返回写作

Cursor Meetup广州站速通笔记——MCP重构AI工作流，实现人机共生开发

本文基于2024年Cursor Meetup广州站现场分享内容整理，使用AI录音实时记录并使用Cursor进行智能整理，共计1.3万字，未进行精华内容进一步压缩。

目录

01. Jax：Cursor 武装升级：MCP 应用与自建

02. juju：设计也能开挂？Cursor + MCP 联手打造智能新体验

03. Bolyn：Cursor 在高校科研学习中的应用实践

04. AlphaWan：与Cursor的恋爱史：从独立开发者的视角

05. Dr.咩：Cursor赋能医学科普 - 从零到一的专业笔记创作

06. Michael：使用Cursor搭建一个医学科普网站

07. 张永城：看不懂代码的产品经理怎么用Cursor做AI项目

08. A梦：用 Cursor 做真产品：从域名痛点到门店系统

01 Jax：Cursor 武装升级：MCP 应用与自建

核心观点：通过MCP协议，可以将Cursor从简单的编程工具升级为个性化的开发平台，实现10-20倍的效率提升。Cursor✖MCP=提前下班

钱俊颖（Jax），ShareWorks前端架构师，Web GDE（Google Developer Expert for Web），掘金优秀创作者，从长沙赶来参加活动，为大家分享了如何通过MCP让Cursor变得更强大、更顺手、效率更高。

他的分享分为三个部分：MCP概念介绍、在Cursor中使用MCP、MCP Server。

一、MCP协议基础：解决上下文不足的核心问题

1.1 MCP协议定义

MCP（Model Context Protocol）的英文是model context program，中文意思是模型上下文协议。

1.2 为什么需要MCP？

核心问题：在使用Cursor时，很大一部分智能功能都需要与大模型交互。但简单的提示词交流往往效果不尽如人意，主要原因是上下文不够准确和全面。

问题根源：

  • 讨论焦点从提示词工程转化到了上下文工程

  • 上下文提供者来自世界各地、各个行业，标准不统一

  • 数据格式差异导致大量兼容性工作

解决方案：MCP通过统一标准，帮助模型构成更准确、更高效的上下文。

二、MCP在Cursor中的集成：从理论到实践

2.1 MCP的工作原理

在Cursor中，MCP通过MCG协议与MC12进行交互，服务端充当桥梁角色，连接本地、远程或第三方数据源和服务能力。MCP不是引入新的东西给大模型用，而是把已有的数据连接能力包装成MGB库，让大模型更方便地使用。

