Cursor官方谈如何有效使用内外部文档，以及我的实践解读

原创最新推荐文章于 2026-10-07 09:08:32 发布 2.4k 阅读 AI写同款

Python_金钱豹

1万+粉丝2835篇原创

关注

别再只用Chat模式了！Cursor的Rule和Docs功能，才是提升Java开发效率的隐藏王牌本文深入探讨了Cursor编辑器的Rule和Docs功能如何显著提升Java开发效率。通过智能规则引擎和实时文档集成，开发者可以自动遵循编码规范、快速获取最新API用法，特别适合Spring Boot、MyBatis-Plus等框架项目。这些功能组合使用可减少80%的文档查阅时间，提升300%的编码效率。阅读详情

AI摘要

本文介绍了Cursor官方关于使用三类文档（@Docs、@Web、MCP）的指南，以助模型获取准确上下文信息。还分享了大模型AI的学习路径，包括初阶应用、高阶应用、模型训练和商业闭环四个阶段，并提供了相关学习资料的免费领取方式。

Cursor官方前不久更新了一篇指南，主题名为“Working with Documentation”，目的是指导大家如何在Cursor中更好地使用三类文档（@Docs、@Web、MCP），以帮助模型获取能够获取最新、最准确的上下文信息。

这篇指南的核心内容，总结起来就是下面这张图：

需要浏览和阅读官方文档（如API手册、框架指南等），用@Docs；
需要在互联网上搜索解决方案（如各种社区教程、不同角度的解决方案等），用@Web；
需要访问企业/组织内容文档（如内部API、公司编码规范、专有数据/工具等），用MCP。

需要注意的是，这篇文章不是对原文档的直接翻译，而是结合个人实践进行的内容解读。

如果大家对原文档感兴趣的话，可以移步阅读：

https://docs.cursor.com/guides/advanced/working-with-documentation

Cursor支持的上下文工具非常多，其中用于帮助模型获取内外部文档的工具有三个，分别是**@Docs、@Web、MCP**。

下面详细介绍如何在 Cursor 中有效使用它们：

@Docs (官方文档集成)

@Docs 是一个直接连接到主流工具和框架的官方文档的接口。它为模型提供了权威性的参考资料，包括API规范、入门指南和最佳实践。这确保了Cursor在生成代码时能够遵循官方推荐的标准和用法。

这么说可能有点抽象，给大家举两个例子：

比如你现在想用Cursor搭配Gemini-2.5-Pro模型开发一个 Next.js 项目，由于Gemini-2.5-Pro模型训练截止时间是2025年1月，而 Next.js 的文档已经更新到2025年5月28日（截止发稿前），也就是说 Next.js 最新文档涵盖的内容，要比 Gemini 模型训练时了解到的 Next.js 知识要多得多。

如果没有 @Docs 集成最新的 Next.js 文档，那么 Cursor 很可能会给到你过时或错误的建议，导致你生成的代码在运行时出现问题。

又比如v0在上周推出了自研模型v0-1.0-md，你想用这个模型做个套壳的AI应用。如果你没有提前将 v0 新模型的API文档作为@Docs给Cursor调用：

那Cursor就会去“满足”你的需求，去“硬造”出一个它压根就不知道的v0 API（如下图所示），结果大家也可想而知，后者根本没法运行。

@Docs 的优势在于其权威性和规范性。然而，仅仅依靠官方文档可能不足以解决所有实际问题**，因为官方文档往往侧重于“如何做”，而非“如何解决特定复杂问题”或“如何与其他非官方库协同工作”**。

@Web (实时网络搜索)

@Web 工具弥补了 @Docs 的不足，它能够对实时互联网进行搜索，获取官方文档之外的（当然也可以获取官方文档），最新的教程、技术比较、更新日志以及针对某一主题的多角度观点。这使得模型能够接触到更广泛的社区知识、解决方案和最新的技术动态。

比如你需要找到关于如何在 Next.js 14 中进行服务器端组件（Server Components）与客户端组件（Client Components）之间的数据传递的最佳实践，@Web 可以帮助 LLM 检索到最新的博客文章、Stack Overflow 讨论或 GitHub 上的代码示例，提供超越官方文档的实用方案。

需要注意的是，@Web 提供了动态和多样化的信息来源，但它的信息质量和可靠性可能参差不齐。这要求模型要具备一定的筛选和判断能力，以识别出高质量、相关的解决方案。否则就会出现“garbage in, garbage out”的情况。

MCP（模型上下文协议）

@Docs 和@Web 本质上都是互联网上公开的外部文档，但在实际业务中，我们一般还需要使用一些私密的内部文档，比如企业内部API、公司标准（如编码规范、架构模式）、专有系统（如定制工具、数据库）和领域特定知识（业务逻辑、合规要求）等。

这时候就需要用到MCP了。关于MCP是什么，这里就不赘述了，有需要的小伙伴可以移步菜单栏点击【MCP 101】查看。

借助MCP，你可以集成Confluence、Google Drive、Notion等内部知识库，甚至允许构建自定义MCP Servers来抓取内部网站、连接数据库或访问定制的文档系统，从而将模型的知识边界扩展到企业内部。

比如你的公司有一个内部开发的支付API，模型需要了解其请求参数、响应格式和错误码。通过MCP集成内部Confluence上的API文档，Cursor就可以直接引用这些信息来生成符合公司规范的代码。

需要注意的是，内部文档MCP的实施，需要企业投入资源进行文档管理和知识沉淀，并确保内部文档的及时更新和准确性。文档的质量会直接影响MCP的效能。

当然，MCP的能力不局限于用来连接企业私有数据和内部知识，还可以用来获取各种外部文档。比如：

Context7 MCP，就是将很多官方文档进行了整合并及时更新，确保Cursor连接到的是最新的文档、框架、库。甚至一些特定框架，也出了MCP，比如 Nuxt 就有对应的 MCP Server。

这些其实在能力上其实等同于@Docs，只不过一些MCP可能用起来比@Docs要更方便，比如使用Context7 MCP的话，就不用添加那么多@Docs。

至于和@Web 能力上相似的MCP，就更多了，比如Perplexity MCP、Fetch MCP、Playwright MCP，Browser-tools MCP、Firecrawl MCP等等。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述