Cursor新手保姆级教程：用AI从零打造Python项目

Cursor 被不少开发者称为当前最强大的 AI 编程工具之一。它本质上是一个内置 AI 对话能力的代码编辑器，界面与 VSCode 高度相似，但核心差异在于把编码工作大量交给 AI 完成。本文根据一位 B 站 UP 主的实操教程，梳理 Cursor 的下载安装、核心功能与一个完整的 Python 项目开发流程，适合零基础新手上手参考。

Cursor 是什么，如何下载安装

Cursor 是一款 AI 代码编辑器，定位于让开发者通过自然语言对话来生成和管理代码。下载方式很简单：搜索 Cursor 官网并进入下载页面，选择对应系统的安装包即可。需要注意的是，这个工具必须注册账号后才能使用，首次打开会引导完成注册流程。

安装完成后，使用方式和普通编辑器类似：先打开一个文件夹作为工作区。教程中演示的是在磁盘里新建一个名为「Cursor Workspace」的目录作为工作目录，进入后即可在编辑器内向 AI 发起提问和指令。

三大面板与三种对话模式

Cursor 的界面主要分为三个区域。左侧是项目目录，展示文件与文件夹结构；中间是代码展示区，与 VSCode、编辑器的代码窗口体验一致；右侧则是与其他编辑器最大的不同——AI 对话面板。教程反复强调，左侧的目录和中间的代码，几乎都是通过右侧这块 AI 对话生成出来的，所以掌握好对话面板是关键。

AI 对话提供三种模式，理解它们的区别是高效使用的前提：

• Agent（自主模式）：AI 会主动接管编程过程，帮你生成文件、编写代码，适合想让 AI 直接产出完整项目的场景。
• Ask（提问模式）：针对你的特定问题进行回答，不会主动创建大量文件，适合咨询和查询。
• Manual（手动模式）：把编码控制权完全交给开发者，AI 只提供参考提示。

简单来说：想让 AI 帮你写代码就选 Agent，只想问问题就选 Ask，只想要参考建议就选 Manual。

从产品设计角度看，Cursor 的三种模式对应了不同程度的「人机协作」。Agent 模式底层依赖的是大模型的工具调用（Tool Use / Function Calling）能力，AI 可以主动读写文件系统、执行终端命令，因此能完成「从零建项目」这类多步骤任务。Ask 模式则更接近传统的对话式问答，模型只负责输出文字，不触发任何文件操作，适合在不想打断现有代码的情况下获取解释或方案建议。Manual 模式类似早期 GitHub Copilot 的补全逻辑，AI 依据光标上下文给出代码片段建议，开发者自行决定是否采纳。理解这三层的本质区别，有助于在实际开发中根据任务粒度做出更精准的选择，避免因误用 Agent 模式而意外修改大量文件。

模型选择：生产环境优先 Claude

对话面板右侧还可以选择 AI 大模型，其中既有付费的高级模型，也有部分免费模型。教程给出的建议很直接：如果你的项目要用于生产环境，应无脑选择 Claude 系列模型，UP 主认为它是目前写代码最强大的模型，相比一个真正投入使用的项目而言，这点费用微不足道。

而如果只是普通提问、不涉及生产代码，则可以自由切换到其他模型，包括免费选项。这个「按场景分级选模型」的思路，对控制成本很有实用价值。

Claude 是由 Anthropic 公司开发的大语言模型系列，目前主要版本包括 Claude 3.5 Sonnet 和 Claude 3 Opus 等。Anthropic 在模型安全性和指令跟随能力上投入了大量研究，使得 Claude 在处理多文件、多步骤的代码生成任务时，往往能更准确地理解上下文意图，减少「幻觉」式的错误代码。Cursor 内置的模型列表通常还包括 OpenAI 的 GPT-4o、Google 的 Gemini 系列，以及若干开源或低成本选项。付费高级模型按 token 用量计费，对于频繁修改、反复迭代的生产项目，累计费用值得提前评估。免费或低价模型在理解复杂需求时容易出现逻辑跳跃或代码不完整的情况，用于学习和原型验证则完全够用。

