llm-cursor-rules
llm-cursor-rules 是一套专为提升软件开发效率而设计的最佳实践指南，旨在帮助开发者更好地结合 Cursor 编辑器与大语言模型（LLM）进行编程。在日常开发中，虽然 AI 辅助工具功能强大，但若缺乏明确的指令规范，生成的代码往往风格不一或质量参差不齐。这套规则通过提供结构化的提示词模板和编码约定，有效解决了 AI 输出不稳定、代码风格难以统一以及上下文理解偏差等痛点。
目前，该资源库重点涵盖了 Swift/SwiftUI 和 Next.js 14 两大技术栈的开发规则，内容深入至代码结构、状态管理、性能优化等核心领域。它特别适合使用 Cursor 编辑器的 iOS 前端及 Web 全栈开发者，尤其是那些希望将 AI 深度融入工作流以提升产出质量的工程师。其独特之处在于“观点鲜明”的实战导向，这些规则并非泛泛而谈的理论，而是源自作者真实的直播编程与项目经验，能够直接作为项目配置文件使用，或作为团队定制专属 AI 开发规范的优质起点。无论是个人开发者还是技术团队，都能借此让 AI 助手更精准地理解意图，从而写出更健壮、更易维护的代码。
使用场景
一位全栈开发者正在使用 Cursor 编辑器快速构建一个基于 Next.js 14 和 SwiftUI 的跨平台应用原型。
没有 llm-cursor-rules 时
- AI 生成的代码风格不统一，有时混用旧版 React 写法与 Next.js 14 推荐的 Server Components，导致后期重构成本高昂。
- 在状态管理上，AI 随意推荐解决方案，可能在简单场景中引入复杂的 Redux 逻辑，或在需要持久化时遗漏关键步骤。
- 每次提示都需要重复强调“请使用 TypeScript"、“遵循最佳实践”等基础要求，对话上下文被冗余指令占据，效率低下。
- 生成的 SwiftUI 代码偶尔忽略最新的声明式语法规范，产生难以维护的命令式代码片段。
- 缺乏统一的性能优化指导，AI 可能生成存在内存泄漏风险或未做图片优化的低效代码。
使用 llm-cursor-rules 后
- AI 自动遵循预设的 Next.js 14 架构规范，始终输出符合 Server Components 标准的代码，确保项目结构清晰一致。
- 状态管理建议严格匹配场景复杂度，简单表单使用本地状态，复杂数据流则自动采用推荐的 Zustand 或 Context 方案。
- 无需重复输入基础约束，llm-cursor-rules 已内置类型安全和编码规范，让开发者能直接聚焦业务逻辑的探讨。
- SwiftUI 代码生成严格贴合最新声明式范式，自动规避过时 API，保证移动端代码的现代性与可读性。
- 内置的性能规则让 AI 主动实施图片懒加载、服务端缓存等优化策略，从源头提升应用运行效率。
llm-cursor-rules 通过将资深开发者的经验固化为机器可执行的规则，让 AI 从“随机代码生成器”转变为“懂规范的资深结对程序员”。
运行环境要求
未说明
未说明
快速开始
LLM 光标规则
欢迎来到我的仓库，这里汇集了在软件开发中使用 Cursor 和 LLM 的实用规则！
关于
本仓库包含了我在软件开发工作流中利用大型语言模型（LLMs）和 Cursor 编辑器时的一些个人见解与最佳实践。这些规则旨在提升使用 AI 辅助编码工具时的生产力和代码质量。
规则
目前，仓库包含两套规则：
- Swift 和 SwiftUI 开发规则
- Next.js 14 开发规则
这些规则涵盖了各自领域的最佳实践、代码结构、状态管理、性能优化等内容。
使用
您可以自由地将这些规则应用于自己的项目，或将其作为制定您自己最佳实践集的起点。如果您觉得它们有所帮助，恳请您注明出处（见下文）。
贡献
欢迎贡献！如果您有改进建议或新增规则的想法，请随时提交议题或拉取请求。
归属声明
如果您在自己的项目或文章中使用了本作品的部分内容，请务必注明出处，引用本仓库及我的 X（原 Twitter）账号：@RayFernando1337。
实时编码
我经常进行实时编码直播，在其中使用 Cursor 并应用这些规则。您可以在我的 YouTube 频道观看这些直播：Ray Fernando。
联系
- 在 X 上关注我：@RayFernando1337
- 订阅我的 YouTube 频道：Ray Fernando
许可证
本项目为开源项目。虽然我欢迎大家分享和使用本作品，但恳请您按照上述要求注明出处。
相似工具推荐
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。