要的一步，是让Cursor能够发现并使用这个工作区。Cursor 寻找这些配置的路径是固定的，通常在你的用户主目录下或项目根目录下的.cursor隐藏文件夹中。有两种主流的集成方式：

全局配置（推荐给个人用户）：将工作区链接或复制到你的用户全局.cursor目录下。这样，所有项目都能共享这套配置。

# 假设你的用户主目录是 /Users/yourname # 首先，确保全局 .cursor 目录存在 mkdir -p ~/.cursor # 然后，将工作区的三个核心目录链接到全局位置 # 使用软链接可以保持同步更新，如果你打算修改原仓库的话 ln -s ~/dev/cursor-workspace/commands ~/.cursor/commands ln -s ~/dev/cursor-workspace/rules ~/.cursor/rules ln -s ~/dev/cursor-workspace/skills ~/.cursor/skills

这样做的好处是一劳永逸，在任何项目中打开Cursor，你预设的命令、规则和技能都可用。

项目级配置（推荐给团队项目）：将工作区（或其中一部分）放在具体项目的版本控制中。这对于保证团队所有成员使用完全一致的AI辅助环境至关重要。
```
# 在你的项目根目录下 mkdir -p .cursor # 你可以选择复制整个工作区，或者只复制当前项目需要的部分 cp -r ~/dev/cursor-workspace/rules/google-python-style .cursor/rules/ cp -r ~/dev/cursor-workspace/skills/project-auth-system .cursor/skills/
```
然后，将.cursor目录加入.gitignore的例外，提交到Git。这样，任何克隆该项目的队友，都会自动获得相同的AI配置。这是实现团队编码规范统一和知识沉淀的利器。

3.2 命令的调用与自定义：从使用到创造

部署好后，我们来看看命令怎么用。在Cursor的聊天界面中，你有多种方式调用commands/下的预设命令。

方式一：@ 文件引用。这是最直观的方式。在聊天框中输入@，Cursor会列出当前上下文中可用的文件，你可以导航到你的命令文件（例如@/Users/yourname/.cursor/commands/code-review.md），选中它，文件内容就会作为提示词被发送。你只需要在后面附上要审查的代码即可。
方式二：粘贴文件内容。直接用文本编辑器打开命令.md文件，复制全部内容，然后粘贴到Cursor聊天框并发送。
方式三：设置为自定义命令（最佳实践）。Cursor支持将常用的提示词保存为自定义命令，并绑定快捷键。操作路径通常是：Cursor -> Settings -> Custom Commands。点击“Add New”，给命令起个名字（如“Deep Code Review”），然后将命令文件的内容粘贴到“Prompt”区域。你还可以指定这个命令适用的文件类型（如*.js,*.ts,*.py）和触发方式（如快捷键Cmd+Shift+R）。

创建你自己的第一个命令：让我们动手写一个实用的命令。假设我们经常需要为函数生成详细的JSDoc注释。

在commands/目录下新建一个文件generate-jsdoc.md，内容如下：

# 生成完整JSDoc注释 你是一个经验丰富的TypeScript/JavaScript开发者，擅长编写清晰、规范的代码文档。 ## 任务 请为我选中的函数（或下面我提供的函数代码）生成一个完整的、符合规范的JSDoc注释块。 ## JSDoc规范要求 1. 必须包含 `@description` 部分简要描述函数功能。 2. 必须为每一个参数添加 `@param` 标签，说明其类型、名称和用途。如果参数是可选的，需注明。 3. 必须包含 `@returns` 标签，说明返回值的类型和含义。 4. 如果函数可能抛出异常，使用 `@throws` 标签说明。 5. 如果函数有副作用（如修改外部状态、发起网络请求），使用 `@sideeffects` 标签说明。 6. 注释块应紧贴函数声明上方。 ## 输出格式 请直接输出添加了JSDoc注释后的完整函数代码。不要输出任何额外的解释文字。 ## 示例（仅供参考） **输入函数：** ```typescript function calculateDiscount(price: number, isMember: boolean = false): number { let discount = 0.1; if (isMember) discount += 0.05; return price * (1 - discount); } ``` **你应输出的结果：** ```typescript /** * 计算商品最终折扣价格。 * * @description 根据基础价格和会员身份计算应用折扣后的价格。 * @param {number} price - 商品的原始价格。 * @param {boolean} [isMember=false] - 购买者是否为会员，默认为非会员。 * @returns {number} 应用折扣后的最终价格。 * @sideeffects 此函数为纯函数，无副作用。 */ function calculateDiscount(price: number, isMember: boolean = false): number { let discount = 0.1; if (isMember) discount += 0.05; return price * (1 - discount); } ``` 现在，请为以下函数生成JSDoc注释：

