Claude Code、Cursor和TRAE：谁才是人工智能的王者？

## 先来聊聊我们的初步发现

1）把Cursor当作一个集成开发环境（IDE）和日常文件、文件夹管理的小帮手，借助AI的力量，专注于逻辑推理和指令生成上。

2）n8n可以看作是复杂工作流程的“大脑”，通过本地部署和工作流功能，来精确管理和驱动工作流程的每个环节。

3）SKILLs则是用来处理模糊工作流程中的各种技能节点的管理和运作。

4）Json数据格式则是我们专业工作逻辑数据存储的最佳选择。

5）在工作流和SKILLs中，我们可以调用带有API接口的专业设计软件，以编程和Prompt的方式，轻松实现对专业软件的模拟操作。

6）对于需要实现自动化的工作目标，我们会把WBS任务分解成工作流程，力求将每个节点的子任务简化，并手动拆分成n8n节点或SKILLs技能。

7）未来，我们可能还需要数据库来支持过程和结果的备份与管理。

顺便提一句，如果能有一款生态级的平台软件实现这些功能，那真会颠覆整个行业的软件使用方式。

## 个人理解背景

我希望把1）AI的上下文管理，2）工作流驱动，3）Claude的SKILLs技能，融入到我们日常的团队工作中。

几年前在做设计时，我用Fortran、Excel VBA调用Sap2000的API，或者处理Midas的数据，写一些设计计算工具，还能生成施工图的dxf文件。经常用Rhino的VBS来处理从建筑专业拿到的三维建筑模型。

最近几年，随着ChatGPT的出现，我结合ChatGPT、Deapseek、KIMI等AI工具，自学了Python和MySQL，尝试过写爬虫和知乎洗稿程序。现在已经快一年没离开Cursor；Claude的SKILLs最近也在试用中，这几天我还在研究工作流驱动的相关资料，比如http://Make.com、n8n、Zapier等等。

问题1

我设想的需求是，1）工作流的定义最好是显性化并且图形化。2）希望能在Cursor这个平台的界面上处理工作流定义，比如我本地建立了一个工作文件夹，然后在其路径下再创建一个专门用来定义工作流的子文件夹。在这个子文件夹中，对于固定工作流程，我可以自己编辑工作流程的描述文件，或者借助LLM和Skills来参考模板，灵活编制需要应对的工作流程描述文件。3）在Cursor里通过Prompt、指令、代码和脚本等方式统一调用工作流和SKILLs，来实现一个辅助的工作模板。

那么，按照我的设想，2025年的AI工具能实现吗？

---

问题1的秘塔回答

你的设想在2025年的AI工具生态中完全可行，而且比2024年会更加成熟和方便实现。

目前有两个主要的实现路径，分别是基于**Make.com**（SaaS方案）和**n8n**（开源自托管方案）。根据你的需求，**n8n**是最符合的解决方案，它不仅支持将工作流导出为JSON文件，而且强大的社区生态让它能很好地嵌入到Cursor的本地开发环境中。

接下来是这两种路径的详细对比及实现方案：

---

### 方案一：Make.com + OpenSkills + Cursor（适合喜欢SaaS云服务的用户）

**核心逻辑**：*Cursor (UI层) -> OpenSkills (Skill层) -> Make.com (调度层) -> External APIs (外部工具)*

**如何实现**：

1. **在http://Make.com中定义工作流**：你需要在http://Make.com的网页上创建工作流，并生成一个Webhook URL。

2. **使用OpenSkills封装Skill**：通过OpenSkills，你可以将http://Make.com的Webhook调用封装成Cursor可以直接识别的技能指令。

