Cursor AI 代码编辑器 -- 完整中文教程¶

Cursor 是一款基于 VS Code 的 AI 代码编辑器，由 Anysphere 公司开发，把 AI 从"插件"变成了编辑器的核心能力，让你用自然语言（说人话）就能写代码、改代码、理解代码。

目录¶

为什么要学 Cursor
和 VS Code 的关系与区别
核心概念详解（白话版）
安装部署步骤
核心功能详解
Cursor Rules 配置
快捷键速查
和生信的结合场景
定价方案对比
常见问题与解决方案
速查表

为什么要学 Cursor¶

1. 编程门槛大幅降低¶

传统编程需要你记住大量语法、函数名、库的用法。Cursor 让你可以用中文或英文描述你想做的事，AI 帮你把想法变成代码。对于编程基础薄弱的生信新手来说，这相当于有一个随时在线的编程老师坐在旁边。

2. 写代码速度提升 3-10 倍¶

Cursor 的 Tab 补全不是简单的"猜下一个单词"，它能预测你接下来几行甚至几十行要写什么。写生信分析脚本时，很多重复性的工作（比如批量处理样本、格式转换）AI 几秒钟就能搞定。

3. 读代码和学代码的利器¶

遇到看不懂的代码，选中它，按 Cmd+L（Mac）或 Ctrl+L（Windows/Linux），直接问"这段代码在干嘛？"。AI 会用你能理解的语言解释，还能画出执行流程。对于需要读大量开源流程代码的生信工程师来说，这个功能价值巨大。

4. 2026 年 AI 编程已成行业标准¶

截至 2026 年初，Cursor 日活用户超过 100 万，超过一半的世界 500 强企业在使用。不会用 AI 辅助编程，就像 10 年前不会用搜索引擎查资料一样，会越来越吃亏。

5. 免费版就够入门使用¶

Cursor 的 Hobby（免费）版提供每月 2000 次代码补全和 50 次 AI 对话，对于学习和轻度使用完全够用。注册不需要信用卡。

和 VS Code 的关系与区别¶

什么是"Fork"（分叉）¶

白话解释： 想象 VS Code 是一道菜的原始配方。Cursor 的开发者把这个配方完整复制了一份，然后在上面加了很多"AI 调料"。所以 Cursor 长得和 VS Code 几乎一样，原来 VS Code 的操作方式在 Cursor 里都能用，但 Cursor 多了很多 AI 专属能力。

核心区别¶

对比项	VS Code	Cursor
本质	微软出品的开源代码编辑器	基于 VS Code 的 AI 代码编辑器（Fork）
AI 集成方式	AI 是插件（Copilot 扩展）	AI 是核心（内建于编辑器本身）
AI 代码理解	Copilot 主要看当前文件	索引整个项目，理解文件间关系
多文件编辑	需要手动逐个改	Agent 模式可自动跨文件修改
价格（个人）	免费 + Copilot $10/月	免费版可用 / Pro $20/月
扩展兼容性	完整的微软扩展商店	约 90% 兼容（少数微软专属扩展不可用）
迁移成本	-	一键导入 VS Code 的配置、插件、快捷键

一句话总结¶

VS Code 是一个很好的编辑器，加上了 AI 插件；Cursor 是一个围绕 AI 从头设计的编辑器，碰巧长得像 VS Code。

如果你还没用过 VS Code，直接学 Cursor 就行，两者界面操作几乎一样。如果你已经在用 VS Code，迁移到 Cursor 只需要 5 分钟。

核心概念详解（白话版）¶

1. Tab 补全（Autocomplete）¶

白话比方： 就像手机打字时的联想输入。你打"今天天"，手机会建议"气不错"。Cursor 的 Tab 补全就是"代码版的联想输入"，而且它不只猜一个词，它能猜出你接下来要写的好几行代码。你只需要按 Tab 键接受。

技术原理： Cursor 使用内置的 Supermaven 引擎（一个专门针对代码补全优化的 AI 模型），架构优化使延迟极低，速度极快，几乎感觉不到等待。

2. Chat（对话模式）/ Ask 模式¶

白话比方： 就像在编辑器里内嵌了一个 ChatGPT，但比 ChatGPT 聪明的地方在于——它知道你的整个项目是什么样的。你问它"这个函数有 bug 吗？"，它不只看这一个函数，还会去看调用这个函数的其他文件。