2.2 MCP服务的生态系统

普及程度：目前MCP服务已经比较全面地公开，国内外技术厂商都会提供MCP服务。

官方支持：Cursor提供了官方的MCP应用市场，包含20-30个官方认证的工具，如ocean、被动等。

管理方式：在Cursor设置页面，通过Integration选项管理MCP工具，支持通过MCP.json文件进行配置。

三、实战案例：接口文档自动生成表单

3.1 传统开发痛点

  • 场景描述：产品经理要求根据接口文档创建用户信息录入表单。

  • 传统流程：分析接口字段 → 逐个创建表单项 → 接入接口 → 数据验证 → 联调测试

  • 问题分析：这个过程是体力活，没有技术含量，效率低下。

3.2 MCP解决方案

核心思路：在Cursor里配置自建MCP服务，通过提示词"按照这个文档的结构生成表单"，让大模型自动生成表单页面。

效率提升：从手动一行行写代码，进化到只需要输入一句提示词，效率提升10-20倍。

3.3 技术实现

核心代码：Jax用JavaScript实现了一个MCP服务，通过HTTP接口获取API文档数据，组装成大模型接受的格式。

开发环境：使用Vite App作为开发环境，结合API Documentation Platform进行接口文档管理。

工作流程：

  1. 编写JavaScript MCP服务文件

  2. 在Cursor设置中注册MCP服务

  3. 通过自然语言调用服务

  4. 自动生成表单页面

3.4 最终目标

Jax希望大家能够理解MCP的价值和应用方式，能够把自己的工作流整合到MCP中，能够更爽、更丝滑、更高效地完成任务，最终目的是提前下班。

02 juju：设计也能开挂？Cursor + MCP 联手打造智能新体验

核心观点：或许转变【HTML】可以带来新的创作方式，通过AI技术与设计流程的深度融合，实现设计自动化，让设计师从重复性工作中解放，专注于创意和创新。

juju老师分享了在设计领域的多年经验，从AR技术应用到AI设计自动化，展示了如何通过技术手段提升设计效率和工作质量。

一、设计思维的转变：从设计本身到实际场景

1.1 最初的设计思考

核心问题：如何让设计变得更简单？

早期探索：毕业后加入设计公司，主要任务是结合AR技术优化公司工作流程，特别是在市场部的设计图、手稿确认以及模型可视化方面。

技术融合：在处理大量图文营销需求时，通过AI训练产品模型进行高效覆盖，在柔性供应链项目中利用AI技术实现创新。

1.2 思路的局限性

过度关注"设计本身"：忽略了设计的实际场景

寻找真正有价值的场景：高频使用、具有图文场景的需求

效率突破：接触到Cursor后发现它可以极大地提高工作效率，尤其是在实现设计创意与代码结合方面，让设计师感到非常自由且有掌控感。

二、内容运营与品牌营销的需求分析

2.1 实际业务需求

  • 构图基本合理：不需要特别精致

  • 能快速出图：提高工作效率

关键要素：

  • 准确传递信息：确保内容准确传达

  • 个性化展示：满足不同用户需求

  • 营造情绪氛围：创造情感共鸣

  • "千人千面"：实现个性化定制

适用场景：适合大规模社媒推广

三、设计自动化实践：美瞳产品案例

3.1 实现方式

  • 识图布局规划：通过AI识别图像结构，进行智能布局规划

  • 素材采集（AI定位）：使用AI技术精确定位和采集所需素材

  • 图像处理（精确裁剪）：实现精确的边缘处理和图像裁剪

  • 合成输出（网页生成）：动态生成HTML，具备强大的可扩展性

3.2 实现效果

  • 批量处理：效率提升80%

  • 边缘处理精准：视觉效果自然

  • 动态生成HTML：可扩展性强

  • 应用场景：美瞳产品展示，包括产品包装图和效果对比图

四、HTML转变带来的新创作方式

4.1 Gemini复刻与可编辑能力

  • 设计导入：视觉识别；元素解析；结构提取

  • 代码生成：HTML结构；CSS样式；JS交互

  • 可视化编辑：模块封装；可复用性；可编辑性

4.2 实际应用案例

  • ANT-AGING产品设计：展示了原图设计与HTML实现的对比

  • 技术实现：Gemini + HTML技术实现，可以复刻常见的画册设计

  • 效果对比：HTML复刻版本能够保持原设计的视觉效果，同时具备更好的可编辑性和扩展性

五、现有大模型的局限性

5.1 Gemini等主流模型的问题

  • 人物风格偏海外化：缺乏本土元素

  • 中文语义理解深度不足：难以准确理解中文语境

  • 文化背景差异：国性不符

对中文用户的挑战：额外调整时间、需要反复修改提示词、结果不可预测、输出结果与预期差距大

5.2 中文语义理解挑战

用户输入示例："生成一张中国古典园林的夜景,有亭台楼阁,小桥流水,意境幽远"

模型理解结果："Chinese garden night scene with pavilions, bridges, flowing water, distant atmosphere"

核心问题：意境等抽象概念难以准确传达、文化背景词语义丢失、多义词理解不准确

需求与挑战：更精准的中文理解；准确把握中文的表达方式和意境

六、基于ModelScope搭建MCP解决方案

6.1 平台优势

ModelScope魔搭社区：共享·共创·共进，续创新的AI开源生态

核心优势：高性能、API开放、中文优化、中文语义理解优、中文大模型

6.2 灵活选模与架构

推荐模型：

  • FLUX模型：

    优势：高分辨率、文字生成、复杂指令遵循

    适用场景：需要精确文字合成的场景、高分辨率网页设计、复杂构图的产品展示

  • 麦橘模型（majicMIX realistic）：

    优势：亚洲人脸优化、写实风格、暗部细节处理、社区活跃度高

    适用场景：亚洲人物肖像生成、产品模特展示、高质感广告素材

  • Kontext模型（FLUX.1 Kontext）：

    优势：图像编辑、上下文理解、局部修改、一致性保持

    适用场景：现有图像局部优化、网页元素微调、风格一致性维护

场景适配：

  • 全新创作：FLUX/麦橘

  • 迭代优化：Kontext

  • 组合使用：多种模型搭配

  • 自定义模型：灵活接入

七、实用小技巧与MCP工具推荐

7.1 实用小技巧

常见问题：虽然有参考图，但Gemini和Claude仍难以精准还原

具体问题：布局结构识别不准确、颜色还原度低、细节元素丢失严重

解决方案：先在Figma中绘制原型图，简单的色块填充，再输入给AI

效果提升：提高布局结构识别准确率、颜色还原度提升80%以上、保留关键细节元素

7.2 适合小白常用的MCP

stagewise MCP：指哪改哪，超小白友好

Playwright MCP：可以进行自动化测试

Browsertools MCP：浏览器自动化工具集（多浏览器、跨平台）

实用提示：先用简单原型图作为参考，再让AI生成完整设计，效果会好很多

03 Bolyn：Cursor 在高校科研学习中的应用实践

核心观点：通过优化流程和工具使用，可以节省大量时间，使科研人员能够更专注于探索感兴趣且有意义的事物，从而提高工作效率和创新力。

演讲者介绍：王博霖（Bolyn），同济大学理学博士在读，书科技（Shu Keji）成员。他分享了在高校科研学习中使用AI编程工具的实际经验，展示了AI如何改变传统的科研工作方式。

