这部分的实现方法实际上与 在WSL中打开trae、vscode窗口类似。都是找到它们的「启动脚本」即xx/bin/xx

在之前的环境搭建也有提到【ESP-IDF环境】在Windows子系统WSL下搭建Ubuntu24.04的ESP32+vscode开发环境

前提是在Cursor中安装了WSL插件， 在类Vscode的软件中安装插件快捷键为Ctrl+Shift+X

在 Windows 下使用 Cursor 打开并编辑 WSL2 内的项目，可以让你直接在 AI 辅助编辑器中进行 Linux 环境的开发。以下是配置与操作步骤。

零、基础配置

1. 【必选】设置隐私模式

2. 【必看】可选但建议：添加【默认规则提示词】避免AI输出无用功

3. 【必看】：提问提示词

4. 可选：添加Chinese插件

5. 问题修复：针对大陆和香港地区不可用问题

1. 推荐解决方案：Proxifier代理，稍复杂但速度快（Http 2.0）

写在前面：一定要先在WSL里Cursor . 连接好WSL 或 SSH连接上设备后再 打开Proxifier， 否则Cursor会连接不上 cursor-server。（应该是Proxifier代理导致的，应该能细致写入一些规则避免，但我不会。。）

（ Proxifier 有一个免费的替代，github名为： proxifyre ，我没搞太清楚，听说这个比较好用。你们可以尝试一下）

• 去官网下载Proxifier安装包版

• 输入激活码：
L6Z8A-XY2J4-BTZ3P-ZZ7DF-A2Q9C（Portable Edition）#免安装版本
5EZ8G-C3WL5-B56YG-SCXM9-6QZAP（Standard Edition）#安装版本
P427L-9Y552-5433E-8DSR3-58Z68（MAC） #mac版本

• 首先下载ProxifierPE
• 下载地址（汉化版）：https://github.com/1564307973/Proxifier-CN/blob/main/ProxifierPE%20V4.14%20Chs.rar
解压后将 Chs 文件夹里的 exe 覆盖程序文件夹的 exe 即可打开。
• 官方原版下载：https://www.proxifier.com/download/ProxifierPE.zip

• 配置代理服务器
然后打开Proxifier，根据图示进行（实际端口根据你自己的梯子端口修改）配置

• 将规则加入配置服务器
• 参照图示顺序和内容添加规则即可

• 最后打开梯子的全局代理模式，就能在HTTP Compatibility Mode 为 2.0 的情况下，愉快的使用AI编程了

PE（便携）版本会有飞书、edge浏览器崩溃的状况（崩溃后无法打开），已经被我划掉了，留作备用吧。

5.2 简单但速度稍慢的解决办法：在开启全局梯子之后，将HTTP Compatibility Mode 从2.0设置为 1.1 （如果1.1不行就设置1.0）

缺点：AI吐字有时速度很慢，有可能会吐一半就开始重连 或掉线

5.3 简单但不一定有效的方法：虚拟网卡（TUN)+全局模式

缺点：大部分人，例如我 就仍然没办法在HTTP 2.0 模式下 使用 TUN的方式使用Cursor，仍然提示地区不可用的问题

一、以Cursor启动并编辑 Linux 项目（别名方式）

1. 安装并配置 WSL2 环境

不造轮子了，具体看这部分【WSL环境】在Windows11环境下配置WSL Ubuntu24.04子系统

可选2部分不要做，替换为下面的部分

2. 安装 Cursor 并配置 PATH
• 从 Cursor 官网下载安装 Windows 版本，并完成登录。
• 在 WSL 中编辑 ~/.bashrc，添加以下内容：

需要根据实际安装的Cursor目录来替换中间的的d/LZJ_Software

• 保存后执行：

3. 在 WSL2 中启动 Cursor 打开项目
• 切换到你的项目目录，例如：
• 执行：
• Cursor 会在 Windows 中启动，并直接打开该 WSL 路径下的项目。

