🌟 颠覆性的AI编程协作体验 - 让AI真正理解你的项目和需求

📚 使用指南 | 开发规范 | 智能进化指南 | Token压缩技术 | 系统信息指南 | 团队规则示例 | 远程规则导入

采用 Cursor 规则系统 定义的 AI 协作规范，结合单步多任务感知、智能缓存和规则系统，实现高效、安全的人机协作。

🤝 核心协作原则

这是一个专为人机高效协作而设计的智能AI协作系统。

人类意图主权

• 人类决策始终优先于AI建议
• AI提供选项，人类做出最终选择
• 所有AI操作都需要人类确认

信号透明性

• AI必须解释推理过程和数据来源
• 所有输出都应可追溯和可验证
• 明确标注信息来源归属

安全协作

• 不自动执行破坏性操作
• 所有系统变更都需要明确批准
• 对所有建议进行风险评估

🏗️ 系统架构

双目录设计

Cursor AI Rules 采用创新的双目录架构：

• .cursor/ 📁 项目无关配置

  • 规则定义、核心脚本、文档
  • 可安全复制到任意项目
  • 支持版本控制和团队共享

• .cursorGrowth/ 🌱 项目私有数据

  • AI学习记录、缓存数据、性能监控
  • 每个项目独立生长，用户数据隔离
  • 自动添加到 .gitignore 保护隐私

架构优势

• 🔄 可复制性: .cursor 目录可在任意项目间复制
• 🔒 隐私保护: .cursorGrowth 数据完全私有不共享
• 👥 协作友好: 团队共享配置，每个人的数据都是独立的
• ⚡ 性能优化: 本地缓存和学习数据提升响应速度

📖 详细架构说明

🛠️ 开发指南

代码质量

• 遵循既定的编码标准
• 优先考虑可读性和可维护性
• 包含适当的文档说明

项目结构

• 保持有组织的文件结构
• 使用一致的命名约定
• 保持依赖项更新

📋 工作流集成

规则系统

• 利用 .cursor/rules 提供专门指导
• 根据上下文和文件类型应用规则
• 组合多个规则以实现全面覆盖

智能功能

• 利用自动环境检测
• 使用感知系统进行项目分析
• 应用自适应规则优化

🌍 语言支持

多语言项目

• 自动检测技术栈
• 语言特定的最佳实践
• 跨平台兼容性

国际化

• 支持多种人类语言
• 提供双语文档
• 对全球开发者社区友好

🔧 技术环境

支持平台

• Linux、macOS、Windows
• 各种CPU架构

工具集成

• 自动工具链检测
• 编译器和构建工具支持
• 开发环境适配

⚡ 核心特性

特性	说明	效果
🧠 统一智能命令入口	@master 一键唤醒所有能力，自然语言驱动AI协作	零记忆负担
🎯 单步多任务感知	一次性完成所有项目分析，4层架构智能编排	Token节省 60%
⚙️ 分层配置管理系统	5层配置体系，支持动态配置和验证	配置灵活性 95%↑
🔧 统一质量保障体系	分层质量检查(Lint/Format/Audit/Report)	代码质量 80%↑
🏗️ 4层架构重构	Core/Config/Quality/Features清晰职责划分	维护性 75%↑
💾 智能缓存系统	基于文件变化的缓存机制	响应速度 5x提升
🛡️ 优雅降级	环境检测和容错处理	稳定性 99.9%
🔓 开箱即用	无需配置，复制即用	支持任何项目、任何语言