用途： 问问题、理解代码、让 AI 解释概念。Ask 模式是只读的，AI 不会动你的代码。

3. Inline Edit（内联编辑）/ Cmd+K¶

白话比方： 你在餐厅点菜，指着菜单某一道菜说"这个少放辣"。Cmd+K 就是你选中一段代码，然后用中文说"把这里改成用字典推导式"，AI 直接原地改好，你满意就按回车确认，不满意就拒绝。

特点： 修改范围精确，只改你选中的部分，不会波及其他代码。

4. Composer（作曲家模式）/ Manual 模式¶

白话比方： 如果 Cmd+K 是"指着菜单改一道菜"，那 Composer 就是"让厨师自由发挥做一桌子菜"。你只需要描述想要的效果，比如"给我写一个解析 FASTQ 文件的 Python 脚本"，Composer 会自动创建文件、写代码、甚至安装需要的包。

注意： Composer 在 Cursor 2.0（2025 年 10 月）中升级为 Cursor 自研的专用编码模型，速度比同级别模型快 4 倍。

5. Agent 模式（智能代理模式）¶

白话比方： 如果说前面的功能是"你指挥 AI 干活"，Agent 模式就是"AI 自己当项目经理"。你只需要说"帮我实现一个用户登录功能"，Agent 会自己分析项目结构，决定要改哪些文件，创建哪些新文件，甚至在终端里运行命令来安装依赖。

关键能力： - 自动搜索和阅读项目中的相关文件 - 跨多个文件同时修改代码 - 在终端执行命令（比如 pip install、conda install） - 创建新文件和目录 - 多个 Agent 可以并行工作（Cursor 3.0 新增）

6. Background Agent（后台代理）¶

白话比方： Agent 模式是"AI 在你面前干活，你看着"。Background Agent 是"AI 在后台默默干活，干完了给你发个通知"。适合耗时较长的任务，比如"把整个项目的 Python 2 代码升级到 Python 3"。

技术细节： Background Agent 在云端运行，可以工作几十分钟，完成后自动创建 Pull Request（代码合并请求）。

7. Codebase Indexing（代码库索引）¶

白话比方： 就像图书馆的索引系统。你有一个大项目，几百个文件。Cursor 会在后台把所有文件"编目"一遍，这样当你问 AI 问题时，AI 知道去哪个"书架"找相关信息，而不是盲目搜索。

技术原理： Cursor 使用 RAG（Retrieval-Augmented Generation，检索增强生成）技术，把你的代码转换成向量（一串数字），这样 AI 可以通过语义（意思）而不只是关键词来搜索相关代码。

8. @ 符号引用¶

白话比方： 就像微信群里 @某人。在 Cursor 的对话框里，你可以 @文件名、@函数名、@文档链接，告诉 AI"你重点看看这个"。这样 AI 的回答会更精准。

常用引用： - @文件名 -- 让 AI 关注某个特定文件 - @Web -- 让 AI 搜索网络上的最新信息 - @Docs -- 让 AI 查阅官方文档 - @Git -- 让 AI 查看 Git 历史记录

安装部署步骤¶

第一步：下载 Cursor¶

访问官方下载页面：https://cursor.com/download

网站会自动检测你的操作系统，点击下载按钮即可。

第二步：安装（按操作系统分）¶

Windows 安装¶

1. 打开下载的 .exe 安装文件
2. 如果弹出"用户账户控制"窗口，点击"是"（允许）
3. 按照安装向导一路"下一步"即可
4. 安装完成后，从开始菜单或桌面快捷方式打开 Cursor

注意： 如果公司电脑有安全策略限制，可能需要联系 IT 部门添加白名单。

macOS 安装¶

1. 打开下载的 .dmg 文件
2. 将 Cursor 图标拖到 Applications（应用程序）文件夹
   【这一步很重要，不要直接从 dmg 里运行】
3. 第一次打开时，macOS 可能会提示"来自未知开发者"
   → 去 系统偏好设置 → 安全性与隐私 → 点击"仍要打开"
4. 从 Launchpad 或 Applications 文件夹打开 Cursor