研究方向：声波的传播和成像，通过声音探索物质结构，涉及地球物理等应用领域。

个人网站：https://wbolyn.com

一、背景介绍与编程需求分析

1.1 研究方向与工具

研究方向：声波的传播和成像

技术工具：

  • Python：主要编程语言

  • Matlab：数值计算和仿真

  • VS Code：代码编辑环境

  • Anaconda：Python环境管理

应用场景：

物体内部状态检测：通过声波探索物体内部结构（如西瓜成熟度检测）

地球物理勘探：利用地震波进行地球内部成像

1.2 科研中的编程需求分类

面向过程的编程需求：

  • 特点：详细理解物理原理与物理过程，精确编程实现

  • 应用场景：声波传播与成像研究，通过声音探索物质结构

  • 技术要求：需要深入理解物理原理，编程实现要精确反映物理过程

面向结果的编程需求：

  • 特点：关注最终成果，不在乎实现细节，只关注能否解决问题

  • 应用场景：文献管理自动化、数据处理等

  • 优势：可以快速实现功能，节省时间用于核心研究

Cursor的核心理念：需求 > 结果，过程：X & ✓（忽略复杂过程，以目标为导向）

二、科研自动化实践案例

2.1 案例一：科研论文拼图软件

需求背景：在科研中需要比较图片成像效果，市面上软件虽强大但功能复杂且不便捷

痛点分析：部分软件使用复杂、拼接图片质量压缩、不能自动加标签

解决方案：使用Cursor开发了一个可视化界面的拼图软件，用户可以轻松选择本地图片进行拼图

应用场景：高质量拼图，特别适用于地震数据、地质数据等科学图表

效果提升：提高了效率，并且可以根据不同期刊设置模板，计划根据不同期刊设置模板

技术特点：通过AI工具理解并改进已有代码库，实现科研项目协作

2.2 案例二：知网文献自动下载

需求背景：需要下载几百篇文献，这是费时费力的脏活

传统方式：原本手动操作每篇文献需两分钟

AI解决方案：尝试使用Cursor来解决，利用Python编程自动化文献下载

技术实现：开发自动化脚本，能够批量下载CNKI（中国知网）文献

下载格式：支持标准文献格式，包含完整的元数据信息

  • 文献类型（TY）：JOUR（期刊）

  • 标题（TI）、作者（AU）、期刊名（T2）

  • 出版年份（PY）、卷期（VL/IS）、页码（SP/EP）

  • 语言（LA）、标准号（SN）等

效率提升：将原本每篇文献需两分钟的手动操作缩短至5秒，显著提升了工作效率

应用价值：自动化文献下载与管理，显著减少手动操作时间

2.3 案例三：PDF文件清理程序

问题背景：科研项目中需要阅读大量文献并分享PDF文件，但存在多级目录和非PDF文件等问题

解决方案：

  • 方案一：直接使用Cursor处理文件夹 > 管理文件夹

  • 方案二：编写脚本实现 > 方便以后复用

技术实现：编写Python脚本`pdf_organizer.py`来管理和分享本地文件

处理效果：已处理170个PDF文件，成功清理多级目录和非PDF文件

实际效果：方便了团队间的交流学习，满足科研项目间文献分享需求

技术特点：解决本地文件交叉管理问题，提高文件组织效率

三、个人作品与工具开发

3.1 IOS APP：Markdown Card

项目介绍：将AI生成的Markdown格式的内容转换为精美卡片

核心功能：

  • 自定义设置：选择模板、背景颜色、文字颜色、描边色、阴影色

  • 布局调整：边距、圆角、字体、行间距等参数可调

  • 主题模板：简约、商务、学术、优雅、复古、自然、艺术、海洋、夕阳、少年、假日、课堂、星空等多种主题

应用场景：学术笔记整理、研究内容展示、学习卡片制作、知识管理工具

技术特点：支持AI生成内容的可视化展示，提升学术工作效率

3.2 浏览器插件：公众号素材库图片链接获取器

项目介绍：一键复制公众号素材库图片链接，方便Markdown排版或者SVG排版

功能特点：

  • 一键获取：快速提取公众号素材库中的图片链接

  • 格式支持：支持Markdown和SVG格式

  • 便捷使用：浏览器插件形式，操作简单

应用价值：简化内容创作流程，提高排版效率

3.3 代码库学习与继承

现状：目前在课题组中，继承了一个大约一万多行代码库

学习方法：通过使用这些代码为基础，结合拍摄的方式来理解和吸收别人的思路和编程方式

重要原则：不能完全依赖基础，而需要针对自己的核心需求从零基础出发，结合实地调研和合作会议来获取更深入的知识

四、AI工具在科研中的应用探索

主要工具：

  • Cursor：主要编程助手

  • Grok：AI对话和代码生成

  • Stable Diffusion：图像生成

  • Midjourney：艺术图像创作

  • 即梦AI：中文AI工具

  • ChatGPT：通用AI助手

  • Claude：Anthropic的AI助手

应用策略：在科研工作中尝试各种AI工具，找到最适合特定任务的工具组合

04 AlphaWan：与Cursor的恋爱史：从独立开发者的视角，分享参与Cursor的经历与感悟

AlphaWan老师分享了与Cursor的深度合作经验，从2023年与台湾开发者朋友的交流开始，到如今实现开发者与AI高度协同的心流状态，展示了AI如何改变传统编程工作方式。作为独立开发者，他深刻体验了从"执行者"到"AI协作架构师"的转变过程。

