Cursor
共 54 条已发布案例使用了这个工具。
Cursor 代理模式在本库 54 条里跑后台任务：issue 变 PR、多阶段评审、跨框架升级。分量最重的：Brex 用自托管 Cursor 代理一个月迁移 180 个微服务，自述 32 倍提速、成本降约九成（报道转述，未独立核验）。限制有数：一条简单 PR 的代理测试花 4.63 美元。
常见任务场景
- 编程与开发 · 32
- 办公与运营 · 6
- 内容与创意 · 5
- 研究与知识 · 4
- 营销与销售 · 4
工具出处说明
工具名称及关联来自每条已发布案例的 tools 字段，每个案例都保留原始来源。收录不代表厂商背书；报告结果未经独立核验。
使用 Cursor 的案例
- 让计算机操作机器人指向任意代码仓库
建议落地方案：将 Grok Bot 用作通用计算机操作代理，通过控制机器、浏览器和文件系统来操作任意代码仓库，同时由人类提供具体的仓库和任务指令。这与 Cursor 等绑定于特定仓库的云编码工具形成对比。
- 用自己的口吻起草电子通讯和社交媒体帖子
作者在 Cursor 中构建了一套 AI 内容工作流，将原始想法转化为电子通讯、LinkedIn 帖子和 Twitter 串推。流程包括将输入保存为 .txt 文件，使用 Python 脚本和 Selenium 抓取特定行业领袖的洞察，并分析作者过往内容以保持口吻一致。生成的内容存储在本地文件夹并推送到 Git 进行编辑和发布，人类角色为初始输入提供者和最终编辑者。
- 使用容器和钩子安全运行 Cursor agent 模式
建议落地方案：在针对每个功能特性的 devcontainer 中运行 Cursor agent 模式，使用 Docker Compose 配置应用、Postgres、Redis 和 Cloudflared。通过 1Password 注入密钥，并将破坏性操作限制在主机 SSH agent 的生物识别审批之后。人工角色负责审批高风险操作及管理容器生命周期。
- 引用 Kindle 高亮和笔记起草文章
引言最近，我看到不少介绍尝试用 Cursor 写作的文章。我觉得这很有意思，也许能用来写我平时的笔记，于是就试了试。结果发现效率高得惊人，而且很有趣，所以写下这篇笔记分享一下。 传统写作的困扰我想，写博客的人应该会有同感：真正动笔后，就会遇到一些难题。 - 很难保持文风一致。 - 很难保持文风一致。 - 查找过去读过的书中的引文很花时间。 - 查找过去读过的书中的引文很花时间。 - 有想写的内容，却不知道如何组织结构。
- 通过 MCP 使用 Ghidra 逆向工程 Go 二进制文件
作者使用 Ghidra 配合 GolangAnalyzerExtension 和 GhidraMCP 分析了已剥离符号的 Golang HTTP 服务器二进制文件。AI 代理（Cursor）被提示识别函数、API 路由并将代码反编译回 Golang。人类提供了二进制文件，配置了 MCP 桥接，并审查了 AI 的输出准确性。
- 让 Cursor 在分析仪表盘项目中自动获取经过验证的技能
建议落地方案：构建 AgentNet 将 Cursor 连接至经过测试的技能市场，使智能体能根据提示词匹配自动获取技能，而非依赖手写规则。在分析仪表盘场景中，智能体应自动获取事件存储设计、产品分析埋点及 API 安全加固技能。人工角色负责初始工具配置及审查智能体的自主操作。
- 无需 Mac，在 iPhone 上构建并运行 iOS 应用
建议落地方案：使用 Cursor 云端智能体配合 ios-builder 工具构建 iOS 应用。智能体随后将构建包安装到连接的 iPhone 上，启动应用并执行自动化交互。人工角色：用户从 iPhone 发起请求，并在物理设备上验证智能体的操作结果。
- 在真实数据科学项目中评估 Cursor