Linux 安装¶

# 1. 下载 .AppImage 文件后，先安装必要的依赖

# Ubuntu/Debian 系统：
sudo apt install libfuse2

# Fedora 系统：
sudo dnf install fuse

# Arch Linux 系统：
sudo pacman -S fuse2

# 2. 给下载的文件添加执行权限
chmod +x Cursor-*.AppImage

# 3. 运行 Cursor
./Cursor-*.AppImage

WSL 用户提示： 如果你在 Windows 的 WSL（Windows Subsystem for Linux）里工作，建议在 Windows 侧安装 Cursor，然后用 Cursor 的 Remote SSH 功能连接到 WSL 环境。

第三步：初始设置¶

注册账号： 首次打开后会弹出注册/登录界面。可以用邮箱、Google 账号或 GitHub 账号注册。推荐用 GitHub 账号，方便后续代码协作。
导入 VS Code 设置（可选）： 如果你之前用过 VS Code，Cursor 会自动检测并提示你一键导入所有设置、扩展和快捷键。强烈建议导入。
选择键盘快捷键方案： 默认使用 VS Code 快捷键（推荐）。如果你习惯 Vim、Emacs 或 JetBrains，也可以选择对应方案。
免费试用： 新用户自动获得 14 天 Pro 版试用（250 次快速 AI 调用），无需绑定信用卡。试用结束后自动降级为免费的 Hobby 版。

第四步：安装常用扩展¶

Cursor 和 VS Code 共享扩展生态，以下是生信常用扩展：

打开扩展面板：Ctrl+Shift+X（Windows/Linux）或 Cmd+Shift+X（Mac）

推荐安装：
- Python             -- Python 语言支持
- Jupyter             -- Jupyter Notebook 支持
- R                   -- R 语言支持
- Markdown Preview    -- Markdown 预览
- Remote - SSH        -- 远程服务器连接
- GitLens             -- Git 增强工具
- CSV Rainbow         -- CSV 文件彩色高亮

核心功能详解¶

一、Tab 补全¶

什么时候触发： 你正常打字时，AI 会自动在光标后面显示灰色的建议代码。

怎么用： - 按 Tab 键接受建议 - 按 Esc 键忽略建议 - 继续打字会让建议自动更新

生信实战示例：

# 你输入：
import pandas as pd

df = pd.read_csv("abundance_table.csv")

# AI 可能自动建议补全：
df.head()
print(f"样本数: {df.shape[0]}, 特征数: {df.shape[1]}")

小技巧： - Tab 补全擅长"重复模式识别"。比如你手动给第一个样本写了处理代码，它会自动帮你补全剩余样本的处理代码 - Tab 补全只在当前文件内工作，不会创建新文件

二、Chat / Ask 模式（Ctrl+L / Cmd+L）¶

打开方式： 按 Ctrl+L（Windows/Linux）或 Cmd+L（Mac）打开侧边栏对话。

模式切换： 在对话窗口顶部，点击"Agent"按钮可以切换到"Ask"模式。Ask 模式是只读的，AI 不会修改你的代码。

实用场景：

你：这段正则表达式是什么意思？
    pattern = r'^>(\S+)\s*(.*)'

AI：这是一个用来解析 FASTA 文件头信息的正则表达式。
    ^ 表示行的开头
    > 匹配 FASTA 格式的标识符前缀
    (\S+) 捕获序列 ID（连续的非空白字符）
    \s* 匹配可能存在的空格
    (.*) 捕获剩余的描述信息

@ 引用的高级用法：

你：@taxonomy_analysis.py 这个文件里的 parse_kraken_output 函数有什么问题？
    请参考 @Docs kraken2 官方文档来检查

AI：（会同时分析你的代码文件和 kraken2 的官方文档来回答）

三、Inline Edit / Cmd+K（Ctrl+K）¶

使用步骤： 1. 选中你想修改的代码段 2. 按 Ctrl+K（Windows/Linux）或 Cmd+K（Mac） 3. 用自然语言描述你想要的修改 4. 查看 AI 生成的 diff（差异对比） 5. 按 Ctrl+Enter 接受修改，或按 Ctrl+Backspace 拒绝

生信实战示例：

# 选中这段代码，按 Ctrl+K，输入"改成并行处理，用4个进程"

# 原始代码：
results = []
for sample in samples:
    result = process_sample(sample)
    results.append(result)

# AI 修改后：
from multiprocessing import Pool

with Pool(processes=4) as pool:
    results = pool.map(process_sample, samples)