一、与Cursor的相遇：2023年的转折点

1.1 初次接触Cursor

相遇背景：2023年与一位台湾开发者朋友在深圳交流时，谈到了Cursor

初体验：

  • 体验到了丝滑的代码修改体验

  • 无痕的切入到开发流程中

  • 感觉像是与朋友共同改进代码，而非冰冷的工具

核心感受：Cursor不仅是编辑器，更是与AI结合编程的最佳实践，为提升生产力而生

1.2 从编辑器到协作伙伴的转变

传统认知：AI IDE只是简单的代码生成工具

Cursor的突破：

  • 理解上下文能力：扫描整个代码库，提供精准建议

  • 稳定共性能力：能够理解项目的前世今生

  • 智能生成：让上传代码更加便利

1.3 Cursor的核心功能展示

更合理的利用上下文信息（Internal Context in Cursor）：

@Codebase功能：

扫描整个代码库，进行代码库索引

嵌入代码库以改善上下文理解和知识获取

嵌入和元数据存储在云端，但所有编辑都在本地进行

支持同步和删除索引操作

@Git功能：

项目代码的前世今生追踪

支持PR（与主分支的差异）、Commit（工作状态的差异）

提供完整的Git历史记录和变更追踪

帮助理解项目的演进过程

二、AI助手在开发中的高效应用

2.1 知识获取与学习加速

Air Box功能：

  • 将项目依赖的官方文档、API手册、团队内部设计规范整合

  • 确保AI参考最新文档给出准确回答

  • 避免AI产生幻觉，提供可靠的技术信息

实时信息获取：

  • 通过大语言模型获取最新技术信息

  • 支持网页链接直接复制，让AI总结文章内容

  • 快速获取截止时间限制的信息

2.2 知识扩展与外部信息获取

获取最新的相关知识（Expand AI's knowledge）：@Doc功能：引入文档来拓宽AI的知识面

  • 支持多种文档类型：Mantine React Table、PrimeReact Official、React Official、React Bootstrap、React Native、React Suite等

  • 可以添加新的文档资源，扩展AI的知识库

外部信息获取-打破模型信息差：@Web功能：回答问题时搜索和引用网络上的信息

  • 支持URL直接输入，如Cursor官方博客链接

  • 提供内容总结功能，快速获取网页信息摘要

  • 打破AI模型的信息时间限制，获取最新信息

2.3 跨领域技术挑战的解决

政府项目案例：

  • 挑战：系统需要支持Windows、Linux和国产信创平台

  • 解决方案：通过Cursor交流获得interaction框架方案

  • 实现过程：用熟悉的前端技术开发桌面应用

  • 效果：从完全不知道技术到实现交付，仅用几天时间

快速进入陌生技术领域并解决问题：

  • 核心理念：快速进入一个陌生的技术领域并解决问题，速成桌面端开发

  • Fun体验：让学习新技术变得有趣和高效

  • 心流状态体验：开发者与AI高度协同的bank holding状态

  • AI不会打扰开发过程，在需要时精准定位

  • 如同高质量内裤，感觉不到存在但提供精准支持

三、高效开发生产模式：RIPER模型

3.1 社区驱动的规则集：Awesome Cursor Rules项目

3.2 结构化提示技术：RIPER模式详解

设计一个高质量答案的"生产流程"（Structured Prompting Technique）：

  • R - Role（角色设立）： 给AI设定具体角色； 明确其在项目中的职责

  • I - Instructions（指令清单）： 以清单形式明确AI接触的信息； 确保信息传递的准确性

  • P - Persona（个性风格）： 设定AI的个性风格和回答方式； 确保回答的一致性和个性化

  • E - Examples（范例参考）： 提供具体的范例和参考；- 帮助AI更好地理解期望的输出格式

  • R - Refinement（迭代优化）： 结合MCP技术进行最后一步迭代；- 实现结构化、可验证的深度思考

核心目标：💪 RIPER >> 强制AI进行结构化、可验证的深度思考

四、工作理念的深刻转变

4.1 从"执行者"到"AI协作架构师"的转变

传统模式：作为编写者，专注于编写代码

新理念：转变为设计和引导代码的生成

  • 利用专业技术描述客户需求

  • 描述问题并引导AI审查

  • 不再追求一次性生成完美指令

核心价值重塑：

  • 从"知识储备"到"提问和引导"

  • 在AI时代，简单的"知识记忆"和"编码执行"的价值正在被弱化

  • 开发者的核心竞争力转变为：提出好问题的能力、引导AI深度思考的能力、审查和验证AI输出的能力

  • 我们不再是只会编码的工匠，而是运用专业知识和经验来描述问题、引导过程、审查结果的"AI协作架构师"

4.2 分层协作的现实

放弃"一步到位"的幻想，拥抱"分层协作"的现实：

  • 转变心态：Cursor不是一个能将需求文档(PRD)直接变成最终代码的"黑箱"