4. 可选：Cursor区域限制解决方法， Cursor 提示：“Model not available“的原因

二、SSH连接不上设备的解决办法（WSL同理）

1. 手动获取 Cursor Server 压缩包

• 建立基础 SSH 连接并传输文件

• 在 Windows CMD 中先通过ssh lzj@192.168.137.187建立与 OrangePi 的 SSH 连接（验证基础连通性）；

• 用scp命令将本地下载的压缩包传输到 OrangePi 的~/.cursor-server/目录：

• 在 OrangePi 上解压并部署文件到指定路径

• 解压压缩包到~/.cursor-server/bin/linux-arm64/目录；

• 创建 Cursor 日志中指定的哈希目录（要匹配 Cursor 的固定查找路径）：

• 将解压后的node及所有文件移动到该哈希目录：

• 验证文件路径（确保node文件存在）：

• 完成连接

三、【必看】AI使用/技巧

成本与 Token 优化

1. 上下文与任务拆分
• 将复杂任务拆分为独立小单元，每个会话窗口仅执行单一小任务，避免在长上下文会话中持续追问，减少不必要的 token 消耗。一般上下文到120K左右，就可以新建窗口刷新上下文了。
• 注意部分模型在上下文长度超过 20K 后会收取双倍费用，合理控制会话上下文长度，避免无意义的长会话

2. 模型选择策略
• 根据任务复杂度匹配对应模型：简单查询、文本格式化等轻量任务选择轻量模型，复杂代码编写、架构设计等任务选择大模型，平衡效果与使用成本。

3. 查询token用量
• 对于Cursor ，可以在https://cursor.com/cn/dashboard?tab=spending 中查看已使用付费模型额度的百分比（下方的API）。

提示词与交互效率

1. 一次性明确完整需求
• 输入提示词前，提前梳理所有需求，明确说明技术栈、代码风格、特殊约束、输出格式等所有要求，避免多次补充要求来回修改，节省额度与沟通时间

2. 精准引导 AI 输出
• 当 AI 输出不符合预期时，明确指出具体问题所在，提供参考示例或修改方向，而非使用模糊的 “不对”“重新来” 等表述

3. 善用 AI 解释功能
• 让 AI 解释生成内容的设计思路与逻辑，帮助自己理解的同时，验证 AI 的输出逻辑是否合理

项目与上下文管理

1. 项目框架沉淀复用
• 先让 AI 对项目框架进行总结，后续交互直接基于该框架进行阅读或补充，避免 AI 重复解析整个项目内容，提升处理效率

2. 最小化工作空间
• 按项目模块分别打开工作空间（如前端、后端分开用 Cursor 打开），避免一次性加载整个项目，让 AI 的关注点更集中

3. 文件引用与内容排除
• 明确需要修改的代码时，通过拖文件或 “@” 方式精确引用；不确定修改内容时，配置.cursorignore文件，排除编译目录（build、target 等）、敏感信息文件、无关资源文件，减少 AI 处理的无关内容

4. 避免上传完整项目
• 不要将整个项目文件直接拖入 AI 对话框，若必须上传，确保排除编译、缓存等无关目录，避免冗余内容干扰 AI 判断

开发流程规范

1. 先方案后执行
• 让 AI 先输出方案或执行计划，经人工仔细审阅后再执行；也可新开窗口让其他 AI 评估该方案，确保方案合理性
• 执行plan时，建议新开一个窗口执行，并把“执行所需的最小上下文包”带过去。因为在输出plan后的上下文接近很多模型/平台的有效上限或“注意力衰减区”，后续执行时更容易出现：
• 早期约束（命名规则、不要兼容、多 Fabric 设计边界）被忽略
• 对文档/日志细节记忆混乱、前后不一致
• 生成 patch 时遗漏关键文件或偏离 plan

2. 改动前设计评估
• 在每次改动前，要求 AI 回答 “这是否符合 best practice？为什么？有哪些替代方案与权衡？”，迫使其显式化设计判断，避免不合理设计

3. 代码 Review 重点
• AI 生成代码后必须进行 Review，重点关注是否破坏整体架构、是否存在 “走捷径” 的不合理实现，而非逐行检查代码细节，并且Review也有利于自己吸收经验学习框架。

4. 自动化脚本生成
• 让 AI 生成重复性任务的自动化脚本（如代码格式化、文件批量处理等），让AI自己创建skill。提升长期开发效率

结构与知识管理

1. 强化文档与结构化知识
• 完善项目文档与结构化知识，AI 会放大 “好结构” 的优势，也会放大 “坏结构” 的问题，清晰的结构能让 AI 输出更符合预期
• 每次让AI写一些新的功能或者内容。都要让AI去维护或生成相关的“技术文档”，文档不能太冗长。

2. 沉淀可复用内容
• 将 AI 生成的优质代码、方案、提示词整理成模板，后续类似任务直接复用，提升效率