📋 智能规则系统

规则	描述	应用方式	状态
master	智能Master控制器 - 自动感知需求并智能执行内部命令	始终应用	✅
constitution	AI共生宪法 - 人机协作核心原则	始终应用	✅
philosophy	交流哲学与协作模式	始终应用	✅
intelligent_evolution	智能演进系统 - 统一协调感知和进化	智能应用	✅
generator	项目规则生成器 - 自动化生成个性化规则配置	代码文件	✅
system_info	系统信息获取器 - 自动获取时间、路径、作者信息	始终应用	✅
templates	配置模板 - 自动化生成项目初始化配置	配置文件	✅
i18n	国际化支持系统 - 自动检测语言偏好并切换沟通	始终应用	✅
platform_adapter	跨平台适配器 - 统一管理不同OS间的命令、路径和环境	始终应用	✅
module_manager	规则管理系统 - 管理规则依赖关系、激活控制和扩展机制	始终应用	✅
eslint	ESLint代码质量检查 - 自动检测和修复JavaScript代码问题	始终应用	✅
evolution-philosophy	演进哲学 - 规则演进的核心理念和原则	智能应用	✅
evolution-manual	手动演进流程 - 人工触发的规则演进管理	智能应用	✅
evolution-automation	自动化演进系统 - 基于感知数据的智能优化	智能应用	✅
evolution-governance	演进治理机制 - 规则演进的安全保障和质量控制	智能应用	✅
collaboration	团队协作规则 - 多开发者环境的最佳实践	智能应用	✅
conversation_intent_analyzer	会话意图分析器 - 智能理解用户需求和意图	始终应用	✅
vibe-coding	VIBE Coding开发原则 - 文档驱动、测试先行、前后端对齐	代码文件	✅
rules-router	规则路由系统 - 智能分发和管理规则请求	始终应用	✅
javascript	JavaScript/TypeScript开发规则 - 现代前端开发最佳实践	代码文件	✅
python	Python开发规则 - 后端开发和数据处理最佳实践	代码文件	✅

🎯 Skills扩展系统 (20个专业技能)

技能分类	技能数量	功能描述	状态
文档处理	4个	docx, pdf, pptx, xlsx - Office文档处理和转换	✅ 全部集成
创意设计	5个	algorithmic-art, canvas-design, frontend-design, theme-factory, slack-gif-creator	✅ 全部集成
AI集成	5个	mcp-builder, skill-creator, node_mcp_server, python_mcp_server, mcp_specification	✅ 全部集成
企业协作	3个	brand-guidelines, internal-comms, doc-coauthoring	✅ 全部集成
测试开发	3个	webapp-testing, web-artifacts-builder, evaluation	✅ 全部集成

🚀 快速开始

🎯 智能Master一键初始化 (强烈推荐)

cd your-project
# 将 .cursor 目录放入项目根目录

# 🚀 智能Master - 自然语言驱动，AI自动编排所有操作
@master 我想创建一个React项目     # AI自动感知并执行完整流程
@master 需要优化代码质量           # 自动触发质量检查和修复
@master 帮我分析项目现状           # 智能生成项目分析报告

AI智能编排流程：

1. 🧠 意图理解: AI自动解析你的需求
2. ⚡ 智能组合: 自动选择规则+技能+脚本+工作流
3. 🎯 一键执行: 零配置，AI自动处理所有细节
4. 📊 实时反馈: 提供详细的执行报告和建议

传统手动设置

# 统一初始化 (替代所有旧脚本)
./.cursor/core/init.sh

# 环境感知分析
./.cursor/core/env-perception.sh

# 质量检查管理
./.cursor/quality/quality-manager.sh

🎛️ 智能功能

自动感知系统

• 技术栈识别: JavaScript/TypeScript, Python, Go, Rust, Java, C/C++等
• 团队动态分析: 贡献者数量、提交频率统计
• 项目规模评估: 代码行数、文件数量分析
• 开发阶段判断: 概念验证→成长→成熟产品
• 沟通模式学习: 用户偏好智能识别
• 系统环境感知: 操作系统、版本、架构、工具链检测
• 多语言支持: 自动检测项目技术栈，无需手动配置

