Cursor Skills 实战教程：解锁AI编码效率，附多场景案例

优质文章学习记录

08 Apr 2026 — 23 min read

作为程序员专属的AI代码编辑器，Cursor 的核心优势远不止“AI生成代码”这么简单。其内置的「Skills」体系，是提升编码效率的关键——它能让AI精准理解你的开发需求、遵循你的编码规范，甚至替代重复的手动操作，从“帮你写代码”升级为“陪你高效开发”。

多数开发者使用Cursor时，仅停留在“输入需求→生成代码”的基础层面，浪费了Skills的核心价值。本文将从Cursor Skills的核心逻辑出发，拆解常用Skills的用法，并结合 Python 自动化、前端开发、代码调试等实战案例，手把手教你玩转Cursor，让编码效率翻倍。

注：本文基于 Cursor 最新版本（v0.38.0+），所有案例均可直接复制到Cursor中执行，新手也能快速上手。

一、先搞懂：Cursor Skills 是什么？

Cursor 的 Skills，本质是「AI 指令集 + 场景化配置」的组合，核心作用是：让AI更懂你的编码习惯、更精准地匹配开发场景，避免生成“不符合规范、无法直接运行”的代码。

与普通AI编辑器不同，Cursor的Skills具备3个核心特性：

「上下文感知」：能识别当前打开的文件、选中的代码，甚至你的编码风格（如缩进、注释规范）；
「可定制化」：支持自定义指令（Skills），适配你的技术栈和项目规范；
「多场景适配」：从代码生成、重构、调试，到文档生成、注释补充，覆盖全开发流程。

简单来说，普通AI生成代码是“碰运气”，而Cursor的Skills是“有目标、有规范”地生成符合你需求的代码，减少后期修改成本。

二、Cursor 核心 Skills 实战：附案例手把手操作

下面拆解5个最常用、最高效的Cursor Skills，每个Skill都搭配「操作步骤+实战案例+效果展示」，所有案例均基于真实开发场景，可直接复用。

Skill 1：代码生成（基础但高效）—— 精准匹配需求，减少修改

核心作用：用自然语言描述需求，指定语言、框架、规范，让AI生成可直接运行的代码，避免“生成后无法使用”的问题。

关键技巧：描述需求时，明确「语言版本+框架+功能细节+规范要求」，不要模糊表述。

实战案例：生成Python自动化脚本（MCP-Playwright基础操作）

需求：用Python + Playwright，写一个“打开百度，搜索‘Cursor Skills’，截图保存”的自动化脚本，要求：Python 3.10+，添加详细注释，遵循PEP8规范，包含异常处理。

操作步骤：

打开Cursor，新建文件 baidu_search.py；
在文件中输入自然语言指令（无需写代码）；
按下 Ctrl+Enter（Windows）/ Cmd+Enter（Mac），Cursor会自动生成代码；
生成后，直接运行验证，无需修改。

指令与生成结果：

输入指令：

plain text
用Python 3.10+ + Playwright，写一个自动化脚本，功能：打开百度官网，搜索“Cursor Skills”，等待页面加载完成，截图保存为baidu_cursor.png，要求：添加详细注释，遵循PEP8规范，包含异常处理（如页面加载失败、元素定位失败）。

生成的代码（可直接运行）：

python
from playwright.sync_api import sync_playwright
import traceback

def baidu_search_screenshot(keyword: str, save_path: str) -> None:
    """
    百度搜索指定关键词并截图保存
    :param keyword: 搜索关键词
    :param save_path: 截图保存路径
    :return: None
    """
    # 启动Playwright，使用Chromium浏览器
    with sync_playwright() as p:
        try:
            # 启动浏览器（headless=False，显示浏览器窗口，方便调试）
            browser = p.chromium.launch(headless=False, slow_mo=300)
            # 创建新页面
            page = browser.new_page()
            # 设置页面超时时间（5秒）
            page.set_default_timeout(5000)