  • 成功的关键在于将开发过程分解为"规划"和"执行"两个阶段

  • 利用Cursor的强上下文理解能力，与它共同分析现状、探讨方案、拆解任务，如同与一位初级工程师交流

  • 我们负责引导决策，AI负责信息的整理与呈现

4.3 迭代式开发方法

项目文档生成：

  • 每次开始新项目后，用Cursor生成文件作为备份

  • 通过上下文课程，快速提出更好的意见

  • 支持后续需求升级和进一步开发

PPT制作自动化：

  • 通过代码生成PPT，而非传统制作方式

  • 快速组织技术文档，实现动画效果

  • 支持需求更新和内容新增

知识管理策略：

  • 将"短期记忆"转化为"知识"，用反馈循环驯化AI

  • 大语言模型存在"遗忘"的限制，复杂的长对话容易导致它"遗忘"之前的约束

  • 通过任务拆解和将复杂需求分解成小块，在每次与Cursor的交互中进一步达到我们预期

  • 让它将结论汇总到外部文档中作为项目"长期知识库"

五、Bug处理与问题解决策略

5.1 预防优于修复

核心理念：最好的方法是规避bug的生成，而不是去改bug

具体策略：

  • 详细写出prompt，让AI先列出要做的事情

  • 让AI复述自己要做的事情

  • 生成总结文档，保持上下文记忆

5.2 开发者基本功的重要性

AI的局限性：

  • 某些复杂bug，AI无法解决

  • 需要开发者扎实的基本功

  • 不能完全依赖AI，要提升自身能力

平衡策略：快速掌握基础能力、将合适的内容交给AI处理、保持独立思考，不停止思考

六、对技术小白的建议

6.1 学习路径优化

需求分析先行：

  • 先用自然语言描述需求

  • 让AI分析并提供初步技术方案

  • 找到官方文档和技术站进行学习

避免直接编程：

  • 不要在对技术完全陌生的情况下直接编程

  • 先了解技术框架和逻辑

  • 逐步掌握所需技术

6.2 社区资源利用

七、AI与开发者的关系定位

Cursor真正的力量不是取代程序员，而是更好地为开发者服务

04 Dr.咩：Cursor赋能医学科普 - 从零到一的专业笔记创作

医学科普是AI应用的重要领域，Dr.咩老师分享了如何通过AI工具将复杂的医学知识转化为通俗易懂的科普内容，在小红书上创作出爆款笔记。他们的口号是"在知识的方言上，做一名温暖的人"。

一、医学科普创作的三大挑战

1.1 平衡准确性与通俗性

  • 核心挑战：如何平衡内容的准确性和综合性

  • 准确性要求：如果内容太准确、太严肃，可能大家听不懂

  • 通俗性需求：如果讲得太通俗，可能失去专业性

  • 解决方案：通过AI工具实现精准的内容平衡

1.2 教育环境的限制

  • 传统制作流程：从制定选题、搜集资料、简单设计等流程都是费时的

  • 医生时间有限：作为医生，时间资源非常宝贵

  • 效率问题：传统手工制作耗时耗力，难以实现规模化

  • AI解决方案：通过AI工具大幅提升制作效率

1.3 视觉呈现的专业性

  • 设计挑战：医生不是专业设计师，如何做出好看、专业、风格统一的视觉内容

  • 信任感建立：专业的视觉呈现能够提升用户对内容的信任感

  • 品牌一致性：需要保持内容风格的一致性

  • 技术门槛：非设计专业人员制作专业视觉内容的困难

二、AI驱动的身份转变

2.1 从创作者到总编辑的转变

传统模式：手工制作，从选题到设计全程参与

AI赋能模式：

  • 角色转变：从手工作坊的创作者转变为总编辑

  • 工作聚焦：将宝贵的时间精力聚焦到价值最高的环节

  • 核心职责：制定内容战略、审核支持、最终评估把控

2.2 我的"首席内容策划"为什么是Cursor？

为什么选择Cursor作为首席内容策划师：

三大核心优势：

1. 与项目文件对话（@功能）：

  • 无缝整合权威指南：使用@功能无缝整合权威医学指南，确保事实准确性

  • 项目文件交互：可以直接与项目文件进行对话，获取准确信息

  • 内容验证：通过项目文件确保医学内容的专业性和准确性

2. 原生代码能力（</>）：

  • 视觉设计降维：将"视觉设计"降维为AI最擅长的"代码生成"

