Cursor 辅助开发：Web 背单词应用实战指南

后端开发

前端部分暂时搁置，接下来进行后端设计，包括 API 接口、功能实现和数据库设计。

项目结构

Cursor 给出的后端项目结构如下，包含模型、路由、工具函数及主入口：

app/
├── models/
│   └── models.py
├── routes/
│   └── word_routes.py
├── utils/
└── app.py
requirements.txt
.env

环境参数

我们需要创建一个环境变量文件来保存敏感配置，比如数据库连接 URI。内容大致如下：

DATABASE_URL=mysql+pymysql://root:root@localhost/word_memorize
FLASK_ENV=development
FLASK_APP=app/app.py

数据库设计

主要涉及两张表：Word 表存储单词基本信息，UserProgress 表存储用户学习进度和错题本。先创建数据库：

CREATE DATABASE word_memorize CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

表结构可以先不手动创建，后续让 Cursor 生成程序自动建表和测试数据会更高效。

安装 Python 依赖

Cursor 已为我们创建了 requirements.txt 文件来管理项目依赖。如果没有，可以让它帮忙生成。常见依赖包括 Flask、SQLAlchemy 等：

Flask==2.0.1
Flask-SQLAlchemy==2.5.1
Flask-CORS==3.0.10
PyMySQL==1.0.2
python-dotenv==0.19.0
requests==2.26.0

有了依赖文件，直接执行安装命令即可。注意：如果使用 Python 虚拟环境，可能需要手动执行命令，因为 Cursor 默认可能使用系统默认的 Python 环境。

pip install -r requirements.txt

运行应用

启动命令很简单：

flask run

首次运行可能会报错，这很正常，交给 Cursor 去解决。这是一个持续迭代的过程，需要一点耐心。

根据提示升级 Flask 版本后，继续运行又报错了，继续丢给 Cursor 帮忙解决。

修改了依赖的版本和代码中的导入方式后，又回到了版本兼容性问题。Cursor 建议用第二种方式解决。

这次终于启动成功了。

前端代码修改

后端跑通后，需要修改前端的 JavaScript 代码，对接后端 API。

测试前端界面

修改之后打开页面，可能会报错提示 CSS 和 JS 文件找不到，通常是路径问题，需要修复一下。

接收所有建议后，需要运行一个服务用于加载前端文件。

测试数据生成

为了让应用有数据可测，我们让 Cursor 帮忙生成测试单词数据。

添加单词时可能会报错，经过一通修复后，终于成功添加了单词。

功能测试

单词展示和下一个功能都正常，加入错题本也显示正常，单词学完会有相应提示。

Bug 修复

虽然页面上显示添加到错题本成功，但实际并没有真正写入数据库。这是典型的逻辑漏洞。

需要 Cursor 帮忙修复这个问题。

修复之后重启程序，仍然有问题。观察发现错题记录被答题记录更新掉了，需要让 Cursor 注意到这个逻辑冲突。

最终错题本功能恢复正常。

总结

虽然这是一个相对简单的示例项目，但它展示了 AI 辅助开发的基本流程和方法。通过这次实践，我们可以总结几点经验：

交互策略 与 Cursor 进行清晰、具体的对话至关重要。将复杂需求拆分成小步骤，并及时反馈纠正 AI 的输出。

效率提升 善用上下文管理，保持对话连贯性。复用已验证的代码片段，建立个人的提示词模板，能显著提升后续开发效率。