实战：用 AI 开发学生管理系统

教程以「纯小白」视角演示了完整流程。第一步先用 Ask 模式咨询技术选型：以「用 Python 开发一个学生管理系统，帮我推荐技术栈」为提示，Claude 给出了框架建议，并根据「小型项目」的需求推荐了合适的技术组合。

确定方案后，切换到 Agent 模式让 AI 生成代码。AI 会先说明项目结构，再通过命令逐步构建目录，并自动生成登录、注册、学生管理等模块文件，以及启动脚本和说明文档。

生成过程中一个关键设置是自动运行。当命令报错需要重新执行时，可以选择每次询问，或者开启自动运行让 AI 全程接管——报错后它会自动检查、修复再运行，无需人工介入。教程中全程开启了自动运行，把权限完全交给 AI。

生成的新文件会以黄色、红色标记，询问是否保存，你可以逐个同意，也可以等全部生成完毕后统一保存。

运行与调试：AI 自动解决依赖冲突

代码写完后，让 AI 直接运行项目。过程中它自动安装依赖包，并解决了版本兼容性问题。UP 主特别指出：这类依赖冲突，熟练的开发者可能要排查半小时，不熟练的甚至两小时也找不到，而 AI 几乎瞬间定位并重装了合适版本的依赖。

应用最终在 127.0.0.1:5000 启动。复制地址到浏览器后，用默认账号密码登录，即可看到学生管理界面。教程实测了添加、修改、删除、查看学生等功能，均正常工作。过程中也暴露了两个真实问题：添加学生时的校验提示是英文（学号需 3–20 字符），以及成绩记录等功能报 null 错误。

UP 主解释，这是因为演示时只完整实现了「学生管理」功能，其他功能属于「待实现」状态。要补全也很简单，只需在对话中把所有需求提出来，等待 AI 执行完成即可。

使用前的环境准备

教程结尾提醒了一个容易被新手忽略的点：整个演示是在已配置好的开发环境下进行的。想复现同样效果，需要自行安装对应的运行环境，比如 Python、Flask 相关依赖。数据库方面，演示使用的是 SQLite，如果你要用 MySQL，就必须额外安装 MySQL 环境。

换句话说，Cursor 极大降低了写代码的门槛，但基础运行环境的搭建仍需开发者自己完成。理解这一点，才能避免「AI 生成了代码却跑不起来」的困惑。

「运行环境」与「开发工具」是两个不同层次的概念，这对新手来说常常是最大的混淆点。Cursor 属于开发工具，负责编写和管理代码；而 Python 解释器、pip 包管理器、Flask 框架、SQLite 或 MySQL 数据库，属于运行环境，决定代码能否在本机实际执行。以本文的学生管理系统为例，至少需要提前安装 Python 3.x 并确保 pip 可用，Flask 和 SQLAlchemy 等依赖包则可以由 AI 在 Agent 模式下通过终端命令自动安装。如果改用 MySQL，还需单独安装 MySQL Server 并创建对应数据库和用户权限。Windows 用户还需注意将 Python 添加到系统 PATH，否则终端命令会提示「找不到命令」。建议新手在首次使用 Cursor 前，先独立完成 Python 环境的安装验证，在终端输入 python --version 确认输出版本号后再开始 AI 编程流程。

小结

Cursor 的核心价值在于把「对话即编程」变成现实：从技术选型、代码生成到依赖调试，AI 都能大幅接管。对新手而言，掌握 Agent / Ask / Manual 三种模式的适用场景、合理选择模型、并提前配置好运行环境，就能顺利用它完成一个可运行的完整项目。当然，正如演示中暴露的功能缺失和英文提示等问题，AI 生成的结果仍需人工把关和迭代——把需求描述清楚，是用好这类工具的关键能力。