Mike Woodward 在涉及英格兰足球数据的真实 Python 数据科学项目中评估了 Cursor（底层模型为 Claude）。他通过提示生成代码，然后手动审查并修复输出，特别是在生成的代码无法正确执行 pandas 数据框操作时。工作流程包括对原型开发、数据抓取和数据清洗等具体任务进行评分。
- 使用 Cursor 智能体对 Godot 4 游戏进行试玩测试
建议落地方案：使用 Cursor 或 Claude Code 配合 godot-studio-playtest 插件自动化测试 Godot 4 游戏。智能体通过 CLI 使用 JSON 流程与 Godot 交互，模拟点击和映射动作等玩家输入，且不修改源代码或创建测试场景。所有辅助文件隔离在 res://agent/ 中，以防止污染 src/ 目录。
- 抓取自由职业者潜在客户并自动化邮件和 LinkedIn 外联
作者构建了一个针对墨西哥自由职业者的Canva网络研讨会潜在客户生成和外联系统。使用Cursor IDE脚本抓取LinkedIn上符合英语专业条件的个人资料并提取电子邮件。Google Apps Script自动化了从Google表格发送个性化邮件的过程，同时另一个脚本处理LinkedIn私信。ChatGPT (GPT-4o) 对邮件回复进行分类并生成每日跟进摘要。作者作为系统架构师和审查者，但未详细说明对每条消息的具体人工审批步骤。
- 将网站从 CMS 迁移到原始代码和 Markdown
建议工作流：使用 Cursor 将网站从 CMS 迁移到原始代码和 Markdown。1. 评估当前的 CMS 集成情况，识别内容类型（如博客文章、营销页面）。2. 在 Cursor 中创建迁移计划，定义如何将内容存储为 Markdown 文件并通过静态生成进行渲染。3. 使用 Cursor agent 将现有的 CMS 内容转换为 Markdown 文件，并更新代码库以从这些文件读取内容，而不是通过 CMS API。4.
- 使用 Agent 端到端搭建新服务
建议落地方案：使用仓库中的任务文件，指定服务名称和团队名称驱动 Agent。Agent 首先检查 GitHub、集群和 Terraform 状态是否存在冲突，然后生成 Terraform 服务文件、Kubernetes Deployment/Service/HPA 清单以及包含 Trivy 扫描的 CI 工作流。随后运行 terraform validate 和 kubectl 验证。人工审核员必须验证生成的草稿 PR。
- 纯靠提示词搭建邀请卡网站
作者使用 Cursor 构建了一个纯前端邀请卡网站，旨在测试“无代码”方法，即仅通过提示词提供指令而不手动干预代码。工作流程包括概述目标、在复杂动画上遇到困难，最终将参考 HTML/JS 代码粘贴到提示词中以实现所需的信封动画。核心结构完成后，作者切换回手动编辑以进行内边距和外边距等最终微调，因为 AI 迭代效率降低。
- 排查仅在生产环境出现的性能问题
作者使用 Cursor 和 Warp AI 智能体排查 NestJS 应用中仅在生产环境出现的性能问题。智能体分析了数据库查询并建议了特定索引，作者手动将其应用到代码库中。在另一项任务中，作者使用智能体为 Flutter 应用添加功能并生成 Python 单元测试，但需要人工干预以修复模拟错误。
- 让编码智能体长时间自主运行
团队使用 Cursor 实施了一种分层多智能体编码系统，以处理复杂项目。规划者（Planners）探索代码库并生成任务，执行者（Workers）独立完成任务，彼此之间不进行协调。每个周期结束时，裁判智能体（Judge）评估进度以决定是否开始下一轮迭代。源文本未明确说明人员如何参与，但该工作流暗示需要人工进行最终审查和合并。
- 发现并行编程智能体之间的意图冲突
Foremerge 是一个 0.6.0 版本的本地优先 MVP，通过在 Git 公共目录中的 SQLite 存储共享意图和语义声明，来协调编程智能体（如 Claude Code、Codex、Cursor）。智能体注册后发布带有作用域的意图，并在编辑前接收确定性冲突提示。工作流程包括声明作用域、发布 ChangeSets 以及运行验证关卡的验收。