保存文件后，你就可以通过上述任意方式使用它了。将这个命令绑定到快捷键（如Cmd+Shift+J）后，你只需要选中一个函数，按下快捷键，AI就会瞬间为它生成标准的注释。

3.3 规则的配置与生效：让AI“懂规矩”

规则（.mdc文件）的配置相对更“静默”。一旦你将规则包放置到正确的位置（全局的~/.cursor/rules/或项目的.cursor/rules/），Cursor通常会自动识别。

如何验证规则已加载？在Cursor中，打开一个属于该规则目标语言的文件（比如一个.py文件对应Python规则）。在聊天框或AI编辑界面，你可以尝试问：“当前项目激活了哪些代码规则？” 或者直接给AI一个编码任务，观察其生成的代码是否符合你规则中的约定（如缩进、引号等）。

深入解析一个规则文件：让我们看看一个典型的Python规则文件可能包含什么。它可能是一个名为google-python-style.mdc的文件，内容结构如下：

# 这是一个Cursor规则文件的示例结构 name: Google Python Style Guide description: 强制代码遵循Google Python风格指南。 scope: [".py"] # 此规则仅适用于.py文件 rules: - name: 导入分组与排序 pattern: | import语句应分为三组，每组之间空一行： 1. 标准库导入 2. 第三方库导入 3. 本地应用/库导入 每组内部按模块名称字母顺序排序。 example: | # 正确 import os import sys import pandas as pd import requests from myproject import utils from myproject.models import User # 错误 import sys, os import myproject.utils import pandas as pd - name: 使用4空格缩进 pattern: | 绝对不要使用Tab缩进。使用4个空格作为每一级的缩进。 example: | # 正确 def long_function_name( var_one, var_two, var_three, var_four): print(var_one) # 错误（使用了Tab或2空格） def long_function_name( var_one, var_two...) - name: 文档字符串格式 pattern: | 模块、类、方法的文档字符串使用三重双引号"""。 公共模块、函数、类、方法必须包含文档字符串。 一行文档字符串结尾的"""在同一行。 多行文档字符串，结尾的"""单独成行。 example: | # 正确 def fetch_data(url): """从指定URL获取数据。 Args: url (str): 目标资源的URL。 Returns: dict: 解析后的JSON数据。 """ # ... # 错误 def fetch_data(url): '''从指定URL获取数据。''' # ...

当AI在编写或修改Python文件时，这些规则会像“紧箍咒”一样起作用，引导它产出风格统一的代码。对于团队来说，这意味着新员工或AI生成的代码，在基础风格上就能与现有代码库无缝融合，省去了大量格式化调整的时间。

3.4 技能的创建与触发：打造领域专家

技能的创建是知识管理的过程。假设你要为你的团队创建一个关于“项目用户认证系统”的技能。

创建技能目录：在skills/下新建一个文件夹，例如project-auth-system。

编写核心技能文件：在该文件夹内创建SKILL.md。这是技能的核心。

# 项目用户认证与授权系统 ## 概述 本系统采用基于JWT（JSON Web Token）的无状态认证，结合RBAC（基于角色的访问控制）模型进行授权。 ## 核心流程 1. **登录**：用户提供用户名/密码，调用 `POST /api/v1/auth/login`。成功则返回一个Access Token和一个Refresh Token。 2. **Token格式**： - Access Token: 有效期为15分钟，存储在客户端（如LocalStorage），用于访问受保护接口。格式为 `Bearer <token>` 放在 `Authorization` 请求头。 - Refresh Token: 有效期为7天，用于在Access Token过期后获取新的Access Token（调用 `POST /api/v1/auth/refresh`）。 3. **API访问**：所有需要认证的API必须在请求头中包含有效的 `Authorization: Bearer <access_token>`。 4. **权限校验**：后端中间件会解析Token，将用户角色和权限注入到请求上下文中。每个API端点可以声明所需的权限（如 `user:read`, `order:write`）。 ## 关键代码片段 ### 前端：请求拦截器（Axios示例） ```javascript import axios from 'axios'; const apiClient = axios.create({ baseURL: process.env.API_BASE_URL }); apiClient.interceptors.request.use(config => { const token = localStorage.getItem('access_token'); if (token) { config.headers.Authorization = `Bearer ${token}`; } return config; });