性能优化

• 单步执行: 一次API调用完成所有分析
• 智能缓存: 文件变化时自动刷新
• Token节省: 相比传统方法节省60%+

质量工具

# 代码质量检查
./.cursor/features/automation/scripts/plugin_manager.sh list      # 查看可用工具
# 集成工具
✅ ESLint代码质量检查 (已集成到规则系统)

📊 系统监控

# 智能帮助系统
./.cursor/core/init.sh --help

# 环境完整性检查
./.cursor/core/env-perception.sh

💡 使用示例

智能Master使用

直接用自然语言描述你的需求：

# 在Cursor对话框中
@master 我想创建一个React项目
@master 需要优化代码质量
@master 帮我分析项目现状

# 或者在命令行中
./cursor-master.sh "我想创建一个React项目"

传统规则引用

设置完成后，规则会自动应用。你也可以手动引用：

@constitution - AI共生宪法
@intelligent_evolution - 智能进化建议
@system_info - 系统信息获取

实际应用场景

代码审查时：

基于项目技术栈(JavaScript)和当前阶段(概念验证阶段)，
建议采用轻量级代码规范，重点关注基础语法正确性。

项目规划时：

检测到单人开发模式，建议采用敏捷开发流程：
- 每日代码提交
- 简化文档要求
- 快速原型验证

问题诊断时：

智能感知显示项目规模小，复杂度低，
推荐使用简单架构，避免过度设计。

🔧 高级配置

自定义规则

1. 编辑规则文件：.cursor/rules/*/RULE.md
2. 遵循frontmatter格式
3. 更新版本号

性能调优

# 重新运行感知分析
./.cursor/core/env-perception.sh

# 检查环境
./.cursor/core/env-perception.sh

📦 分发与部署

快速部署

# 方法1：复制.cursor目录到项目根目录（推荐）
cp -r /path/to/cursor-ai-rules/.cursor /path/to/your-project/
cd /path/to/your-project
./.cursor/core/init.sh

# 方法2：从Git仓库克隆（如果已发布）
# git clone <your-repo-url> cursor-ai-rules
# cp -r cursor-ai-rules/.cursor your-project/
# cd your-project && ./.cursor/core/init.sh

特点：

• 🔄 自动适配: 系统自动检测项目环境，无需手动配置
• 🌍 多语言支持: 支持JavaScript、Python、Go、Rust、Java、C/C++等多种语言
• 👤 用户无关: 使用Git配置或通用默认值，无硬编码用户信息
• 📁 项目无关: 自动分析项目结构和团队动态

企业部署

# 批量部署到多个项目
for project in project1 project2 project3; do
  cp -r .cursor "$project/"
  cd "$project"
  ./.cursor/core/init.sh
  cd ..
done

适用场景：

• 🏢 企业环境: 统一团队协作规范
• 👥 多项目管理: 标准化开发流程
• 🔄 持续集成: 自动环境适配和规则同步

🆘 故障排除

智能诊断

# 一键诊断所有问题
./.cursor/core/init.sh --help

# 环境完整性检查
./.cursor/core/env-perception.sh

常见问题

Q: 初始化失败？

# 检查权限和环境
ls -la .cursor/core/init.sh
./.cursor/core/env-perception.sh

Q: 设置问题？

# 重新运行环境检查
./.cursor/core/env-perception.sh
# 重新运行设置
./.cursor/core/init.sh

🤝 贡献指南

规则优化

1. 在不同项目中测试新规则
2. 确保向后兼容性
3. 更新文档和示例

性能改进

• 关注Token消耗优化
• 测试缓存机制效果
• 验证规则执行性能

📊 技术指标

指标	v1.0	v4.2.0	v4.3.0	提升
初始化时间	~30s	~5s	~3s	90%↑
感知耗时	~10s	~1s	~0.5s	95%↑
Token节省	基准	60%↓	70%↓	70%↑
组件数量	42个	42个	28个	33%↓
文件总数	100+	77个	79个	21%↓
配置灵活性	基础	中等	高	95%↑
维护性	基准	+60%	+75%	显著提升
扩展性	有限	无限	智能	AI驱动

📋 环境要求

• Cursor 编辑器 v0.40+
• Git 2.0+
• Bash 4.0+
• jq (JSON处理器，可选但推荐)

---

🎯 开箱即用特性

无关项目

• ✅ 自动检测技术栈（JavaScript、Python、Go、Rust、Java、C/C++等）
• ✅ 智能分析团队规模和开发阶段
• ✅ 动态适配项目复杂度要求
• ✅ 无硬编码项目特定信息

无关用户

• ✅ 使用Git配置获取用户信息
• ✅ 支持无Git环境的通用默认值
• ✅ 自动获取本地时间和时区
• ✅ 自动隐私保护: 主动管理 .gitignore，防止敏感数据泄露

无关语言

• ✅ 自动检测项目文件结构
• ✅ 支持主流编程语言
• ✅ 智能推荐语言特定最佳实践
• ✅ 可扩展新语言支持

自主感知和进化

• ✅ 单步多任务项目分析
• ✅ 持续学习用户协作偏好
• ✅ 基于数据驱动的规则优化
• ✅ 渐进式系统进化

---

🌱 项目生长系统 (.cursorGrowth)

