用 Cursor 规则体系约束 AI 行为：根据你的规范和角色设定打造懂你的AI女友助手

压缩包：

在 Cursor 中长期协作会遇到一个共性问题：规则写得不少，模型的遵守率却不稳定。表现为回答风格漂移、技术方案深度不够、编码规范偶发遗漏。根因通常有三点：

1. 上下文稀释——一次性注入的规则过多、过长，模型注意力被摊薄；
2. 规则冲突——例如「保持简洁」与「保留固定表达」互相打架，模型倾向优先简洁；
3. 缺少兜底——规则只是提示词（prompt），没有任何一环在输出前后做强制校验。

针对这三点，我把规则拆成了分层加载 + 运行时校验的工程化结构。

设计目标

• 入口精简：常驻上下文只保留最小必要规则，降低稀释；
• 按需加载：语言/框架相关的细则，仅在相关文件打开时生效；
• 可校验：在回答生成前后各加一道检查，把「软约束」尽量变成「可执行约束」；
• 可迁移：全部以文件形式管理，便于版本控制与备份还原。

整体架构

Settings 全局规则（常驻入口，定义优先级）

alwaysApply 规则（.mdc）：交流语言 / 回答风格 / 技术说明标准 / 开发流程与自检

按文件触发规则（globs）：打开 .java / .xml 时加载分层、Mapper、JavaDoc 等细则

Skill（回答前自检）：核对优先级与硬性要求

Hooks（回答后校验）：stop 阶段检查，不合规则触发重写

分层说明

1. 全局入口（Settings User Rules）

只承担「优先级定义」和「最高约束」，不堆细节。明确各类规则的冲突顺序，并声明「简洁」只能删冗余，不能牺牲既定要求。作用是给模型一个稳定的裁决依据。

2. 常驻规则（alwaysApply: true）

每轮都加载，但保持精简，包括：交流语言、回答风格、技术说明标准（组件/依赖/方案对比/调用链/接口/函数级实现）、开发流程与提交前自检。

3. 按文件触发规则（globs）

将语言相关的细则（分层架构、Mapper/XML、命名与常量、代码风格、异常与安全、JavaDoc 等）标注 glob，仅在编辑对应文件时注入，避免在无关对话中占用上下文。

4. Skill：回答前自检

一个始终可命中的个人 Skill，作为「执行入口」，在生成回答前对照规则清单逐条核对（语言、风格、技术细节完整性、是否基于真实代码而非臆测）。

5. Hooks：回答后校验

利用 Cursor 的stopHook，在一轮回答结束时读取输出做规则校验；命中问题时返回续跑指令，要求模型按规则重写，并设置循环上限避免死循环。这是把「提示词约束」升级为「运行时约束」的关键一环。

工程化收益

• 遵守率提升：从「全靠模型自觉」变为「入口裁决 + 前置自检 + 后置校验」三重保障；
• 上下文更干净：细则按需加载，减少无关规则对回答质量的干扰；
• 易维护、可回滚：规则、Skill、Hook 均为纯文本文件，可纳入版本管理，一键备份还原；
• 风格与规范解耦：交流风格与编码规范各自独立，可分别调整，互不影响。

适用场景

• 希望 Cursor 长期记住个人/团队约定，而非每次重新交代；
• 从事 Spring Boot + MyBatis 等后端开发，需要把编码规范嵌入工作流；
• 既要求技术细节完整，又希望统一交流风格与输出结构。

小结

规则的价值不在「写下来」，而在「被执行」。通过分层加载控制上下文密度、用 Skill 做前置提醒、用 Hooks 做后置兜底，可以显著提升 AI 在长期协作中的稳定性。这套结构与具体内容无关，任何人都能按同样思路，沉淀出属于自己的 Cursor 规则体系。