  • 精准控制：实现精准的视觉设计控制

  • 技术实现：通过代码生成实现复杂的视觉设计需求

3. All-in-One编辑器：

  • 无需切换应用：在一个窗口内完成从策略到编码的所有核心步骤

  • 全流程一体化：整个过程都可以在Cursor中完成，流程非常流畅

  • 效率提升：避免在不同软件间切换，大幅提升工作效率

三、AI内容生产六步法

3.1 第一步：定义AI医生人格

目的：保证笔记风格统一，人设鲜明，快速建立读者信任

具体操作：给AI设定统一的"人设"-设置为Cursor的自定义指令-AI获得记忆，前后执行过程中无需反复输入

3.2 第二步：建立战略

内容策略：做深度导向的，体现专业壁垒的内容

以多囊卵巢综合征为例：

  • 避免焦虑：如果做爆款内容，可能会引起患者焦虑，尤其是年轻女性患者

  • 深度解析：倾向于做深度的内容解析，而非简单的症状描述

  • 目标设定：将目标和指定受众在Cursor中进行规划

3.3 第三步：生成蓝图

权威指南整合：以东阳南朝综合症中国诊疗指南作为主要参考文件

内容龙骨打造：

  • 深入到课程中来打造内容的龙骨

  • 确保事实的准确性

  • Cursor严格按照设定的命令，按照认知、希望、同行三步进行内容规划

  • 逻辑清晰，层次分明，内容充实

3.4 第四步：设计施工图

内容规划：选择其中一个题目作为要实施的内容

设计要素：

  • 核心大纲：包括每一页的标题

  • 内容规划：每页具体包含什么内容

  • 视觉设计：包括背景、指标等视觉元素

  • 整体布局：确保内容的逻辑性和可读性

3.5 第五步：视觉实现

核心理念：不是让AI自己去画图，而是让AI去编码

为什么选择编码：

  • 精确性：对于AI来说，代码是最精确、最没有歧义的描述语言

  • 可控性：用代码描述比用自然语言描述更加精准可控

  • 稳定性：保证数据的稳定性和一致性

视觉设计降维为代码生成：

  • 将"视觉设计"降维为AI最擅长的"代码生成"

  • 实现精准的视觉设计控制

  • 通过代码生成实现复杂的视觉设计需求

执行方法：

  • 赋予AI前端开发专家的身份

  • 制定任务：将设定的职业大纲转换为代码

  • 设置约束：包括图片尺寸、规格、达标要求等限制

  • 输出代码：将指令和项目大纲转换为代码

3.6 第六步：代码到图片转换

技术实现：

  • 将生成的代码输入到Cursor中

  • 申请服务器资源

  • 将代码转换到可以转换的软件中

  • 最终获得高质量的图片输出

成果展示：最终在小红书上生成一系列的小程序，同事们经常问为什么会有成果，未来效率会更高，很多内容都是用Cursor生成的

四、完整工作流程总结

4.1 流程回顾

完整工作流程：确定主题-对应相应的指南-考核策略规划-内容生产-输出统一专业的笔记

4.2 身份转变的核心价值

从笔记的创作者转变为只需要提出策略、审核信息、做最终处理控制的总编辑，将精力放到真正需要人工处理的地方，将细节的AI制作交给AI完成，得到的体系更加可控，效率更高。

五、AI在医学领域的应用考虑

医学科普的特殊性

  • 专业准确性：医学内容需要极高的准确性

  • 患者关怀：需要考虑患者的心理状态，避免引起焦虑

  • 责任重大：医学信息的错误可能带来严重后果

Q：是否考虑过通过AI软件来帮助产出更多更精美的封面图或配图来提高内容质量？

也理解配图的重要性，但目前可能因为资源有限，更专注于内容本身的质量和通俗性。

Q2：发布后与评论互动相对较少，有没有考虑过运用AI来帮助完成这部分工作？

  • 时间限制：作为医生，时间有限，更多时间需要到医院看诊

  • 专业性考虑：医学领域有其特殊性，如果用AI回答，可能会增加不确定性

  • 责任问题：涉及到一个问题，莫名其妙的回答还是需要后面再去统计和调整

06 Michael：使用Cursor搭建一个医学科普网站

从个人健康焦虑到专业医学科普网站，Michael老师分享了如何基于自身经历，通过Cursor快速搭建一个专注于遗传性疾病的医学科普网站，展示了AI在医疗信息传播中的强大能力。

