前几天突发奇想，看看能不能在一行代码都不会写的情况下，弄一个可用的基于RAG 的 AI 问答网站。结果着实让我震惊了一下，仅仅用了2 个小时，AI 就做出了一个可用的产品。
AI 完成了网站的客户端和服务端的所有文件创建，代码编写，实现了真正的基于 RAG 的问答。
我是 cursor 来实现的，让我们看看整个过程是如何完成的。
前端
首先，我告诉 cursor 帮我创建一个网页，很快，它就帮我建好了一个网页，完成了网页端需要的文件创建和代码编写，并告诉我它创建了什么，网页中包含了什么元素等等。
这时候，网页的整体样式还可以，但是还需要很多样式的修改才能产出符合我需求的。比如，我会告诉它，把顶部导航栏的文字替换成我需要的，它就进行相应的调整，修改不同文件中的代码。
再比如，我想要输入框再大一点，宽和高都拉大一些，它也会相应的进行样式调整。
同时，一些你不想要的页面元素告诉它直接去掉就行，它会自己完成多个文件中代码的修改。
其实只要搭出一个差不多的就行，因为我们只是想简单的搭一个 demo， 并不是要把它上线服务用户。最终，我获得了下面这个页面。
服务端
第一次失败尝试
接下来进入真正的挑战，实现服务端的一些功能，并且让网页真正的实现基于 RAG 的问答。
这里我来简单的介绍一下 RAG问答，就是基于已有的知识库，从中检索出和用户问题相关性比较高的文本，将这些文本和用户问题组装成一个提示词，来交给大模型处理，最终返回答案给到用户。这样做的好处是，会提高问题的准确性，不是那种直接问模型的瞎答。
我准备直接让cursor 来做个 RAG 的服务端，给到它如下指令。
这个页面中的问答功能是基于 RAG 实现的，我要在本地搭建一个服务端，你来帮我创建相关的文件并写进去对应代码，要有接口，向量化模型我想用BGE，语言模型我要用 qwen 的。
很快，它就完成了工作。
但是，各种报错，各种服务不在线，经过各种调整还是不行。我意识到是自己的指令下的太笼统了，它写出了一坨屎山。所以，我索性让它把我让它写得所有服务端代码和文件都删掉。准备开始第二次尝试。
第二次尝试
吸取了第一次的教训后，这次我决定参照人类工程师的工作步骤，给到它一步步的明确指令，让它在本地帮我构建服务端。
如果说你不清楚人类工程师是如何进行工作的，可以尝试问一下大模型，根据模型给出的步骤，发给 cursor。比如：
言归正传，我们一起来看一下 cursor 的实现。
先是创建各种文件和其中代码。
完成后，它会测试系统。
结果发现很多依赖包没装，它会自己安装必要的依赖。
安装完后继续测试，如果出现问题它会找办法解决，但是有的时候需要人来批准，所以还是要看着它干活的。
最终，它完成了服务端的搭建。
但此时模型的调用并不可用，因为它并没有参考各个模型平台的 API 文档，所以我们还是要去想要调用平台找 API 文档看一下。我这里用的是百度的千帆平台，在平台找出调用的代码示例。
如果不清楚怎么用这段代码去替换也没关系，直接发给 cursor，它会帮你在需要替换的文件自己替换。
很快，它就会完成了所有文件中对应代码的调整。
大家进行到这步的时候，记得替换示例代码中的你想调用的模型和 API key。
超强的问题解决能力
过程中可能遇到各种问题，直接描述清楚就可以，基本都可以解决。比如，我上传文件后并没有返回向量数据，我直接把问题发给它，它经过一系列排查后定位到了问题。
我回到千帆平台看了一眼，原来是这个 API key 当时是给其他应用专用的，确实没开全部产品权限……
我更改后又让cursor 试了一下，结果成功返回了向量数据。
最终，问答功能成功的跑了起来，完全是依据已上传文档内容进行作答的，效果如下。
总结一下：
1 cursor 目前已能够一行代码不写的前提下，实现简单的前端和服务端代码；
2 复杂的功能尽可能的拆成步骤，让cursor一步步的去执行，如果不知道怎么拆，就试试问其他大模型；
3 把遇到的问题详尽的描述给它，它会想办法一步步解决；
4 描述的语言其实越精确，效果是越好的。比如“把对话气泡的宽度拉大 100px”效果会好于“把对话气泡拉大一点”；
5 对于 RAG 而言，最难的地方是检索和排序，这个方面我并没有去试它能优化到什么程度，所以最终能实现成什么样，还是未知的。但是，简单的搭出一个能跑的 demo，cursor 的能力已经足够了。
想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！
👇👇扫码免费领取全部内容👇👇
一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势
想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：
1. 100+本大模型方向电子书
2. 26 份行业研究报告：覆盖多领域实践与趋势
报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：
- 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
- 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
- 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
- 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。
3. 600+套技术大会 PPT：听行业大咖讲实战
PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：
- 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
- 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
- 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
- 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。
二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走
想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！
1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位
面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：
2. 102 道 AI 大模型真题：直击大模型核心考点
针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：
3. 97 道 LLMs 真题：聚焦大型语言模型高频问题
专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：
三、路线必明： AI 大模型学习路线图，1 张图理清核心内容
刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！
路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。
L1阶段:启航篇丨极速破界AI新时代
L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。
L2阶段：攻坚篇丨RAG开发实战工坊
L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3阶段：跃迁篇丨Agent智能体架构设计
L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。
L4阶段：精进篇丨模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
L5阶段：专题集丨特训篇 【录播课】
四、资料领取：全套内容免费抱走，学 AI 不用再找第二份
不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：
👇👇扫码免费领取全部内容👇👇
2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！
扫一扫
855
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