终端里的 Cmd+K： 在 Cursor 的终端中按 Cmd+K / Ctrl+K，可以用自然语言生成 shell 命令：

你输入：统计 data 目录下所有 fastq.gz 文件的总行数
AI 生成：zcat data/*.fastq.gz | wc -l

四、Agent 模式¶

打开方式： 在 Chat 窗口中，确保模式选择器设为"Agent"（默认就是）。

Agent 能做什么：

你：帮我写一个 Python 脚本，读取 kraken2 的输出文件，
    统计每个样本在"门"级别的物种组成，
    然后用 matplotlib 画一个堆叠柱状图，
    保存为 phylum_composition.png

Agent 的执行流程：
1. [搜索] 查看项目中已有的文件和目录结构
2. [分析] 查找 kraken2 输出文件的格式
3. [创建] 新建 plot_phylum.py 文件
4. [编写] 写入完整的 Python 代码
5. [终端] 运行 pip install matplotlib（如果需要）
6. [终端] 运行 python plot_phylum.py 测试
7. [修复] 如果报错，自动分析错误并修复

多 Agent 并行（Cursor 3.0+）：

按 Ctrl+T / Cmd+T 新建一个 Agent 标签页，可以同时运行多个 Agent。比如： - Agent 1 在写数据处理脚本 - Agent 2 在写可视化脚本 - Agent 3 在写单元测试

YOLO 模式（谨慎使用）：

YOLO 模式让 Agent 执行终端命令时不再需要你确认。适合在安全的测试环境中快速原型开发。

开启方式：Settings → Features → Chat & Composer → Enable YOLO mode

警告： 不建议在生产环境或包含重要数据的目录中开启 YOLO 模式。

五、Background Agent（后台代理）¶

适用场景： 耗时较长的任务，比如大规模代码重构、项目迁移等。

使用方式： 1. 在 Chat 中描述任务 2. 选择"Run in Background" 3. Agent 在云端执行，你可以关掉编辑器去做其他事 4. 完成后会通知你，并自动创建 Pull Request

触发方式： 可以从 Cursor 桌面端、Cursor Web 界面、Slack、GitHub、Linear 或 API 启动。

Cursor Rules 配置¶

什么是 Cursor Rules¶

白话解释： Cursor Rules 就是你给 AI 下的"规矩"。比如你告诉它"我的项目用 Python 3.10，所有注释用中文写，变量名用英文小写加下划线"。这样每次 AI 帮你写代码时，都会自动遵守这些规矩。

三种 Rules 配置方式¶

1. User Rules（全局用户规则）¶

适用于你所有项目的通用规则。

设置方式：
Cursor Settings → General → User Rules

示例内容：
- 始终使用中文注释
- 代码风格遵循 PEP 8
- 每个函数都要有 docstring
- 使用 f-string 而不是 format()

2. Project Rules（项目规则）-- 推荐方式¶

存储在项目的 .cursor/rules/ 目录中，可以用 Git 版本控制，团队共享。

# 创建项目规则
# 方式一：命令面板
按 Ctrl+Shift+P → 输入 "New Cursor Rule" → 回车

# 方式二：手动创建
mkdir -p .cursor/rules

生信项目的 Rules 示例：

# 文件：.cursor/rules/bioinfo-python.mdc

## 项目基本信息
- 这是一个宏基因组分析项目
- 使用 Python 3.10 和 conda 环境管理
- 主要依赖：pandas, numpy, matplotlib, seaborn, scikit-learn, biopython

## 编码规范
- 所有注释和 docstring 使用中文
- 变量名使用英文 snake_case（小写加下划线）
- 输入输出文件路径使用 argparse 或 click 参数化，不要硬编码
- 数据处理使用 pandas，避免手动解析 CSV/TSV

## 生信特定规则
- FASTQ/FASTA 文件处理使用 Biopython 的 SeqIO
- 物种丰度表使用 pandas DataFrame，行是样本，列是物种
- 统计分析优先使用 scipy.stats
- 绘图统一使用 matplotlib + seaborn，图片分辨率 300 DPI
- 所有脚本支持命令行参数，方便流程化调用

## 错误处理
- 文件不存在时给出明确的中文错误提示
- 大文件处理使用分块读取（chunk），避免内存溢出

3. .cursorrules 文件（旧版方式，仍可用）¶

放在项目根目录，文件名为 .cursorrules。功能和 Project Rules 类似，但不支持按场景动态激活。

# 在项目根目录创建
touch .cursorrules

建议： 新项目直接使用 .cursor/rules/*.mdc 格式（Project Rules），旧项目如果已有 .cursorrules 文件也不需要急着迁移，两者都能正常工作。