一、个人经历驱动的项目起源

1.1 体检异常引发的健康焦虑

  • 触发事件：多年前的一次体检发现肝功能指标异常

  • 指标异常：总胆红素和间接胆红素超标，间接胆红素接近上限的2倍

  • 网络检索：在网上搜索相关信息，从轻微肝炎到肝癌、血液疾病的各种可能性

  • 焦虑升级：经过医院全面检查（彩超、血液检查）后仍未找到明确原因

  • 长期困扰：这个问题困扰多年，每年体检都会看到这些指标超标

1.2 基因检测揭示真相

  • 转折点：进入新建设公司后参与基因检测项目

  • 意外发现：通过公司内测发现自己的基因与其他人不同

  • 基因变异：发现GAUGP基因在启动子区域存在TCA重复，与大部分人的六P变异不同

  • 疾病确认：最终确认这是一种名为Gilbert综合症的遗传性疾病

二、Gilbert综合症的深入研究

2.1 疾病特征与流行病学

  • 疾病定义：Gilbert综合症是一种遗传性间接胆红素升高的疾病

  • 病因机制：由于基因变异导致肝脏代谢异常

  • 患病率：在中国人群中患病率约2%-5%，在1000人中可能有近50人携带此基因变异

  • 遗传模式：需要考虑到基因位点、变异度、空间位置以及连锁情况

2.2 健康影响与预后

  • 长期预后：对健康没有太大影响，部分长期对比研究发现患者某些疾病的预期寿命和死亡率反而下降50%

  • 运动表现：基因运动员的恢复能力可能有所提升

  • 治疗需求：不需要特殊治疗，但需要注意生活习惯调整

2.3 潜在风险与注意事项

  • 新生儿黄疸：小孩出生时黄疸可能会更严重

  • 并发症风险：如果同时伴有其他血液疾病（如地中海贫血），可能会加重病情

  • 用药风险：节食风险较高，胆红素偏高时一定要吃早餐以降低风险

三、社会认知不足的现状

3.1 患者面临的困境

  • 误诊误治：很多人因为不了解这种疾病而遭受误诊

  • 社会歧视：包括求职被拒、担心遗传给子女等问题

  • 医疗资源：部分医生对该疾病了解不足，难以提供准确诊断

3.2 信息传播的需求（建立网站的动机）

  • 知识普及：通过网络方式分享疾病知识和支持

  • 减少焦虑：帮助其他患者避免自己曾经经历的焦虑

  • 社会价值：提高公众对罕见遗传疾病的认知，减少误解和歧视

四、Cursor驱动的网站构建实践

4.1 网站设计理念（参考优秀模型）

  • 国外参考：参考了国外做得很好的医学科普网站

  • 内容规划：包括疾病介绍、病因诊断、最新研究等基本内容

  • 用户体验：注重网站的整洁性和专业性

4.2 AI辅助的快速构建

30分钟生成网站：生成的网站接口非常整洁，超出了预期；内容的准确性和专业性达到80%左右；使用的词语非常专业，符合医学网站的要求

4.3 网站功能优化（AI建议的功能增强）

  • FAQ板块：针对患者关心的问题进行针对性解答

  • 研究进展：为医生和患者提供最新的研究进展

  • 资源下载：提供全国指南、手册等文件的下载功能

  • 专家团队：建立专业的医师团队支持

  • 患者论坛：建立患者交流平台

五、技术实现与挑战

AI工具的优势（构建效率）：高效搭建+广泛架构+美观设计

面临的挑战（内容质量控制）：准确性不足+更新滞后+专业深度不足

07 张永城：看不懂代码的产品经理怎么用Cursor做AI项目

从传统产品经理到AI时代的魔法师，张永城老师分享了如何让不懂代码的产品经理也能通过Cursor高效地参与AI项目开发，展示了非技术背景人士在AI时代的无限可能。

一、产品经理的AI时代转型

1.1 个人背景与转型历程

资深产品经理的自我定位：

  • 老产品经理：拥有丰富的产品设计和项目管理经验

  • AI编程实践者：从2023年上半年开始使用AI编程工具，使用Cursor超过9个月

  • 多项目并行：同时运营三个赚钱项目，每周启动新项目，已开发百来个项目

  • 技术探索者：通过AI工具实现从想法到产品的快速转化

  • 前普华永道顾问：为国企和各大公司做顾问，具备跨行业的解决方案能力

  • 工作习惯：经常工作到早上八点才睡觉，11点起床，体现对项目的投入和热情

1.2 AI时代的机遇与挑战

  • 技术门槛降低：AI工具让非程序员也能参与技术开发

  • 效率革命：从传统开发模式转向AI辅助的快速开发

  • 思维转变：从技术依赖转向解决方案导向

  • 能力边界扩展：产品经理不再局限于需求分析，可以直接参与技术实现

二、非技术背景的AI项目开发策略

3.1 学习与发现能力

在技术快速迭代的时代保持学习能力，主动获取最新的技术资讯和行业动态，及时发现和抓住AI技术带来的新机会，将观察转化为具体的产品想法

3.2 项目开发流程优化（快速迭代策略）

有了想法立即开始实施，不拖延，快速构建最小可行产品进行验证，让用户参与产品共建，收集反馈，根据反馈持续优化产品功能

3.3

三、AI工具链构建与应用

2.1 深度调研与市场分析（Deep Research）

  • 5万字报告生成：利用AI工具在15分钟内完成深度调研报告

  • 横向纵向分析：全面梳理互联网上的相关信息

  • 课程体系构建：为AI教育课程设计完整的课程体系

  • 项目调研优化：替代传统的市场调研方法

2.2 代码开发与项目管理

AI编程工具的使用：

  • Cloud 4 Plus：使用最新的AI模型进行代码生成

  • 结构化处理：当代码超过1000行时进行模块化重构

  • 并发处理：处理300-500个并发请求的技术挑战

  • 安全优化：通过AI工具解决安全性和接口优化问题

早期AI编程的困难：

  • 代码理解困难：不懂代码时，AI生成的代码难以理解和修改

  • 调试时间长：2个小时写一个简单小程序，经常改着改着把原来的功能搞没了

  • 工具不完善：早期使用聊天方式编程，效率低下

  • 学习曲线陡峭：从不懂代码到熟练使用AI工具的过程充满挑战

分享实战案例（非详细）：教育/数字人/智能新闻分析/客户管理

项目选择：选择AI擅长的领域，避免传统复杂业务

08 A梦：用 Cursor 做真产品：从域名痛点到门店系统，一人公司的实战笔记

在AI时代，非技术背景的产品经理可以通过AI工具构建产品，但必须避免四个关键陷阱：无方案即开始编码、无框架即进行设计、无需求即开发产品、无边界即使用AI。成功的关键在于贴近用户、具备共情能力，并通过亲身经历和感同身受的方式挖掘真实需求。

