【Cursor实战】AI 赋能 Chrome 插件开发:从零打造豆包图片去水印插件

【Cursor实战】AI 赋能 Chrome 插件开发:从零打造豆包图片去水印插件

前言

 📫 大家好,我是陈三心,热爱技术和分享,欢迎大家交流,一起学习进步!

 🍅 个人主页:陈三心

AI 编程工具

目前,人工智能(AI)正以前所未有的速度渗透到各个领域,编程领域也不例外。它们凭借强大的智能算法,为开发者们带来了全新的编程体验,极大地提升了开发效率。目前主流的AI 编程工具有很多,比如:

  • github 的 copilot
  • 字节豆包的 marscode
  • 阿里的 通义灵码

不过,目前最被大家推荐的当属 Cursor 了。Cursor 凭借其独特的优势,在众多工具中脱颖而出。

Cursor 简介

Cursor 作为一款 AI 编程IDE,真正做到了将 AI 深度融入编程工作流程。它最大的亮点在于实现了 “0 代码编程”,用户只需通过自然语言与它进行对话,清晰描述自己的需求,Cursor 就能自动生成代码片段,甚至可以自动创建文件并添加代码,极大降低了编程门槛,让编程变得更加简单高效。


相比其它编程工具,它的主要优势有两点:

代码生成与编辑能力更强大:Cursor 在代码生成方面能力全面,不仅能逐行补全,还能依据自然语言描述创建整个函数甚至多文件结构。反观部分主流工具,可能仅能针对单个函数或局部代码进行补全,难以从项目层面构建完整的多文件代码体系。在代码编辑上,Cursor 能快速定位并批量修改相关文件,而一些其他工具可能仅局限于单个文件内操作,面对跨文件复杂编辑任务则力不从心。

强上下文理解能力:Cursor 的 codeBase 是基于整个工程,能参考多个文件提供建议,全面理解项目架构和文件间关系,这是许多同类工具所不及的。如 GitHub Copilot 只是基于当前文件的,无论是代码解释、优化、生成注释,都是基于当前文件的内容,因此可能无法全面关联上下文,需开发者多次细化描述,难以一次性准确生成符合整体项目需求的代码。

  • 原理

像 copilot 这些 AI 编程工具的运行逻辑,从当前文件中获得代码的上下文再结合你的提问(prompt),一起发给 LLM,最后得到结果。其实这已经能解决不少问题了,在没有 cursor 之前感觉很不错,写程序确实能提高效率。

cursor 的逻辑是,先将工程内的所有代码进行索引和向量化(Embedding),再之后你的所有提问都是基于整个工程给你答案,它会将你的提问结合整个工程的代码一起提交给 LLM。


下面就来展示如何借助 Cursor,从零基础开始,逐步完成一个功能完备的 Chrome 翻译朗读插件开发流程。

Cursor 开发 Chrome 插件

不管你之前有没有接触过 Chrome 浏览器插件开发,现在你只需要负责输入 prompt 描述你的需求,然后就可以把一切交给 Cursor 去完成。

下图是 cursor官网 提供的开发流程指导:

接下来就按这个步骤实现一个浏览器插件的开发。

需求分析与设计

现在 文生图 的工具有很多,比如豆包,下面通过豆包生成了一张猫的图像,但是会发现左上角带有 AI生成 的水印,往往我生成的图片是需要保存的,但是不想要这个水印,于是就想开发一个 Chrome浏览器插件来去除这个水印。

现在就明确了插件的需求:开发一个能在豆包上下载保存图片的Chrome插件,能够自动去除下载图片时的水印。

  • 优化Prompt

需求分析与设计是项目开发的起点,使用 Cursor 时,Prompt的质量 决定了 AI生成代码的准确性,因此需要通过优化 Prompt 来得到更符合预期的需求。比如明确 AI 的角色、提供具体的细节要求、提供示例等,优化 Prompt 可以参考 智谱AI开放平台 的总结。

优化后的Prompt: 

你是一名精通Chrome浏览器插件开发的专家,拥有10年以上的Chrome浏览器插件开发经验。你的任务是根据用户的描述,开发chrome浏览器插件。 我想开发一个能在豆包上下载保存图片的Chrome插件,能够去除我直接从网站下载图片时出现的水印问题。 豆包的网站类似: @https://www.doubao.com/chat/11260882687670274 它所生成的图片,我按F12看到的元素是这个:<img src="https://p9-flow-imagex-sign.byteimg.com/ocean-cloud-tos/image_skill/e01886c2-4122-47b5-a5f9-161766e58316_1751779454414810674~tplv-a9rns2rl98-web-preview-watermark.png?rk3s=b14c611d&amp;x-expires=1783315454&amp;x-signature=yMspA%2BJ17wj4zftydHtouxSbcoE%3D"> 

代码实现

cursor中准备一个project工程文件夹,输入下面提示词:

接下来 Cursor 的 Agent模式 就会自主探索、规划来创建项目了。

可以看到项目目录结构都已经创建完毕,并且添加了相应的 README 文档,按照文档进行插件的安装,在管理扩展程序界面,打开该文件夹,即可进行插件的安装。 

调试验证

添加插件时出现问题

cursor不给我们生成缺少的图片,安全原因,那么就需要我们自己手动添加。输入 prompt:

将插件文件夹发布到chrome浏览器,报图片的错误,你给我从网上查找几张图片放在对应的位置

使用cursor调试:

添加图片后重新加载插件即可:

插件有错误信息显示

错误信息:Uncaught TypeError: images.push is not a function

cursor调试

错误信息已解决:

