Cursor实战：15分钟开发图书馆管理系统全流程

引言

用AI编程工具开发一个完整的前后端分离项目，到底需要多长时间？B站UP主Java1234小峰老师用一个实际案例给出了答案——仅需15分钟，就能用Cursor生成一个基于FastAPI + Vue3的图书馆借阅管理系统。本文将完整梳理这个开发过程中的关键步骤、提示词设计技巧以及Bug修复经验。

需求设计：给AI一份清晰的"说明书"

很多人在使用AI编程工具时，最大的问题不是工具不行，而是需求描述不够清晰。小峰老师在这个项目中展示了一份结构化程度很高的需求提示词，值得借鉴。

核心需求要素

这份提示词涵盖了以下关键信息：

• 技术栈指定：后端FastAPI（Python），前端Vue3 + Element Plus
• 目录结构约定：后端在Server目录，前端在Client目录
• 数据库配置：MySQL 8，端口3308，要求生成建表SQL及测试数据
• 复杂度定位：适合大学本科毕业设计，复杂度适中
• 代码规范：所有类和方法加中文备注
• 文件管理：上传的图片统一存放在磁盘根目录下的uploads目录
• 界面要求：美观大方，首页带数据统计图表

这种提示词的设计思路非常值得学习——不是笼统地说"帮我做一个图书馆系统"，而是把技术选型、目录结构、数据库配置、编码规范等细节全部前置说明。这样AI生成的代码才能一次性贴合实际需求，减少后续返工。

技术栈选型解析

这里有必要解释一下为什么选择FastAPI + Vue3这套技术栈。FastAPI是近年来Python生态中增长最快的Web框架之一，由Sebastián Ramírez于2018年发布。与Django和Flask相比，FastAPI的核心优势在于：基于Python类型提示（Type Hints）自动生成API文档（Swagger UI和ReDoc），原生支持异步编程（async/await），以及极高的运行性能——官方基准测试显示其性能接近Node.js和Go。FastAPI底层基于Starlette（高性能ASGI框架）和Pydantic（数据验证库），这使得它在处理请求参数校验、序列化等方面几乎零额外代码。对于毕业设计或中小型项目而言，FastAPI的学习曲线远低于Django，同时又比Flask提供了更多开箱即用的功能。

前端方面，Vue3是Vue.js框架的第三个主要版本，于2020年9月正式发布，引入了Composition API、Teleport、Fragments等重要特性。Composition API允许开发者以函数式的方式组织组件逻辑，解决了Vue2中Options API在复杂组件中代码组织混乱的问题。Element Plus则是饿了么团队开源的Element UI的Vue3版本，提供了丰富的企业级UI组件（表格、表单、对话框、分页等），非常适合快速构建后台管理系统。这套技术栈在国内开发者社区中使用率极高，也是高校毕业设计中最常见的前端选型之一。

四步开发流程详解

整个开发过程被拆分为四个清晰的步骤，每一步都有明确的目标。

第一步：新建FastAPI后端项目

首先在本地磁盘新建项目父目录，再创建一个空的Server目录。然后打开PyCharm，选择FastAPI项目模板，配置Python 11虚拟环境，将项目定位到Server目录。创建完成后，默认只有一个main.py文件。

这一步的关键点在于：先用IDE创建好项目骨架和虚拟环境，而不是让Cursor从零开始搭建。这样可以确保Python环境配置正确，避免后续依赖安装的问题。

第二步：新建Vue3前端项目

前端项目使用Vite构建工具创建。在命令行中输入npm create vite@latest，项目名称设为client，选择Vue框架和JavaScript语言。Vite会自动生成项目结构并安装依赖。

Vite由Vue.js作者尤雨溪开发，是新一代前端构建工具。传统的Webpack在开发环境下需要将所有模块打包后才能启动开发服务器，项目越大启动越慢。Vite则利用了浏览器原生支持的ES Modules（ESM）特性——开发环境下不进行打包，而是按需编译，浏览器请求哪个模块就编译哪个模块，因此无论项目多大，启动速度都几乎是即时的。在生产环境构建时，Vite底层使用Rollup进行打包优化。这种"开发用ESM、生产用Rollup"的双引擎策略，使得Vite在开发体验和构建性能上都显著优于Webpack。

这一步同样是先用标准工具链创建项目骨架，再交给AI填充业务代码。这种"人工搭骨架 + AI填内容"的协作模式，比完全依赖AI从零生成要稳定得多。

第三步：Cursor AI生成项目代码

这是整个流程的核心环节。用Cursor打开父目录（包含Server和Client两个子目录），然后进入AI对话。

先Plan后Build的策略非常关键。 小峰老师没有直接让AI生成代码，而是先用Plan模式（选择GPT-4.0模型）让AI理解需求并输出方案。AI会主动提问，比如"系统的角色和功能范围如何设计"，这时候需要明确回答：