- 运行定时个人助理以构建任务仪表板
建议落地方案：配置一个由 Cron 定时触发（例如每两小时）的 Cursor Automation 作为个人助理。智能体从专用 Slack 频道（会议记录、待办事项）、GitHub PR、Jira 问题和 Slack 提及中汇总输入。它跨源去重并生成统一的任务仪表板。人员角色：用户向 Slack 频道提供原始输入，并在执行任务前审查生成的仪表板以确保准确性。
- Brex 用自托管 Cursor 双 Agent 流水线一个月迁移 180 个微服务：32 倍提速、成本降约 90%
1. 首次（人工）尝试：3 名工程师全职一季度仅迁移 500+ 个服务中的约 50 个。〔—〕 2. 单一巨型 Agent 方案因上下文过载与笔记本执行失败。〔异常处理：放弃〕 3. 搭建双 Agent 流水线：生成 Agent（脚本+LLM 推理，Linear 工单触发）开草稿 PR；验证 Agent 监控 CI、部署开发环境、最多 3 次尝试内自我纠正。〔设定〕 4.
- Cursor 后台代理的队列维护与 Bug 修复
目录 Cursor Agents：工作原理我喜欢 Cursor Agents 的地方我期待 Cursor Agents 改进的地方 Cursor Agents 与 OpenAI Codex 的对比它为我解锁了惊人的生产力提升吗？ Cursor Agents：工作原理 Cursor 刚刚发布了针对 OpenAI Codex 的回应，两者的相似性令人震惊——甚至有点可疑。
- 使用 Cursor agent mode 构建小型功能和集成
建议落地方案：使用 Cursor agent mode 开发小型、范围明确的功能。首先审查实施计划。然后指示智能体将工作拆分为适合 LLM 处理的小任务，并在提示词中关联相关文档和业务规则。每完成一个任务，要求智能体将关键发现写入 worklog.md 文件。人工角色包括验证计划和审查工作日志。
- 基于现有模块结构搭建第二个模块
建议落地方案：开发者手动搭建项目基础，并定义分布在 4-5 个文件中的参考模块结构。他们指示 Cursor 通过明确提供这些参考文件的内容来搭建第二个模块，确保代理拥有复制该模式所需的完整上下文。
- 为 DeskHog 使用 Vibe-coding 开发 Flappy Bird 游戏
建议落地方案：通过 USB-C 连接 DeskHog，使用 GitHub Desktop 克隆开源仓库，并将 Cursor 设为默认编辑器。利用自然语言提示在 Cursor 中生成用于 Flappy Bird 游戏的 C++ 代码。使用 PlatformIO 构建并将代码部署到设备，需注意 Cursor 中直接集成 PlatformIO 已弃用，建议改用 Claude Code 或通过 VSCode 变通。
- 使用 Cursor 进行带引用的学术论文写作
作者进行了一项粗略实验，使用 Cursor 构建 NSF 项目摘要。他们设置了一个包含 Markdown 章节文件的主目录和一个包含两篇论文文本版本的参考目录。使用 Agent 模式和 claude-3.7-sonnet，他们应用了两个 .cursorrules 文件：一个用于 NSF 要求，另一个用于学术写作标准。作者在最终修订期间手动 @ 了写作规则文件以确保其被应用，充当了主要的编辑和上下文管理者。
- 在 Cursor 中运行私人的个人管理智能体
建议落地方案：使用 Cursor 的 Customize 功能分离头脑风暴和个人管理模式。头脑风暴模式锁定为“探索、列出未知项、无虚假决定”，并输出保留/丢弃/暂缓笔记。个人模式执行隐私规则，防止私密细节泄露到公开草稿中。人类角色是审查交接笔记，而不是依赖聊天记录作为归档。
- 为销售起草个性化外联消息、回顾摘要和预测