后端：权限守卫中间件（Node.js/Express示例）

function requirePermission(permission) { return (req, res, next) => { const userPermissions = req.user?.permissions || []; if (!userPermissions.includes(permission)) { return res.status(403).json({ error: 'Forbidden' }); } next(); }; } // 在路由中使用 router.get('/admin/users', requirePermission('user:read'), getUserList);

常见问题与排查

401 Unauthorized：检查Token是否过期、格式是否正确、是否已失效。
403 Forbidden：用户角色不具备访问该端点所需的权限。
Token刷新失败：检查Refresh Token是否有效且未过期。Refresh Token通常只可使用一次。

（可选）添加README：可以创建一个README.md，简要说明这个技能的用途和适用场景。

当你在开发一个需要调用用户信息的前端组件，或者在编写一个需要权限校验的后端API时，Cursor Agent 在分析你的代码和对话后，可能会自动关联到这个技能。它就能基于这份准确的内部知识来提供建议，比如提醒你“别忘了在请求头里加Authorization”，或者“这个路由需要添加requirePermission('order:create')中间件”，而不是给出一个通用的、可能错误的OAuth 2.0实现建议。

4. 高级技巧与团队协作实践

掌握了基础用法后，我们来探讨一些能让你和团队效率倍增的高级玩法和协作模式。

4.1 命令的组合与条件逻辑

强大的命令可以包含简单的逻辑判断。例如，你可以创建一个“智能代码审查”命令，让它根据代码变更的规模自动调整审查深度。

在你的命令文件中，可以使用一些引导词来模拟条件判断：

“请审查以下代码。首先，评估本次变更的规模：
如果变更行数少于50行，请进行基础审查，聚焦于语法错误、明显的逻辑漏洞和代码风格。
如果变更行数在50到200行之间，请进行标准审查，在基础之上增加对性能影响和测试覆盖的评估。
如果变更行数超过200行，请进行深度审查，额外关注模块间耦合度、架构一致性和潜在的重构机会。然后，请根据评估的规模，执行相应深度的审查并输出报告。”

虽然AI不会真正执行“if-else”代码，但这种结构化的指令能有效引导它针对不同场景调整输出重点。

4.2 规则的继承与覆盖：处理多项目环境

你可能有多个项目，它们共享大部分规则，但又有细微差别。比如，公司所有Python项目都用4空格缩进，但A项目要求字符串用单引号，B项目要求用双引号。

策略一：基础规则与项目特定规则分离。

创建一个base-python.mdc，包含所有通用规则（4空格缩进、导入排序等）。
在A项目的.cursor/rules/下，放置base-python.mdc和一个project-a-override.mdc，后者只包含strings: use-single-quotes这一条规则。
在Cursor中，可以同时激活多个规则。AI会尝试合并它们，通常后加载或更具体的规则优先级更高。你需要测试确认合并后的行为是否符合预期。

策略二：使用规则的作用域（scope）字段。在规则文件的scope字段中，你可以指定更精确的路径模式。例如，一个规则可以只对src/components/目录下的.tsx文件生效，而另一个规则对src/utils/目录下的.ts文件生效。这允许你在一个项目内实现精细化的规则控制。

4.3 技能的版本化与团队共享

技能是团队知识的核心载体，其管理和共享至关重要。

版本控制：将你的cursor-workspace仓库（或包含技能的目录）纳入Git管理。任何对技能的增删改都通过Pull Request进行，并附带修改说明。这保证了知识的可追溯性和准确性。
分门别类：在skills/目录下建立子目录进行分类，如backend/,frontend/,devops/,business/。这样结构更清晰，也便于AI更精确地匹配相关技能。
团队入门引导：为新成员准备一份简明的“AI工作区使用指南”。内容应包括：
- 如何克隆和配置共享的工作区仓库。
- 团队最常用的3-5个命令及其使用场景（如代码审查、生成测试、数据库迁移脚本）。
- 项目必须加载的规则是哪些。
- 与当前项目最相关的几个技能是什么，鼓励他们在遇到相关问题时主动查阅或提醒AI使用。
定期维护：技术栈和业务逻辑在演进，技能也需要更新。可以设定每季度或每半年进行一次技能库的审查和更新，淘汰过时的内容，补充新的最佳实践。

4.4 与Cursor新特性的结合：MCP与Hooks

cursor-workspace的关键词中提到了 MCP 和 Hooks，这代表了Cursor更高级的扩展能力。

MCP (Model Context Protocol)：这是一个新兴的协议，旨在标准化AI应用与外部工具/数据的连接方式。虽然当前cursor-workspace可能还未深度集成MCP，但其理念是相通的。你可以将技能视为一种“静态的”上下文提供者。未来，更动态的MCP服务器可以实时从数据库、API、文档库中获取信息注入AI上下文，cursor-workspace可以作为管理和配置这些MCP连接的中心。
Hooks：这可能指的是Cursor的自定义钩子或事件触发器。想象一下，结合命令和规则，你可以创建这样的工作流：当AI生成一个新文件时，自动触发一个“文件头注释”命令，为文件添加标准的版权和作者信息；或者在提交代码前，自动触发一个“预提交审查”命令。虽然需要一定的脚本能力，但这能将AI辅助完全嵌入到你的开发流水线中。