🎯 智能生长目录

系统会在项目根目录首次使用时自动创建 .cursorGrowth 目录，用于存储项目私有信息和生长数据。

🔒 自动隐私保护

系统会自动管理项目根目录的 .gitignore 文件，确保生长数据不会被意外提交：

• 新项目: 自动创建包含隐私保护规则的 .gitignore 文件
• 现有项目: 在现有 .gitignore 文件开头添加 .cursorGrowth/ 忽略规则
• 验证生效: 自动验证Git忽略规则是否正确生效

隐私保护条目:

# Cursor AI 生长数据 - 自动感知和学习
# 这些数据包含用户偏好、本地配置和学习数据，不应在仓库中跟踪
.cursorGrowth/

# 首次运行任何@master命令时自动创建
@master 创建React项目

# 系统自动创建目录结构：
.cursorGrowth/
├── README.md                     # 生长目录说明
├── learning/                     # AI学习数据
│   ├── profile.json             # 用户和项目学习档案
│   └── master_interactions.json # 交互历史
├── conversations/               # 对话记录
│   └── session_*.json          # 每次对话的详细记录
├── debug/                       # 调试信息
│   └── error_*.json            # 错误和异常记录
├── growth/                      # 生长指标
│   └── metrics.json            # 项目生长统计
└── personal/                    # 个性化数据
    └── user_profile.json       # 用户偏好和习惯

📊 自动记录的数据类型

学习数据 (learning/)

• 用户意图识别模式和准确率
• 成功执行的命令组合模式
• 失败案例和改进建议
• 个性化偏好学习

对话历史 (conversations/)

• 每次与AI助手的完整对话记录
• 意图识别结果和决策过程
• 执行结果和用户反馈
• 项目上下文信息

调试信息 (debug/)

• 执行失败的详细错误信息
• 系统异常和边界情况
• 性能问题和瓶颈分析
• 故障排除建议

生长指标 (growth/)

• 总交互次数统计
• 成功率趋势
• 意图类型分布分析
• 每日活跃度跟踪

个性化资料 (personal/)

• 用户语言偏好自动检测
• 常用意图类型统计
• 交互风格和偏好分析

🧠 智能学习机制

自动学习 (每次调用)

# 每次使用@master命令时，系统自动：
1. 📝 记录用户输入和意图识别结果
2. 📊 更新学习统计和模式分析
3. 👤 累积个性化偏好数据
4. 📈 计算生长指标和趋势
5. 🧠 优化未来响应策略

主动学习 (指定命令)

# 主动触发深度学习
@master 学习项目模式     # 分析.cursorGrowth数据
@master 优化我的偏好     # 基于历史数据调整AI行为
@master 分析使用习惯     # 生成详细使用分析报告
@master 显示生长状态     # 显示项目生长状态

🔒 隐私和安全

数据保护措施

• .cursorGrowth 目录不会被提交到版本控制
• 所有数据存储在本地项目目录
• 自动生成隐私保护说明
• 符合隐私保护最佳实践

数据使用原则

• 数据仅用于改进AI助手服务质量
• 不会上传到外部服务器
• 用户可以随时查看、导出或删除数据
• 支持数据匿名化和隐私模式

📈 生长可视化

查看生长状态

@master 显示生长状态    # 查看项目生长指标
@master 分析学习进度    # 显示AI学习成果
@master 生成成长报告    # 完整的生长分析报告

生长指标示例

🌱 项目生长状态 (2026-01-16)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📊 总交互次数: 45次
✅ 成功率: 92%
🎯 最常用意图: 项目创建 (40%), 代码优化 (35%)
📈 学习改进: +15% 意图识别准确率
👤 用户偏好: 中文界面, React技术栈
📅 活跃天数: 12天

🎓 学习命令详解

@master 学习项目模式

• 分析.cursorGrowth/learning/中的数据
• 识别用户行为模式和偏好
• 优化未来命令响应准确性
• 生成个性化使用建议

@master 优化我的偏好

• 分析用户交互历史
• 根据用户偏好调整AI行为
• 提升意图识别准确率
• 个性化交互风格

@master 分析使用习惯

• 生成详细的使用统计报告
• 识别效率提升机会
• 提供使用优化建议
• 预测未来使用趋势