• 双角色设计：管理员（管理图书、借阅等）和读者/学生（登录、查询、借阅）
• 借阅业务规则：基础借书还书、借出限额上限、超期管理、续借功能

AI生成的方案包括完整的数据库设计（user、category、book等表）、后端API结构、前端页面结构等。确认方案无误后，切换到Build模式（选择Claude 3.5 Sonnet），让AI正式生成代码。

为什么Plan和Build使用不同模型？

一个值得注意的细节是：Plan用GPT-4.0，Build用Claude 3.5。这种"规划用一个模型、编码用另一个模型"的策略，充分利用了不同模型的优势——GPT-4.0在理解复杂需求和方案设计上更强，而Claude在代码生成的准确性和完整性上表现更好。

这种多模型协作的思路在软件工程中有深厚的理论基础，本质上是将"思考"和"执行"解耦。在大语言模型领域，这与Chain-of-Thought（思维链）提示技术一脉相承——让模型先推理再输出，能显著提高复杂任务的完成质量。这也反映了当前AI工程实践中的一个趋势：没有单一模型能在所有任务上表现最优，合理的模型编排（Model Orchestration）往往比单纯追求最强模型更有效。

生成完成后，需要做两件事：

1. 将生成的SQL脚本在MySQL中执行，创建数据库和表
2. 分别启动前后端服务进行验证

后端启动使用了UV库（uvicorn），前端用npm run dev。两个服务都能正常启动，基本功能可用。这里的uvicorn是一个基于uvloop和httptools的高性能ASGI服务器，是运行FastAPI应用的标准方式。

第四步：测试验证与Bug修复

代码生成后并非万事大吉，还需要逐一验证各模块功能是否正常，并针对发现的问题进行修复优化。

Bug修复与功能优化

界面调整：图书封面显示优化

AI生成的初始版本中，读者中心的图书浏览页面存在一个UI问题——图书封面图片是横向矩形显示，看起来不够美观。

小峰老师直接在Cursor中用自然语言描述修改需求："读者中心图书浏览模块，图书图片的显示从横向矩形改成竖向矩形。"AI很快完成了修改，图片显示效果明显改善，能看到完整的书籍封面。

功能验证：借阅流程测试

系统的核心借阅流程经过测试验证基本正确：

• 借书：读者可以在图书浏览页面点击借阅，系统会检查可借数量上限
• 分类查询：支持按图书分类筛选
• 还书：读者端和管理员端都可以操作归还，数据实时同步
• 续借：点击续借后会自动延长约半个月的借阅期限
• 借阅记录：完整记录所有借阅历史，包括借出时间、应还时间、实际归还时间
• 个人信息：支持查看和修改个人信息、修改密码

管理员端的功能也比较完善，包括分类管理、图书管理（支持封面上传）、借阅管理（可查看所有借阅记录并操作还书/续借）、数据统计图表等。这些功能覆盖了一个典型CRUD系统的完整生命周期——CRUD是Create（创建）、Read（读取）、Update（更新）、Delete（删除）四种基本数据操作的缩写，几乎所有业务系统的核心都围绕这四种操作展开。

值得一提的是，整个系统采用的前后端分离架构意味着FastAPI后端运行在独立端口提供JSON格式的RESTful API，Vue3前端通过HTTP请求（通常使用axios库）调用这些API获取数据并渲染页面，两者通过跨域资源共享（CORS）机制实现通信。这种架构的优势在于前后端可以并行开发、独立部署、独立扩展，也是当前Web开发的主流架构模式。

经验总结与实践建议

从这个案例中，我们可以提炼出几个使用Cursor等AI编程工具的关键经验：

1. 提示词要结构化、具体化。 技术栈、目录结构、数据库配置、编码规范、UI风格等都应该在需求中明确指定，不要让AI自由发挥。

2. 先搭骨架再填内容。 用PyCharm创建FastAPI项目、用Vite创建Vue项目，确保环境配置正确后再交给AI。这比让AI从零开始生成package.json和requirements.txt要可靠得多。

3. Plan和Build分步进行。 先用Plan模式确认方案，再用Build模式生成代码。这样可以在方案阶段就发现问题，避免生成大量需要推翻重来的代码。

4. Bug修复用自然语言描述即可。 遇到UI问题或功能缺陷，直接用中文描述期望效果，Cursor能很好地理解并修改。

5. 复杂度要适中。 提示词中"适合大学本科毕业设计"这个定位很巧妙，既不会让AI生成过于简陋的CRUD，也不会因为过于复杂导致生成质量下降。

总体来看，15分钟完成一个具备完整CRUD和业务逻辑的前后端分离系统，Cursor的效率确实令人印象深刻。当然，这个"15分钟"更多是指AI生成代码的时间，实际项目中的需求分析、测试验证和Bug修复仍然需要开发者的经验和判断。AI编程工具的真正价值，在于让开发者把精力从重复性编码中解放出来，专注于更有价值的架构设计和业务逻辑。

核心要点