            # 访问百度官网
            print(f"正在访问百度官网...")
            page.goto("https://www.baidu.com")

            # 定位搜索框，输入关键词
            search_input = page.locator("#kw")
            search_input.fill(keyword)
            print(f"已输入搜索关键词：{keyword}")

            # 点击搜索按钮
            search_btn = page.locator("#su")
            search_btn.click()

            # 等待页面加载完成（网络空闲状态）
            page.wait_for_load_state("networkidle")
            print("页面加载完成，准备截图...")

            # 截图保存
            page.screenshot(path=save_path)
            print(f"截图已保存至：{save_path}")

        except Exception as e:
            # 异常处理，打印错误信息
            print(f"自动化执行失败：{str(e)}")
            traceback.print_exc()
        finally:
            # 确保浏览器关闭，释放资源
            if 'browser' in locals():
                browser.close()
                print("浏览器已关闭")

# 主函数，执行搜索并截图
if __name__ == "__main__":
    baidu_search_screenshot(keyword="Cursor Skills", save_path="baidu_cursor.png")

效果说明：生成的代码包含注释、异常处理、规范命名，完全符合PEP8规范，直接运行即可完成操作，无需手动修改任何代码——这就是Cursor Skills“精准匹配需求”的核心价值。

Skill 2：代码重构（高效优化）—— 一键优化老旧代码/冗余代码

核心作用：选中一段冗余、不规范、性能差的代码，让Cursor自动重构，优化代码结构、提升可读性和性能，同时保留原有功能。

关键技巧：选中代码后，明确重构目标（如“简化代码”“提升性能”“规范命名”），避免AI误改功能。

实战案例：重构冗余的Python数据处理代码

需求：选中一段冗余的Python数据处理代码，让Cursor重构，要求：简化代码、使用列表推导式、添加类型注解、规范变量命名。

操作步骤：

在Cursor中粘贴冗余代码；
选中这段代码；
右键点击，选择「Refactor with AI」，或按下 Ctrl+Shift+R；
输入重构指令，按下回车，Cursor自动完成重构。

原始冗余代码：

python
# 原始代码：冗余、无类型注解、变量命名不规范
def process_data(data):
    result = []
    for i in range(len(data)):
        if data[i] > 0:
            temp = data[i] * 2
            result.append(temp)
    return result

# 调用
data_list = [1, -2, 3, -4, 5]
final_result = process_data(data_list)
print(final_result)

重构指令：

plain text
重构这段代码：1. 使用列表推导式简化循环；2. 添加类型注解；3. 规范变量命名；4. 保留原有功能；5. 添加简要注释。

重构后代码（自动生成）：

python
from typing import List

def process_positive_data(data: List[int]) -> List[int]:
    """
    处理数据：筛选正数并乘以2，返回结果列表
    :param data: 输入的整数列表
    :return: 处理后的正数列表（每个元素乘以2）
    """
    # 列表推导式简化循环，筛选正数并乘以2
    return [num * 2 for num in data if num > 0]

# 调用示例
input_data: List[int] = [1, -2, 3, -4, 5]
processed_data: List[int] = process_positive_data(input_data)
print(processed_data) # 输出：[2, 6, 10]

效果说明：重构后的代码简洁、规范，添加了类型注解和注释，使用列表推导式替代了冗余的for循环，性能提升的同时，可读性大幅提高——原本需要手动修改5-10分钟的工作，Cursor 10秒就能完成。

Skill 3：代码调试（排错神器）—— 自动定位错误，给出修复方案

核心作用：当代码运行报错时，Cursor能自动识别错误信息、定位错误位置，给出具体的修复方案，甚至直接修改代码，无需手动排查。

关键技巧：粘贴完整的错误日志+相关代码，让AI能精准定位问题（不要只粘贴错误提示，忽略代码上下文）。

实战案例：调试Playwright元素定位失败报错

场景：运行前面的百度搜索脚本时，出现「元素定位失败」报错，让Cursor定位错误并修复。

操作步骤：

在Cursor中粘贴报错日志+相关代码；
选中报错代码和日志；
输入指令“分析这段代码的报错原因，给出修复方案，并修改代码”；
按下 Ctrl+Enter，Cursor自动修复代码。