Cursor 企业增长负责人为 400 多人的销售团队构建了内部 AI 工具 ChatGTM。该工具整合 Salesforce、Gong、LinkedIn 和网络数据，生成晨间简报、个性化外联草稿、通话准备简报和实时问答支持。销售代表审核、微调并通过 Gmail 或 Outreach 发送这些 AI 生成的资产，保持对最终沟通的人工控制。
- 自动修复 Snyk 漏洞并创建 PR
工程师使用 Claude Code 和 Cursor 实施了自动化工作流以处理 Snyk 漏洞工单。系统读取工单、识别依赖项修复方案、更新锁文件、创建 Pull Request 并监控 CI 状态。人工参与仅限于最终的 PR 手动合并，确保代码集成前的监督。
- 将每日 X 书签转化为可用的技术原型
建议落地方案：使用 Grok Bot 总结每日 X 书签内容，并利用 Cursor 根据总结生成原型代码。人类角色负责筛选相关书签并在集成前审查生成的代码。此工作流旨在将被动阅读转化为主动开发成果。
- 一天内打造迷你游戏合集
建议落地方案：使用 ChatGPT 将游戏构想提炼为简短提示词（如四个迷你游戏、Python tkinter）。在 Cursor 中搭建场景架构后，用自然语言向 agent mode 描述每个游戏，由其生成逻辑、界面和输入处理。人工角色负责定义游戏设计并手动调整敌人数量和方块数量等平衡性参数。
- 非编码产品经理如何原型化产品功能
作者使用 Cursor 在不编写代码的情况下分析用户反馈并制作功能原型。输入包括 CSV 评论和代码库；输出为 ASCII 图表、线框图和计划。人类负责定义提示词、审查 AGENTS.md 上下文文件，并在执行前批准计划。
- 提取过去一周未回复的邮件
作者尝试构建一个自动化个人助手，使用 Gmail API 筛选过去一周未回复的邮件。Devin 在初始身份验证阶段遇到困难，作者转而使用 Cursor 手动编写了认证代码。认证通过后，Devin 自主研究 Gmail API 文档，实现了针对“主要”收件箱的过滤逻辑，构建前端并部署到公共链接。随后，Devin 继续工作，将应用连接到 Supabase 后端以持久化“忽略”操作。
- 协调子智能体监控 PR 并修复生产环境漏洞
建议落地方案：利用 Cursor 的 Projects 功能建立协调智能体，向充当工程师或产品经理的子智能体分派任务。协调智能体监控生产环境 PR 和漏洞，自主启动子智能体解决问题并保持项目上下文。人类角色涉及审查协调智能体的更新并回答其提出的带有建议的问题，确保与整体目标一致。
- 生成广告文案变体并抓取竞争对手广告
建议落地方案：使用 Claude 和 Cursor 为中小企业营销生成广告文案变体并抓取竞争对手广告。工作流程包括将业务背景和目标关键词输入 Claude 以生成文案，同时利用 Cursor 协助构建数据结构或自动化抓取逻辑。人类营销人员必须审查所有生成的文案和抓取的数据，以确保品牌一致性和准确性，然后才能进行部署。
- 通过 MCP 代理跨提供商处理和查询电子邮件
作者开发了一个基于 MCP 和代理的跨提供商电子邮件智能产品，最初计划作为 ChatGPT 应用发布。代码库在六个月内使用 Cursor、Codex 和 Claude Code 完成，系统已在云端运行，支持 Gmail 和 Outlook。架构注重隐私，通过开源模型临时处理邮件内容而不存储。目前产品处于私有测试阶段，正在等待 Google、Microsoft 和 OpenAI 的相关批准。
- 根据工单规格发布积压任务落地页
作者使用 Cursor 的后台智能体（Background Agents）根据积压工单实现了定价落地页。他们提供了一个小型规格说明作为提示词，智能体据此创建了新分支并生成了完整的拉取请求（PR）。人类角色负责审查 PR、本地测试并合并到生产环境。
- 在 Home Assistant 中实现分房间供暖自动控制