测试和调试功能

现在 豆包 图片的界面变成这个样子了,右上角多了下载的按钮。

先来测试下功能是否可用,选中图片点击下载,发现下载失败。

控制台报错误:下载图片 doubao_selected_1.png 失败: Error: HTTP 403

让curosr修复:

下载图片 doubao_selected_1.png 失败: Error: HTTP 403 解决错误信息

再次测试,能正常下载,但是发现水印没去除:

cursor调试:

现在点击右上角的下载选中图片,能正常下载图片,但下载后的图片左上角的水印还是存在,没有去除,请进行修复

再次测试,水印已成功去除:

此时你就已经完成整个 Crhome浏览器插件 的开发了,你发现没,是不是零基础,不需要写一行代码,cursor就能帮你完成项目的开发和调试。

当然,后续如果你要上架到 Chrome应用商店 的话也是可以的,先去 注册 成为 Chrome应用商店开发者,然后就可以发布自己的插件了。

结语

🔥如果此文对你有帮助的话,欢迎💗关注、👍点赞、⭐收藏、✍️评论,支持一下博主~

Read more

2026年医疗AI的可信革命全栈实现(上)

2026年医疗AI的可信革命全栈实现(上)

当AI Agent学会说“我不知道” 主题关键词:Python、向量数据库、医疗AI Agent、贝叶斯网络、NVIDIA 2026 适用对象:医疗信息化团队、算法工程师、医院CIO/CTO、科研与产品团队 核心判断:医疗AI下一阶段的竞争焦点,不是更会“说”,而是更会“量化不确定性、约束错误传播,并在必要时把决定权交还给人类专家”。 执行摘要 本文围绕一个核心命题展开:在2026年的医疗AI部署中,真正稀缺的并不是生成文本的能力,而是系统对“不确定性”的治理能力。大语言模型擅长读懂语言、整合文档、生成解释,却不天然擅长在证据不足时保持克制。贝叶斯网络与贝叶斯增强方法提供的,正是这种“认知刹车”。 工程上,本文给出一套完整实现路径:以Python作为主开发语言,以结构化患者工件作为中间表示,以Milvus/Qdrant/pgvector或FAISS/cuVS承接证据层,以pgmpy/PyMC/NumPyro承接概率推理层,

Python + AI:打造你的智能害虫识别助手

Python + AI:打造你的智能害虫识别助手

Python + AI:打造你的智能害虫识别助手 在农业生产中,病虫害是影响作物产量和品质的“隐形杀手”。传统的害虫识别依赖人工巡查,不仅耗时耗力,还容易因经验不足导致误判、漏判。而随着智慧农业的普及,AI技术正成为破解这一难题的关键——今天,我们就用Python从零搭建一个智能害虫识别助手,让电脑替你“火眼金睛”辨害虫,轻松搞定农作物病虫害预警! 一、为什么要做这个项目? 智慧农业的核心是“精准、高效、低成本”,而害虫识别正是其中的典型场景: * 对农户:无需专业植保知识,拍照就能识别害虫种类,快速匹配防治方案; * 对开发者:这是一个“小而美”的实战项目,覆盖AI开发全流程,从数据处理到模型部署,学完就能落地; * 技术价值:融合Python、深度学习、Web部署,是入门AI+垂直领域应用的绝佳案例。 这个项目不需要你有深厚的AI功底,只要掌握Python基础,跟着步骤走,就能做出一个能实际使用的智能识别工具。 二、项目核心技术栈 先明确我们要用到的工具,都是行业主流、

2026 国内 AI 编程套餐(Coding Plan)全量横评:选型指南与避坑手册

2026 国内 AI 编程套餐(Coding Plan)全量横评:选型指南与避坑手册

在 2026 年的开发环境下,当养龙虾成为潮流,AI 编程助手已经从“选配”变成了“标配”。为了让开发者能以更低的门槛在 Cursor、Cline、Claude Code 等工具中使用顶级国产大模型,各大厂商纷纷推出了 Coding Plan(订阅套餐)。 面对琳琅满目的选择,本文将从价格、额度机制、模型生态三个维度进行深度拆解,帮你省下不必要的开销。 一、 核心选型:五大平台一句话总结 如果你想快速决策,请参考下表: 平台入门价格(常规)首月特惠(新客)核心亮点推荐人群智谱 GLM¥49/月无客户端支持最广(20+ 款),自带 MCP 工具链(视觉、联网、代码仓库检索)追求极致工具兼容性的职业开发者火山方舟¥40/月¥8.91

Flutter 组件 tavily_dart 的适配 鸿蒙Harmony 深度进阶 - 驾驭 AI 原生聚合搜索、实现鸿蒙端跨域知识发现与垂直领域语义降噪方案

Flutter 组件 tavily_dart 的适配 鸿蒙Harmony 深度进阶 - 驾驭 AI 原生聚合搜索、实现鸿蒙端跨域知识发现与垂直领域语义降噪方案

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 tavily_dart 的适配 鸿蒙Harmony 深度进阶 - 驾驭 AI 原生聚合搜索、实现鸿蒙端跨域知识发现与垂直领域语义降噪方案 前言 在前文中,我们领略了 tavily_dart 在鸿蒙(OpenHarmony)生态中实现基础互联网 AI 搜索集成的魅力。但在真正的“跨国科研智能辅助”、“政务决策舆情态势感知”以及“需要接入高精密专业数据库”的场景中。简单的单次查询往往不足以触达知识的核心。面对需要在大规模并发环境下,针对特定行业域名(如 .gov / .edu)执行深层内容的并行嗅探,并且要求对回显的数万字内容执行基于 AI 强语义的重排序(Re-ranking)与引用链路审计的高阶需求。如果缺乏一套完善的聚合搜索策略与语义降噪模型。不仅会导致 AI 智能体出现由于“信息泛滥”