报错日志+原始报错代码：

plain text
# 报错日志
playwright._impl._api_types.TimeoutError: Timeout 5000ms exceeded.
Waiting for locator "#kw"
Call log:
- waiting for locator "#kw"

# 报错代码（片段）
search_input = page.locator("#kw")
search_input.fill(keyword)

输入指令：

plain text
分析这段Playwright代码的报错原因（元素定位失败），给出修复方案，修改代码，确保能成功定位到百度搜索框，避免超时。

修复后代码（自动生成）：

python
# 修复方案：添加显式等待，确保元素加载完成后再定位，避免超时
# 同时增加元素存在性判断，提升稳定性
search_input = page.locator("#kw")
# 显式等待元素可见（最多等待5秒）
search_input.wait_for(state="visible", timeout=5000)
# 输入关键词（添加异常捕获，防止输入失败）
try:
    search_input.fill(keyword)
except Exception as e:
    print(f"输入关键词失败：{str(e)}")
    # 备选方案：使用type方法输入（模拟手动输入，更稳定）
    search_input.type(keyword, delay=100)

效果说明：Cursor不仅定位到了“元素未加载完成就尝试定位”的核心问题，还给出了两种修复方案（显式等待+备选输入方法），修改后的代码能有效避免超时和定位失败问题——对于新手来说，这种调试能力能节省大量排查错误的时间。

Skill 4：自定义Skills（高级用法）—— 适配你的项目规范

核心作用：如果默认的AI指令不符合你的项目规范（如编码规范、注释规范、项目结构），可以自定义Skills，让Cursor每次生成代码都遵循你的规则，无需重复提醒。

关键技巧：自定义Skills时，明确「规则+示例」，让AI能精准理解你的需求。

实战案例：自定义“Python项目注释规范”Skill

需求：自定义一个Skill，让Cursor生成Python函数时，自动遵循以下注释规范：

使用Google风格注释；
包含「功能描述、参数说明、返回值说明、异常说明」；
参数说明需包含「参数名、类型、含义」；
注释语言为中文。

操作步骤：

打开Cursor，点击左侧「Skills」图标（快捷键 Ctrl+Shift+S）；
点击「New Skill」，输入Skill名称（如“Python注释规范”）；
输入Skill指令（包含规则+示例）；
保存Skill，后续生成Python函数时，直接调用该Skill即可。

自定义Skill指令（可直接复制）：

plain text
你是一个遵循Google注释规范的Python开发工程师，生成Python函数时，必须添加中文注释，注释规范如下：
1. 函数注释使用Google风格，位于函数定义上方；
2. 注释包含4个部分：
   - 功能描述：简要说明函数的核心功能；
   - 参数说明：列出所有参数，格式为“参数名: 类型 - 含义”；
   - 返回值说明：说明返回值的类型和含义；
   - 异常说明：列出可能抛出的异常及原因（如有）；
3. 注释语言为中文，简洁明了，不冗余；
4. 示例：
def add(a: int, b: int) -> int:
    """
    计算两个整数的和
    Args:
        a: int - 第一个整数
        b: int - 第二个整数
    Returns:
        int - 两个整数的和
    Raises:
        TypeError - 若输入参数不是整数
    """
    if not isinstance(a, int) or not isinstance(b, int):
        raise TypeError("输入参数必须是整数")
    return a + b

后续生成Python函数时，严格遵循以上规范，无需额外提醒。

使用效果：

调用该Skill后，输入“写一个Python函数，计算列表中所有正数的平均值”，Cursor生成的代码会自动遵循自定义的注释规范，无需手动修改注释——对于团队开发来说，自定义Skills能统一编码规范，提升协作效率。