建议落地方案：集成 Home Assistant 与 Zigbee 暖气片阀门，并将继电器与旧温控器并联接线作为备用。在完成初始手动 YAML 配置后，构建附加组件和 MCP 服务器，使 Cursor 能够直接从 IDE 编辑、部署和重启自动化配置。房主需手动完成硬件接线、构建工具，并在提交更改到 Git 前审查所有由 Cursor 生成的自动化配置。
- 使用 Cursor 的 Agent 更新并发布应用
建议落地方案：使用 Cursor 的 Composer Agent 模式更新 SwiftUI 应用。每次请求包含 PRD，并指示 Agent 在编辑前审查整个代码库，遵循 KISS 原则。人工角色负责定义 PRD 并验证 Agent 的代码库审查结果。
- 自动整理发票并按月发送发票邮件
建议落地方案：利用 Cursor 自动化发票整理与月度邮件发送。工作流包括在 Cursor 中打开文件夹，指令其读取、重命名并移动格式不一致的发票文件，随后基于 CSV 名单自动生成并发送月度发票邮件。人类角色为定义初始指令并验证输出，但原文未明确说明持续的人工监督步骤。
- 将 Sentry 错误报告转化为修复拉取请求
建议落地方案：集成 Sentry Agent Tracing 与 Cursor 以自动化修复 Bug。工作流包括捕获生产环境错误，通过 Sentry 触发 Cursor 代理，并生成修复拉取请求。人类开发者在合并前审查并批准这些 PR，确保代码质量和上下文感知。
- 通过 MCP 将 Figma 设计构建为主页
作者通过集成 Figma MCP 与 Cursor，将设计元素转换为 HTML/CSS 代码。工作流程包括设置与 GitHub 同步的本地 Git 仓库，在 Figma Dev Mode 中选择设计内容，并将 URL 粘贴到 Cursor 提示词中。人类角色包括验证生成的代码（Cursor 会高亮显示以便追踪），并决定保留或重新生成代码。
- 使用 Cursor 后台代理保持文档更新
建议落地方案：团队通过 Slack 讨论启动任务，随后在 Cursor 中使用后台代理（Background Agents）继续工作。该流程涉及将 Cursor 与 Gemini 和 Claude Code 配合使用以保持文档更新。人工角色包括发起讨论线程和审查代理输出。
- 测试 Devin 在集成、迁移和安全审查中的表现
Answer.AI 团队对自主 AI 软件工程师 Devin 进行了测试，涵盖 API 集成、代码迁移和安全审查等 20 个真实任务。他们通过 Slack 发起任务，监控 Devin 的 Docker 环境，并在需要时提供凭据。当 Devin 生成不可用或过于复杂的代码时，人类开发者介入补救，通常转而使用 Cursor 进行逐步实现。
- 申请职位，并将笔记转化为编程提示词
建议落地方案：通过 Cursor CLI 使用 Grok Bot 连接开发文档。向机器人发送简略笔记，由其改写为完整的编程提示词供 Cursor 执行。另建议由机器人团队利用简历材料进行求职。人工角色：在执行前审查生成的提示词和简历输入。
- 通过 MCP 代理运行 Terraform plan 和 apply
作者在 Cursor 中配置了 tfmcp 客户端，用于执行 Terraform 命令（init, plan, apply）以创建 Postgres 数据库、架构和用户访问权限。当 MCP 在 apply 阶段未能显示错误时，作者回退到直接在终端运行 terraform apply 以诊断权限问题。
- 让 Cursor 维护 Obsidian 笔记库
作者使用 Cursor 作为助手来管理 Obsidian 知识图谱。Cursor 读取整个库以检查一致性、建议结构改进，并将每日工作记录到“完成”笔记中。人类在实施前审查所有建议和更改，确保最终判断权保留在用户手中。
- 让智能体连续运行 24 小时，构建项目管理工具
作者使用 Cursor 智能体连续运行了 24 小时，任务是构建一个项目管理工具。该工作流涉及提供高层目标，并允许智能体在周末期间自主运行。源文本未说明人类在运行期间如何参与，暗示执行阶段采用了无人值守的方式。