5. 常见问题与排查技巧实录

在实际使用中，你可能会遇到一些问题。以下是我遇到的一些典型情况及其解决方法。

5.1 命令未生效或输出不符合预期

问题：我运行了自定义命令，但AI的回复很笼统，没有按照我命令里写的步骤和格式输出。
排查：
1. 检查命令文件路径：确认命令文件被放置在Cursor能读取的位置（全局~/.cursor/commands/或项目.cursor/commands/）。
2. 检查命令内容：打开命令文件，确认提示词编写是否清晰、无歧义。AI对指令非常敏感，模糊的指令会导致模糊的输出。确保你的指令是具体的、结构化的、包含示例的。
3. 检查上下文长度：非常长的命令文件可能会占用大量上下文窗口，导致AI无法完整接收或处理后续你提供的代码。尽量精简命令，只保留核心指令和最关键的一两个示例。
4. 在聊天中直接粘贴测试：绕过自定义命令设置，直接将命令文件内容粘贴到聊天框并发送，看是否有效。如果有效，问题可能出在自定义命令的配置上（如快捷键冲突、文件类型限制）。

5.2 规则似乎没有被AI遵守

问题：我配置了Python规则，但AI生成的代码仍然用了2空格缩进。
排查：
1. 确认规则已激活：在项目根目录或当前文件所在目录，检查是否存在.cursor/rules/文件夹以及正确的.mdc文件。Cursor有时需要重启或重新打开文件才能加载新规则。
2. 检查规则作用域：确认规则文件中的scope字段包含了当前文件的扩展名（如[“.py”]）。
3. 规则冲突：如果加载了多个规则，它们之间可能存在冲突。尝试只保留一个规则文件，看是否生效。
4. 指令优先级：在单次聊天中，你输入的即时指令优先级可能高于后台加载的规则。如果你说“用2空格缩进写这段代码”，AI可能会遵从你而忽略规则。在通用指令中，可以强调“请严格遵守项目中已配置的代码规则”。

5.3 技能没有被自动关联

问题：我创建了一个关于“支付网关”的技能，但在讨论支付相关代码时，AI好像完全不知道这个技能。
排查：
1. 技能路径：确保技能文件夹放置在正确的skills/目录下，并且SKILL.md文件命名正确。
2. 技能内容质量：AI识别技能关联度依赖于语义匹配。确保你的SKILL.md文件包含了该领域的关键术语、核心概念和常见操作。内容越丰富、越结构化，被匹配到的概率越高。
3. 主动提示：你可以手动引导AI。在聊天中说：“请参考我们项目中关于‘支付网关’的技能文档来回答这个问题。” 或者更直接地，使用@引用SKILL.md文件。
4. Agent模式：确保你正在使用Cursor的“Agent”模式（通常聊天框有个火箭图标或“Agent”标签）。智能体模式才会主动去检索和利用已加载的技能库。

5.4 团队共用时的配置同步问题

问题：团队其他成员更新了工作区仓库，我本地的配置如何更新？
解决方案：
- 如果你们使用项目级配置（规则和技能放在项目.cursor/中并提交git），那么只需要git pull即可更新。
- 如果使用全局配置的软链接方式，进入你本地的cursor-workspace仓库目录，执行git pull即可更新源仓库，所有链接都会指向最新内容。
- 建议建立一个简单的更新通知机制，比如在团队频道中，当有人更新了重要的命令或技能时，发个消息提醒大家拉取更新。

经过几个月的实践，我个人最大的体会是，cursor-workspace这类工具的价值不在于一开始就构建一个庞大完善的体系，而在于养成持续积累的习惯。每次当你通过反复沟通让AI完成一个漂亮的任务后，不妨花5分钟思考一下：“这个对话模式是否可以沉淀成一个命令？”、“这次强调的代码规范是否可以补充到规则里？”、“给AI解释的这个业务概念，是不是可以写成一个技能？”。日积月累，你就会拥有一个无比强大、高度定制化的AI编程伙伴，它深谙你的代码风格，熟知你的业务逻辑，成为你开发流程中不可或缺的“第二大脑”。