Skill 5：多文件联动（进阶用法）—— 跨文件生成/修改代码

核心作用：Cursor能识别当前项目的所有文件，实现跨文件代码生成、修改（如修改一个函数，自动更新所有调用该函数的文件），适合中大型项目开发。

实战案例：跨文件修改函数，自动更新调用处

场景：项目中有两个文件 utils.py（工具函数）和 main.py（调用工具函数），修改 utils.py 中的函数参数，让Cursor自动更新main.py 中的调用代码。

操作步骤：

在Cursor中打开 utils.py 和 main.py 两个文件；
修改 utils.py 中的函数参数；
选中修改后的函数，输入指令“更新所有调用该函数的文件，确保参数匹配，无报错”；
Cursor自动识别 main.py中的调用处，完成修改。

示例：

1. utils.py原始函数：

python
def calculate_average(numbers):
    """计算列表的平均值"""
    if not numbers:
        return 0
    return sum(numbers) / len(numbers)

2. 修改后函数（添加参数 round_digit，控制保留小数位数）：

python
def calculate_average(numbers: List[int], round_digit: int = 2) -> float:
    """
    计算列表的平均值，并保留指定小数位数
    Args:
        numbers: List[int] - 待计算的整数列表
        round_digit: int - 保留的小数位数，默认2位
    Returns:
        float - 保留指定小数位数的平均值
    """
    if not numbers:
        return 0.0
    average = sum(numbers) / len(numbers)
    return round(average, round_digit)

3. 输入指令：“更新所有调用calculate_average函数的文件，确保参数匹配，无报错”；

4. Cursor自动更新 main.py中的调用代码（原始调用：calculate_average([1,2,3]) → 修改后：calculate_average([1,2,3], round_digit=2)）。

效果说明：跨文件联动Skill能避免“修改函数后，忘记更新调用处”导致的报错，尤其适合中大型项目，能节省大量手动修改的时间，提升代码一致性。

三、Cursor Skills 实用技巧（避坑指南）

指令越具体，生成的代码越精准：避免“写一个登录函数”这种模糊指令，要明确语言、框架、功能细节、规范要求；
善用“选中代码”：无论是重构、调试还是修改，选中相关代码后，AI能更精准地理解上下文，避免误操作；
自定义Skills优先适配团队规范：如果是团队开发，统一自定义Skills（如编码规范、注释规范），能提升协作效率；
多轮迭代优化：如果生成的代码不符合需求，不要重新输入指令，而是在原有基础上补充指令（如“修改这段代码，添加异常处理”），AI会基于上下文优化；
结合Cursor快捷键：Ctrl+Enter 生成代码、Ctrl+Shift+R 重构代码、Ctrl+Shift+S 打开Skills面板，提升操作效率。

四、Cursor 中 YAML 与 MD 文件的区别及用法（实战补充）

在使用Cursor开发时，我们经常会接触到 YAML（简称YML）和 Markdown（MD）两种文件格式，二者用途截然不同，但都能借助Cursor的Skills提升操作效率。很多开发者容易混淆二者的使用场景，下面结合Cursor操作实战，详细拆解区别与用法。

4.1 核心区别：用途与语法差异

二者的核心差异在于「定位不同」：MD 侧重「文档展示」，YAML 侧重「配置描述」，结合Cursor的特性，具体区别如下表所示：

plain text
| 对比维度       | YAML 文件（.yml/.yaml）                | Markdown 文件（.md）                  |
|----------------|----------------------------------------|---------------------------------------|
| 核心用途       | 配置文件、参数定义、数据序列化         | 文档编写、说明文档、笔记、教程        |
| 语法特性       | 严格缩进（2/4空格）、键值对格式、支持注释（#） | 标记语法（#标题、**加粗**等）、无严格缩进、侧重排版 |
| Cursor 适配性 | 支持语法高亮、AI生成配置、错误提示     | 支持实时预览、AI生成文档、格式优化    |
| 适用场景       | 项目配置、工具配置、接口参数、Skills配置 | 接口文档、开发笔记、教程、README文件 |