- 使用Cursor的研究与知识实践
建议落地方案：配置 Cursor Agent 和 Obsidian 指向同一个知识库文件夹。智能体从 'raw/' 目录读取不可变的原始资料，并将结构化 Markdown 页面写入 'wiki/' 目录。人类负责筛选资料、提问并在 Obsidian 图谱视图中审查生成的知识库，而智能体负责交叉引用和维护工作。
- 作为办公室经理管理收件箱并预约工作
建议落地方案：配置 Grok Bot 作为拥有独立计算资源的持久化代理，用于收件箱管理和工作预约。该机器人集成 Gmail、Slack 和 ServiceTitan，持续处理工单并安排任务，即使用户本地设备离线也能运行。需要人工监督以批准自动化操作并验证调度准确性。
- 使用后台 Agent 将开放的 GitHub Issue 转化为 PR
建议落地方案：关闭 Cursor 隐私模式以启用后台 Agent。为 Terraform 仓库配置后台 Agent 机器，利用 Cursor 界面检查 linters 和工具，并修复 Python 环境问题。将 Agent 指向特定的 GitHub Issue（如 #33）以生成 Pull Request。人工角色包括初始设置、环境验证以及生成后的 PR 审查。
- 调查客户错误并在支持系统中起草工单
Cursor 支持团队使用 Cursor IDE 结合 MCP 服务器，将代码库、日志和通信工具整合到单一调查会话中。工程师从 Ask Mode 开始，通过多根工作区追踪症状，然后利用 Datadog、Slack、Notion 和 Linear 的 MCP 收集上下文、定位故障并起草工单。人类工程师在发送回复或提交 Bug 前审核汇总结果。
- 使用长时运行代理监控任务并创建拉取请求
建议落地方案：在 VPS 上使用 Caliber AI 配置仓库部署 Claude Code 服务器，生成 MCP 配置和代理技能。通过一条命令同步环境，然后运行持久化脚本监控任务并触发 Cursor 创建拉取请求。人工角色：审查生成的 PR 并维护基础设施稳定性。
- 使用 Cursor 升级网站依赖项和框架
作者使用 Cursor Composer 1.5 对一个大型网站（超过 4.2 万行代码）的依赖项进行了审计和升级。工作流程包括生成按升级难度分组的过时包列表，然后分批执行升级：简单、中等以及主要框架迁移（从 Remix 到 React Router v7）。人工监督包括提供特定上下文（如 Zod v4 导出）、审查计划，以及在代理初次尝试后纠正路由结构问题。
- 将用 Replit 构建的应用转换为前后端分离架构
建议落地方案：使用 Replit Agent 构建原型，直到满足功能需求。随后，利用 ChatGPT 生成迁移提示词，指示 Cursor 将代码重构为独立的客户端和服务端架构。人工开发者需审查生成的提示词，并在 Cursor 中执行迁移，确保最终生产环境应用稳定。
- 使用 Cursor 调试生产环境 pod 和 docker-compose
建议落地方案：在 Cursor 中启用 Kubernetes MCP，通过自然语言查询生产环境 Pod 日志，无需手动运行 kubectl。针对损坏的 docker-compose.yml，开启 agent 自动运行设置，迭代执行 compose 试运行直至验证通过。人工角色包括初始提示配置及对照实际集群状态核实修复建议。
- 与多智能体开发团队共同构建心智模型框架
一位独立创始人将 Claude、ChatGPT、Windsurf 和 Cursor 视为具有明确角色的团队成员，通过 SITREP 协议协调并行工作。他们利用框架自身的心智模型进行架构设计、验证和部署，并使用包含 5 个问题的棘手程度评估标准来划分问题层级。人类角色主要负责定义协议和监督多智能体协调，具体手动编码细节未披露。