3. **在Cursor中调用**：当你在Cursor中触发任务时，Cursor会调用Skill，进而触发http://Make.com的工作流执行。

**局限性**：http://Make.com的工作流定义是通过网页拖拽的，**无法直接在本地磁盘中编辑或进行版本控制**（除非手动维护一份JSON备份），这和“本地文件夹显性化”有点冲突。

—

### 方案二：**n8n + OpenSkills + Cursor（最推荐，最符合你的设想）**

**核心逻辑**：*Cursor (UI层) -> OpenSkills (Skill层) -> n8n (调度层) -> External APIs (外部工具)*

**为什么是最佳方案**：

n8n是一个**开源、免费、AI原生**的工作流自动化工具。

它天生支持**将每个工作流导出为JSON文件**，你可以像管理代码一样，在本地磁盘存放这些JSON文件，并使用Git进行版本控制。

它支持**混合低代码**（可视化拖拽）和**全代码**（JavaScript/Python），能灵活地嵌入LLM调用逻辑。

可以在本地Docker或直接在Windows/Mac上运行，非常符合“本地工作文件夹”的设想。

**详细实现步骤**：

#### 第一步：在本地搭建n8n工作流引擎

1. **本地部署**：下载n8n的Docker镜像，使用docker-compose启动（大概1分钟就能完成部署）。

2. **本地编辑**：打开`http://localhost:5678 `，在浏览器里通过拖拽创建工作流。

3. **导出为文件**：点击”Export” -> “JSON”，把工作流保存为`my_workflow.json`，并放到你的项目文件夹（例如`project_root/workflows/`）。

#### 第二步：使用OpenSkills封装n8n调用

1. **创建Skill**：在你的项目根目录下新建`.cursor/.claude/skills/`文件夹。

2. **Skill配置**：编写`my_n8n_workflow.md`文件，写入工作流文件的路径和需要的变量映射。具体格式可以参考OpenSkills的Skill格式（类似于API调用）。

3. **Sync Skill**：在Cursor中执行`openskills sync`，将Skill同步到AI的指令库中。

#### 第三步：在Cursor中调用并拆解子任务

1. **主任务Prompt**：在Cursor中描述你的复杂场景（例如“我需要自动收集2024年Q4的财务报表，分析趋势，并生成PPT”）。

2. **自动拆解**：Cursor会分析任务，将其拆分成子任务。

3. **自动调用Skill**：对于需要调用外部工具（如“下载报表”、“生成图表”）的子任务，Cursor会自动执行`run skill “my_n8n_workflow”`，完成数据采集或处理。

4. **AI推理**：对于需要思考的子任务（如“分析趋势”），Cursor会使用自身的LLM推理能力。

5. **结果串联**：所有子任务完成后，Cursor会将最终结果（比如PPT文档或报告）呈现给你。

**关键优势**：

* **显性化**：所有工作流都是JSON文件，任何人打开文件都能看到节点结构。

* **图形化**：n8n自带强大的可视化编辑器，适合调试和维护。

* **兼容性**：OpenSkills完美支持n8n的调用，无需中间层转译。

* **安全性**：所有数据都在本地，不需要暴露给第三方SaaS平台。

### 结论

如果你**坚持本地文件化**和**代码化管理**，那么**n8n**是2025年最符合你设想的工具；如果你**不介意使用SaaS**，更在乎云端的稳定性和托管服务，**Make.com**也是个不错的选择。

我建议你优先尝试**n8n + OpenSkills**的组合，这在2025年的开发者圈子里将被视为最“技术流”和“黑科技”的工作流自动化方式。

---

问题2

我继续围绕我的工作目标进行提问。

假如我使用n8n作为工作流工具，在工作中会涉及一些专业软件，1）在场景1中，我会用Rhino的Grasshopper来定义我的专业数据处理流程。2）在场景2中，我会使用带有API接口的专业软件，例如CSI的Sap2000。

用n8n来管理你的专业工作，真的可行吗？

其实，我也曾思考过，能不能用n8n来操控场景1和场景2提到的软件呢？能不能借助n8n来统筹我日常的专业工作流程呢？

---

问题2的解答

根据你的需求，完全可以把n8n当作核心调度工具，用来驱动 Rhino/Grasshopper 和 Sap2000。虽然 n8n 本身并不直接理解 Rhino 或 Sap2000 的命令，但你可以通过HTTP API（像 Rhino Compute）或本地脚本（比如 VBA/Python）来给这些软件下达指令。