演讲者介绍：李梦，拥有十年交互设计经验的设计老兵，曾在大学担任领导职务，现为产品经理出身但缺乏编程能力。她分享了如何利用AI工具从产品概念到上线的完整流程，以及新一代开发所需的技术常识和AI产品开发的雷区。

一、工具流程

集成产品构建环境

  • V0快速原型：使用V0等工具快速制作demo验证效果

  • Cloud Code开发：复杂开发工作交由Cloud Code处理

  • ChatGPT O3深度使用：将O3视为最懂自己的AI助手

  • 集成环境：大部分工具都在集成产品构建环境中使用

O3的特殊价值：

  • 深度沟通：与O3进行深度需求交流

  • 技能传承：将内心想法和技能经验与O3沟通

  • 需求整理：每个需求开始都与O3进行深度交流

  • 文档生成：让O3整理所有内容并生成文档

二、AI产品开发的四个关键陷阱

2.1 陷阱一：无方案即开始编码

问题现象：通过AI做出页面时非常兴奋，发现没有前端技能但能快速生成好看页面，但生成的可能只是"屎山代码"，缺乏长期维护和迭代的可能性

解决方案：与O3先聊清楚需求，让AI整理所有内容并生成文档，设计师需要看到界面大概样子，确认项目是否值得继续做下去

2.2 陷阱二：无框架即进行设计

问题现象：AI能快速拉出网页和特效，但后期要改哪个细节需要不停修改，设计缺乏整体框架和节奏

解决方案：从用户流程开始设计，规划页面信息结构，一步一步讨论、交流、确认，建立设计框架后再开始开发

2.3 陷阱三：无边界即使用AI

AI幻觉控制：给AI设置各种规范限制，给AI越小的发挥空间，越符合预期。具体来说，定义post rules、style guides等规范，产品功能文档、bug迭代文档都要规范。

控制变量方法：利用工具精准控制变量，避免不准确描述误导AI，从规范开始，设定框架边界，逐步轻量化

2.4 陷阱四：无需求即开发产品

问题现象：做出来的产品像玩具一样，只在朋友圈展示，没有后续，没有真正的用户需求支撑

解决方案：找到自己的真实需求，进行深入的用户调研，验证需求的真实性和可行性

三、产品竞争力的核心要素

3.1 离用户更近的能力

通过在用户身边观察其操作过程，挖掘出用户未表达的需求痛点，并运用共情能力进行人性化理解。

3.2 人类不可替代的优势

人类在共情能力、市场推广、情感理解以及基于经验的创新思维等方面具备AI无法替代的优势。

四、实战案例分享

4.1 案例一：运营工具开发

个人痛点驱动：

  • 域名注册困扰：最近注册了二十多个域名

  • 重复流程：每次都要重复搜索和注册流程

  • 风险识别：发现某些域名在用户认知中可能有风险

  • 工具需求：需要一个帮助选择域名的工具

解决方案：

  • 自然语言描述：用自然语言描述网站背景

  • AI搜索筛选：基于AI的搜索和筛选

  • 平台元素分析：分析域名背后的平台元素

  • 风险提示：提供域名风险提示

4.2 案例二：厂商店系统开发

感同身受的痛：

  • 朋友需求：为朋友的厂商店开发个性化需求系统

  • 座位表系统：类似飞机座位表的系统

  • 数据驱动：基于数据驱动的开发方式

  • 快速交付：几天时间完成系统开发

技术实现：

  • 数据整理：将数据导出为CSV文件

  • 数据库构建：使用Supabase构建数据库

  • MCP集成：安装MCP Supabase插件

  • 前端生成：基于数据库表生成前端页面

五、痛点挖掘方法论

5.1 外部信号来源

社交媒体评论区+最新研究论文+最新开源项目+行业最新动态

5.2 自我能力评估

  • 能力匹配：你有什么能力？

  • 经验积累：几十年的经验在哪个领域？

  • 兴趣所在：你的兴趣在哪里？

  • 用户接触：能否接触到目标用户？

  • 商业模式：是否有简单的商业模式？

5.3 需求验证方法

基于外部信号获取信息，结合自身能力和兴趣，确认能否接触到目标用户，验证商业模式的可行性

设计师、开发者、产品经理、还是创业者角色在融合，聚焦实际场景，以用户需求为中心， 熟练掌握各种AI工具和不同角色所需思维模型，高效地构建和验证产品。

技术是工具，思维是核心，用户是根本。

成功关键在于如何更好地与AI协作，如何更准确地理解用户需求，如何更高效地创造价值。