Rules 编写技巧¶

好的规则：具体、可执行
  "所有绘图函数必须接受 output_path 参数，默认保存到 results/ 目录"

不好的规则：模糊、太宽泛
  "写好的代码"

快捷键速查¶

AI 专属快捷键¶

功能	Windows / Linux	macOS
打开 AI 对话	`Ctrl+L`	`Cmd+L`
内联编辑（Cmd+K）	`Ctrl+K`	`Cmd+K`
新建 Agent 标签页	`Ctrl+T`	`Cmd+T`
接受 AI 修改	`Ctrl+Enter`	`Cmd+Enter`
拒绝 AI 修改	`Ctrl+Backspace`	`Cmd+Backspace`
接受 Tab 补全	`Tab`	`Tab`
忽略 Tab 补全	`Esc`	`Esc`
终端中生成命令	`Ctrl+K`（在终端内）	`Cmd+K`（在终端内）

常用编辑器快捷键（继承自 VS Code）¶

功能	Windows / Linux	macOS
命令面板	`Ctrl+Shift+P`	`Cmd+Shift+P`
快速打开文件	`Ctrl+P`	`Cmd+P`
打开终端	Ctrl+`	Cmd+`
侧边栏显示/隐藏	`Ctrl+B`	`Cmd+B`
扩展商店	`Ctrl+Shift+X`	`Cmd+Shift+X`
保存文件	`Ctrl+S`	`Cmd+S`
全局搜索	`Ctrl+Shift+F`	`Cmd+Shift+F`
跳转到行	`Ctrl+G`	`Cmd+G`
多光标编辑	`Alt+Click`	`Option+Click`
整行移动	`Alt+上/下`	`Option+上/下`
复制整行	`Shift+Alt+上/下`	`Shift+Option+上/下`
注释/取消注释	`Ctrl+/`	`Cmd+/`
格式化代码	`Shift+Alt+F`	`Shift+Option+F`

和生信的结合场景¶

场景 1：快速编写分析脚本¶

你对 Agent 说：
"帮我写一个 Python 脚本，用 pandas 读取 MetaPhlAn 的输出文件
 merged_abundance_table.txt，过滤掉丰度低于 0.1% 的物种，
 然后画一个热图，用 seaborn 的 clustermap，保存为 heatmap.png"

→ Agent 自动生成完整脚本，包括参数解析、数据清洗、可视化

场景 2：调试报错代码¶

当你的脚本报错时：
1. 复制报错信息
2. 按 Ctrl+L 打开 Chat
3. 粘贴报错信息，问"这个错误怎么修？"
4. AI 会分析报错原因，并直接给出修改建议

常见生信报错示例：
- pandas 读取大文件内存不足 → AI 建议使用 chunksize 参数
- BioPython 解析序列格式错误 → AI 帮你修正文件格式判断逻辑
- matplotlib 中文显示乱码 → AI 帮你配置中文字体

场景 3：理解和修改已有流程¶

你对 AI 说：
"@Snakefile 帮我解释这个 Snakemake 流程的每一步在做什么，
 用中文注释标注"

→ AI 会逐条解释每个 rule 的输入、输出、命令含义

场景 4：批量数据处理¶

你对 Agent 说：
"data/ 目录下有 50 个样本的 .fastq.gz 文件，文件名格式是
 sample_001_R1.fastq.gz 和 sample_001_R2.fastq.gz。
 帮我写一个 bash 脚本，用 fastp 做质控，
 输出到 clean_data/ 目录，同时生成质控报告到 qc_reports/ 目录。
 用 parallel 实现 8 个样本并行处理。"

→ Agent 自动生成包含错误处理和日志记录的完整脚本

场景 5：统计分析¶

你对 Agent 说：
"我有一个物种丰度表（行是样本，列是物种）和一个分组信息表
 （disease 组和 control 组）。帮我做以下分析：
 1. Alpha 多样性（Shannon 指数）的组间比较（Wilcoxon 检验）
 2. Beta 多样性（Bray-Curtis）的 PCoA 分析
 3. 差异物种筛选（LEfSe 或 Wilcoxon + FDR 校正）
 把结果画成图，保存到 results/ 目录"

