轻松生成代码的Cursor提示词模板 – 今日头条深度解析

这是一个特别为你准备的 Cursor 提示词模板。这个模板利用了 思维链 (Chain of Thought) 的方式，帮助 Cursor 一步步进行分析、编码、测试和验证，尤其强调了你所要求的“完整实现”和“无报错验证”。

在使用的时候，只需要把 {{双大括号}} 中的内容替换成你从接口获取的真实数据就可以了。

Cursor 提示词模板 (Prompt Template)

请将以下内容复制到 Cursor 的 Chat 或 Composer (Cmd+I) 模式中：

Markdown

# Role
你是一位全栈技术专家，有着15年的丰富经验，擅长软件架构设计、代码质量控制和自动化测试。你能够处理复杂的业务需求，并交付出强健、可维护且经过测试的代码。

# Context
我通过接口获得了一项新的需求任务，希望你基于当前代码库 (@Codebase) 进行全面的全栈开发。

## 需求信息数据
- **项目名称**: {{项目名称}}
- **任务类型**: {{任务类型}}
- **需求标题**: {{需求标题}}
- **需求详细内容**: 
"""
{{需求详细内容}}
"""

## 当前技术栈上下文 (请确认)
*如果 Cursor 没法自动识别，请在此处简要说明，例如：Backend: Java/Spring Boot; Frontend: Vue3/TS*

# Task Instructions
请按以下步骤进行开发，每一步都需你深入思考并结合当前项目结构：

## Step 1: 需求分析与设计
1.  阅读上述需求，并结合 `@Codebase` 分析当前项目的业务逻辑和数据库结构。
2.  列出需要修改或新增的文件（包括后端和前端）。
3.  定义前后端交互的 API 接口格式（URL、Method、Request 和 Response）。

## Step 2: 后端开发 (Backend Implementation)
1.  **数据库**：设计并生成必要的 SQL 变更脚本（DDL/DML）。
2.  **代码实现**：编写 Controller、Service、Mapper/Repository、DTO/Entity 代码。
3.  **约束**：遵循项目现有的代码风格和分层架构，确保异常处理机制的完善。

## Step 3: 前端开发 (Frontend Implementation)
1.  **界面实现**：根据需求描述开发 UI 组件，确保符合项目现有的 UI 规范。
2.  **逻辑对接**：编写 API 请求函数，处理加载状态(loading)、错误提示(error)和成功反馈。

## Step 4: 测试代码编写 (CRITICAL)
为了确保“无报错”交付，请编写以下测试：
1.  **后端单元测试**：针对核心 Service 逻辑编写 JUnit/PyTest 等单元测试，覆盖正常路径和异常路径。
2.  **前端测试**（如适用）：编写关键组件的 Unit Test 或模拟数据调用的逻辑验证。

## Step 5: 构建与验证清单 (Verification)
请生成一个“验证清单”，包括：
1.  需要执行的 SQL 语句。
2.  启动后端和前端的命令。
3.  运行测试用例的命令（例如 `mvn test` 或 `npm run test`）。
4.  检查点：列出在构建过程中可能遇到的依赖冲突或类型错误，并提前在代码中规避。

# Output Requirements
- 请直接输出代码块，并注明文件路径。
- 代码必须包含清晰的注释。
- **最终目标**：代码合并后，执行构建命令应当 0 Error，测试用例应当 100% Pass。

请开始你的分析与编码。

如何使用此模板效果最好？

为了让 Cursor 发挥最大效能，建议你参考以下操作技巧：

1. 动态替换数据

如果你是通过脚本自动调用 Cursor（通过 API 或 剪贴板），请将从接口获取的 JSON 数据解析后填充进模板。

• {{项目名称}} -> 比如 “CRM管理系统”
• {{任务类型}} -> 比如 “Feature” 或 “Bugfix”
• {{需求标题}} -> 比如 “新增客户黑名单功能”
• {{需求详细内容}} -> 接口返回的 description 字段

2. 利用 Cursor 的 @Codebase

在模板的 Context 部分，我特别保留了 @Codebase 这个关键字。

• 在 Cursor Chat 中：发送这段话时，Cursor 会自动索引你的整个项目，理解你现有的 Controller 写法、数据库表结构和前端组件库。
• 如果不加 @Codebase：Cursor 可能会生成一些标准但是与项目不兼容的代码（例如，你用 MyBatis-Plus，它却写了 JPA）。

3. 针对“构建无报错”的策略

AI 不能真正运行编译器，但通过在提示词中加入 Step 4 (测试) 和 Step 5 (验证清单)，我们可以逼迫 AI：

• 模拟编译器思维：它会更仔细地检查类型定义（TypeScript 接口、Java 泛型）。
• 生成测试：这是验证逻辑闭环的最佳方式。如果 AI 生成的测试代码逻辑不通，说明业务代码同样存在问题。

4. 自动化脚本思路 (Python 示例)

如果你想把这个过程自动化，可以写一个简单的 Python 脚本：

Python

template = """(上面的Markdown内容)"""

# 假设这是从接口获取的数据
requirement = {
    "project": "Mall-Pro",
    "type": "Feature",
    "title": "添加商品库存预警",
    "content": "当商品库存低于10件时，在管理后台首页显示红色预警通知。"
}

# 替换内容
prompt = template.replace("{{项目名称}}", requirement["project"]) 
                 .replace("{{任务类型}}", requirement["type"]) 
                 .replace("{{需求标题}}", requirement["title"]) 
                 .replace("{{需求详细内容}}", requirement["content"])

print(prompt)
# 然后将 prompt 复制到剪贴板，或者通过 Cursor API (如果有) 发送

#提示词# #AI编程# #AI技术#

抱歉，我无法处理该请求。