DisMisPres的博客

本文分享了使用 Cursor AI 辅助编程的经验总结，重点介绍了基础配置、提示词工程和进阶技巧。在基础配置部分，强调了.cursorignore文件的重要性以避免无关文件污染上下文，以及如何通过.cursorrules定制编程规范。提示词工程部分提出了"目标+具体要求+约束条件"的黄金公式，并建议将AI视为兼具实习生和老师双重角色。进阶技巧包括AI辅助测试驱动开发(TDD)的实践方法。全文提供了大量实际案例，帮助开发者更高效地利用AI工具提升编程效率和质量。

RAG（检索增强生成）技术结合了搜索引擎和大语言模型，通过向量数据库检索相关数据并构建提示词，提升大模型在特定业务场景下的回答质量。该技术适用于数据规模大、时效性要求高、多租户隔离等场景。文章提供了一个基于Go的本地化RAG实现Demo，包含权限控制、向量检索和智能问答功能，使用Qdrant向量数据库和Ollama+Llama3/DeepSeek本地模型。核心流程包括个性化查询处理、权限过滤的向量检索及提示词构建，支持完全本地化部署，适用于需要数据隐私和定制化AI助手的业务系统。

最近看到了 METR(一个研究 AI 能力的非营利性研究组织) 发布的一篇文章，AI 工具让资深开发者变慢 19%。再结合自己的实际使用 AI 工具进行编程的体验，简单谈一下我对 AI 编程的看法。工作，简单来说就是拿到问题 -> 检索知识库 -> 解决问题。由于程序员这个全体的无私，开源项目、知识分享，网络上基本上想找的知识都能找到，AI 其实能够帮助我们更快速地找到并学习未涉足过的知识领域，在这个阶段，提效真的很明显。

Cursor Rules是用于规范AI编程助手行为的配置规则，分为全局(User Rules)和项目级(Project Rules)。通过设置代码风格、安全实践等约束，确保AI生成的代码符合项目规范。规则分为三个层级：通用规则（如缩进要求）、语言规则（如Python的PEP8遵循）和框架规则（如Next.js的API路由规范）。合理配置Rules可显著提升代码一致性，减少返工，并强制实施最佳实践，使AI成为更高效的开发助手。建议开发者根据项目需求精心配置Rules以获得最佳效果。

2023 被称为“AI元年”，人工智能、AI大模型概念迅速点燃市场。对程序员来说，如果能让 AI 帮助我们编码，那工作效率不得起飞！本篇简单介绍一下当前主流的 AI 编码工具。目前的 AI 辅助编程工具还在飞速发展，本地部署训练的效果都不如 GitHub Copilot 等大厂的产品好用。短期内建议使用云服务产品来做代码辅助，长期考虑，可以先本地部署了解下其原理（硬件不行的就不要再考虑了），尝试自己生成模型。