场景 6：学习新工具¶

你对 Chat 说：
"我要学习用 Nextflow 写宏基因组分析流程。
 请从最简单的例子开始，帮我写一个 Hello World 的 Nextflow 流程，
 然后逐步加入 fastp 质控、BWA 比对、samtools 排序这三步。
 每一步都用中文注释解释。"

→ AI 生成可运行的代码，并附带详细的中文解释

场景 7：Shell 命令速查（终端内 Cmd+K）¶

在 Cursor 终端中按 Ctrl+K / Cmd+K：

你输入：查看 results 目录下所有 CSV 文件的行数，按行数排序
AI 生成：wc -l results/*.csv | sort -n

你输入：找出 data 目录下大于 1GB 的文件
AI 生成：find data/ -type f -size +1G -exec ls -lh {} \;

你输入：把所有 .fasta 文件的序列 ID 提取出来
AI 生成：grep "^>" *.fasta | sed 's/>//' > sequence_ids.txt

定价方案对比¶

以下为 2026 年最新定价，Cursor 在 2025 年中从"按请求计费"改为"积分（Credit）制"。

个人版¶

方案	月费	核心内容
Hobby（免费版）	$0	2000 次/月代码补全 + 50 次/月慢速 AI 对话，无需信用卡
Pro	$20/月（年付 $16/月）	无限 Tab 补全 + $20 积分池（约 225 次 Claude Sonnet 调用或 500 次 GPT-4o 调用）
Pro+	$60/月	Pro 所有功能 + $70 积分池，适合重度用户
Ultra	$200/月	Pro 所有功能 + $400 积分池 + 优先体验新功能

团队/企业版¶

方案	月费	核心内容
Teams	$40/人/月	Pro 级 AI + 共享规则/命令 + 集中计费管理
Enterprise	联系销售	自定义安全策略 + 自托管 Agent + SOC 2 合规 + Cursor Blame

积分（Credit）机制说明¶

白话解释： 积分就像手机话费。你每个月有一定额度，用 AI 对话就像打电话会消耗话费。不同的 AI 模型就像拨打不同类型的电话：打本地电话（GPT-4o）便宜，打国际长途（Claude Opus）贵。

Auto 模式（自动选模型） 的调用不消耗积分，无限使用
手动选择高端模型（如 Claude Opus、GPT-5.5）才消耗积分
积分用完后可以按 API 价格继续用（可在设置中关闭超额消费）
支持自带 API Key（Bring Your Own Key），直接用你自己的 OpenAI/Anthropic 账户付费

怎么选¶

你的情况	推荐方案
刚开始学编程，想试试	Hobby（免费版）
每天写代码 2-4 小时	Pro（$20/月）
重度 AI 编程用户	Pro+（$60/月）
在校学生	用 .edu 邮箱注册，可免费获得 1 年 Pro 版

常见问题与解决方案¶

Q1：Cursor 和 VS Code 能共存吗？¶

可以。 两者是独立的应用程序，互不影响。你可以同时安装 VS Code 和 Cursor，甚至同时打开使用。很多人的做法是：Cursor 用于 AI 辅助编程，VS Code 用于需要特定微软扩展的场景。

Q2：我的 VS Code 扩展在 Cursor 里能用吗？¶

大部分能用（约 90%）。 开源扩展基本都能用。但少数微软专属扩展不可用，最常见的是 Pylance（微软的 Python 语言服务器）。Cursor 内置了 Pyright（Pylance 的开源核心），功能覆盖 90% 以上的 Pylance 特性。

Q3：Cursor 会把我的代码发送到云端吗？安全吗？¶

Cursor 已通过 SOC 2 Type II 安全认证。 开启 Privacy Mode（隐私模式）后，你的代码不会被存储或用于 AI 训练。企业版还支持自托管 Agent，代码完全不离开你的内网。

设置方式：Settings → Privacy → Enable Privacy Mode

Q4：Tab 补全有时候很卡/不出来？¶

常见原因和解决方法： 1. 网络问题： Tab 补全需要网络连接（调用云端模型）。检查网络是否稳定 2. 文件太大： 超过几千行的文件可能导致补全变慢。尝试拆分文件 3. 扩展冲突： 其他 AI 补全扩展（如 Copilot、TabNine）可能冲突，建议禁用