4.2 YAML 文件用法（Cursor实战）

YAML 是「配置优先」的文件格式，在开发中常用于存储项目配置、工具参数等，Cursor对YAML的支持非常友好，结合Skills能快速生成规范的配置文件。

实战案例：用Cursor生成Playwright配置文件（playwright.config.yml）

需求：生成Playwright的YAML配置文件，要求：指定Chromium浏览器、设置超时时间5秒、配置测试报告路径、禁用无头模式（方便调试）。

操作步骤（结合Cursor Skills）：

打开Cursor，新建文件playwright.config.yml；
输入指令：“用YAML编写Playwright配置文件，规范缩进，配置：浏览器为Chromium、超时时间5000ms、测试报告路径为reports/、禁用无头模式、视图port为1920x1080”；
按下 Ctrl+Enter，Cursor自动生成规范配置，无需手动调整缩进。

生成的YAML配置（可直接使用）：

yaml
# Playwright 配置文件（由Cursor AI生成，遵循YAML规范）
playwright:
  # 浏览器配置
  browsers:
    - name: chromium
      headless: false # 禁用无头模式，显示浏览器窗口
      viewport:
        width: 1920
        height: 1080
  # 超时配置
  timeout: 5000 # 全局超时时间，单位ms
  # 测试报告配置
  reporter:
    type: html
    path: reports/ # 报告保存路径
  # 测试文件匹配
  testMatch: "tests/**/*.py"

Cursor 优势：生成的YAML自动遵循缩进规范（2空格），避免手动缩进错误；若输入指令不完整，可补充“添加代理配置”，Cursor会在原有基础上追加配置，无需重新生成。

4.3 MD 文件用法（Cursor实战）

MD 是「文档优先」的文件格式，常用于编写项目说明、接口文档、开发笔记等，Cursor支持MD实时预览（点击右上角「Preview」），结合Skills能快速生成格式化文档。

实战案例：用Cursor生成项目README.md文档

需求：生成Python+Playwright自动化项目的README.md，要求：包含项目介绍、环境准备、运行步骤、目录结构、常见问题，格式规范（标题、列表、代码块）。

操作步骤（结合Cursor Skills）：

打开Cursor，新建文件 README.md；
输入指令：“用Markdown编写Python+Playwright自动化项目的README文档，结构：1. 项目介绍（自动化测试百度搜索）；2. 环境准备（Python3.10+、依赖安装命令）；3. 运行步骤；4. 项目目录结构；5. 常见问题（元素定位失败、浏览器启动失败），代码块用```标记，标题分级清晰”；
按下 Ctrl+Enter 生成文档，点击右上角预览，查看排版效果，若需调整，补充指令“优化目录结构的排版，将常见问题改为有序列表”即可。

生成的MD文档（片段）：

markdown
# Python+Playwright 自动化测试项目
## 1. 项目介绍
本项目基于 Python + Playwright 实现百度搜索自动化测试，包含搜索、截图、异常处理等功能，适配Cursor编辑器，可通过AI快速优化脚本。

## 2. 环境准备
### 2.1 依赖安装
```bash
# 激活虚拟环境
python -m venv .venv
source .venv/bin/activate # Mac/Linux
.venv\Scripts\activate     # Windows

# 安装核心依赖
pip install playwright pytest python-dotenv
playwright install chromium
```

## 3. 运行步骤
1. 克隆项目到本地；
2. 激活虚拟环境，安装依赖；
3. 修改配置文件（playwright.config.yml）；
4. 运行测试脚本：pytest test_baidu.py -v

## 4. 项目目录结构
```
baidu-auto-test/
├── .env                # 环境变量配置
├── playwright.config.yml # Playwright配置
├── test_baidu.py       # 核心测试脚本
└── README.md           # 项目说明文档
```

## 5. 常见问题
1. 元素定位失败：检查selector是否正确，添加显式等待；
2. 浏览器启动失败：重新运行playwright install chromium，检查权限；
3. 超时报错：调整配置文件中的timeout参数。