以下是针对你提到的两个场景的实现方法：

---

场景一：操控 Rhino / Grasshopper

技术方案：利用 Rhino Compute / Hops 插件 + n8n 的 HTTP 请求

你可以把 Grasshopper 脚本发布成一个本地微服务，然后通过 n8n 来调用这个服务。

实现步骤

1. 准备工作：

• 安装 Rhino Compute：如果你在 Rhino 8 或 7 中，可以启用 Rhino Compute，这样就能把 Rhino/Grasshopper 当作网络服务来调用。
• 安装 Hops 插件：在 Rhino 中安装 Hops 插件，这样你就可以在 Grasshopper 中把任意节点发布为 HTTP 接口。

1. 创建 Grasshopper 端点：

• 在 Grasshopper 中，右键点击一个功能组件（比如数据处理节点），选择 Hops → Publish Component。
• 这会为你自动生成一个本地的 HTTP 接口（URL），通常类似于 http://localhost:8080/hops/ComponentName。

1. 在 n8n 中调用：

• 使用 n8n 的 HTTP Request 节点，将输入参数（比如几何体数据、参数值）以 JSON 格式发送到刚刚生成的 URL。
• 接收返回的结果（通常是几何数据或数值），然后利用 n8n 的后续节点进行处理（如保存为文件、发送邮件或调用其他系统）。

优势

• 可视化：Grasshopper 的节点流程依然可以可视化编辑，n8n 负责“传递参数”和“获取结果”。
• 自动化：可以将 Grasshopper 的运行过程融入更大的工作链中（如数据预处理 → 运行 Grasshopper → 结果分析 → 生成报告）。

---

场景二：操控 Sap2000 (带 API 接口)

技术方案：通过 n8n 调用本地脚本（VBA/Python） + Sap2000 COM API

Sap2000 官方提供了丰富的 COM API 接口，但通常只能在 Windows 环境下通过 VBA 或 Python 调用。n8n 可以作为调度器，把指令传递给这些本地脚本。

实现步骤

1. 编写调用脚本：

• 使用 Python 或 VBA 编写一个脚本，利用 Sap2000 的 API（比如 SapModel.InitializeNewModel、SapModel.File.New2DFrame）来完成特定的任务。
• 脚本需要接受外部参数（如模型路径、荷载数据），并返回执行结果。

1. 在 n8n 中执行：

• 使用 n8n 的 Execute Command 节点或 Run Python Script 节点，调用之前的脚本并传入相应参数。
• 用 n8n 捕获脚本的输出（比如生成的报告文件路径或分析结果）。

1. 后续处理：

• 在 n8n 处理完分析结果后，可以将结果发送到 Slack、发邮件或者写入数据库，形成一个完整的数据流。

注意事项

• 环境依赖：Sap2000 的 API 需在安装了 Sap2000 的 Windows 环境中运行。确保 n8n 部署在同台机器或同一局域网内，以便调用这些本地软件。

---

实现逻辑：从 Cursor 到 n8n 再到专业软件

根据你的需求，整个流程的逻辑是这样的：

1. Cursor (LLM/Skill)：

• 在 Cursor 中，你可以拆解任务，可能会用 OpenSkills 来生成一个调用工作流的指令。

1. n8n (工作流驱动器)：

• Cursor 通过 HTTP 请求或 Webhook 调用 n8n。
• n8n 根据图形化的工作流定义，决定是调用 Rhino Compute 还是本地脚本。

1. 专业软件 (Grasshopper/Sap2000)：

• 接收指令，执行复杂的计算。
• 将结果反馈给 n8n。

1. 返回 Cursor：

• n8n 将结果传回 Cursor，Cursor 进一步进行逻辑判断或生成报告。

总结：你的想法不仅切实可行，而且在2025年的技术发展中非常流行。通过将 n8n 作为“中枢大脑”，你可以在 Cursor 中专注于逻辑推理和指令生成，把具体的数据处理交给专业软件完成，整个系统既高效又具备很强的扩展性。