Q5：AI 生成的代码有 bug 怎么办？¶

AI 不是万能的，生成的代码一定要检查。 最佳实践： 1. 先用小数据集测试 AI 生成的脚本 2. 逐步增加数据量，观察是否有内存或性能问题 3. 对关键的统计分析结果，用已知答案的测试数据验证 4. 在 Chat 中追问"这段代码有什么潜在问题？"让 AI 自己审查

Q6：怎么让 AI 生成的代码更符合我的习惯？¶

三个方法： 1. 写好 Cursor Rules： 在项目中配置编码规范（见上文 Rules 配置部分） 2. 提供示例代码： 在 Chat 中用 @ 引用你写得满意的文件，说"按这个风格写" 3. 及时反馈： 如果 AI 生成的代码不对，告诉它"不要用 for 循环，用 pandas 向量化操作"，AI 会在后续对话中记住这个偏好

Q7：免费版用完了 50 次对话怎么办？¶

几个选择： 1. 等下个月自动重置 2. 升级到 Pro 版（$20/月） 3. 自带 API Key：在 Settings → Models → API Keys 中填入你自己的 OpenAI 或 Anthropic API Key，可以绕过 Cursor 的额度限制 4. 用 @ 引用和 Rules 提升每次对话的质量，减少无效对话次数

Q8：可以在远程服务器上用 Cursor 吗？¶

可以。 方式和 VS Code 的 Remote SSH 一样： 1. 安装 Remote - SSH 扩展 2. 按 Ctrl+Shift+P → 输入 "Remote-SSH: Connect to Host" 3. 输入 用户名@服务器地址 4. 连接后，Cursor 的所有 AI 功能在远程文件上也能正常工作

Q9：Cursor 支持哪些 AI 模型？¶

截至 2026 年，Cursor 支持以下主流模型：

模型	提供商	特点
Claude Sonnet/Opus	Anthropic	代码理解和生成能力强
GPT-4o / GPT-5.5	OpenAI	通用编程能力好
Gemini	Google	长上下文处理好
DeepSeek V4	DeepSeek	性价比高，开源可自部署

你可以在对话窗口的模型选择器中切换，也可以用"Auto"模式让 Cursor 自动选择最合适的模型。

速查表¶

从零开始的操作流程¶

1. 下载安装    → cursor.com/download
2. 注册账号    → 推荐用 GitHub 登录
3. 导入设置    → 一键导入 VS Code 配置（可选）
4. 配置规则    → 创建 .cursor/rules/ 项目规则
5. 开始使用    → Tab 补全 + Ctrl+L 对话 + Ctrl+K 内联编辑

功能选择指南¶

"我想问个问题，不要动我的代码"    → Ask 模式（Ctrl+L，切换到 Ask）
"帮我改一下这几行代码"            → Ctrl+K（选中代码后）
"帮我写一个新功能/新文件"          → Agent 模式（Ctrl+L，默认）
"帮我完成一个耗时的大任务"         → Background Agent
"帮我在终端生成一条命令"           → 终端内 Ctrl+K

生信日常速查¶

# 快速理解代码
选中代码 → Ctrl+L → "这段代码在干嘛？用大白话解释"

# 快速修改代码
选中代码 → Ctrl+K → "改成用 pandas 实现" / "添加错误处理" / "加上中文注释"

# 快速写脚本
Ctrl+L → "帮我写一个 Python 脚本，功能是..."

# 快速生成 Shell 命令
终端内 Ctrl+K → "统计所有 fastq 文件的序列数"

# 调试报错
复制报错信息 → Ctrl+L → 粘贴 → "这个错误怎么修？"

提升 AI 回答质量的技巧¶

1. 具体描述需求，不要说"写个好代码"
   好：  "写一个函数，输入 FASTA 文件路径，返回序列长度的字典"
   差：  "帮我处理序列文件"

2. 用 @ 提供上下文
   "@config.yaml 按照这个配置文件的格式..."
   "@utils.py 参考这个文件的代码风格..."

3. 分步骤提需求
   先说："第一步，读取数据"
   确认后："第二步，数据清洗"
   最后："第三步，可视化"

4. 明确输入输出
   "输入是 TSV 格式的丰度表，第一列是样本名"
   "输出保存为 PNG 图片，分辨率 300 DPI"

参考资源¶

最后更新：2026 年 5 月 | 基于 Cursor 3.1 版本（2026 年 4 月发布）