Cursor 团队自用的 AI 开发套件
AI 写代码已经不算新鲜事了。但让 AI 像老程序员一样——切分支、审 PR、修 CI、写周报——Cursor Team Kit 做的就是这件事。它是 Cursor 团队给自己搭的一套"AI 工业流水线"。
一句话总结¶
Cursor Team Kit 的核心思路挺简单：给 AI 配齐 17 个干活技能、1 个盯梢智能体、2 条硬性规则，让它从"只会写代码"进化到能独立走完需求→开发→验证→交付全流程。
什么是 Cursor Team Kit？¶
2026 年初，Cursor 把内部用的开发套件 cursor-team-kit 开源了。它不是什么 IDE 插件，就是一堆 Prompt 模板——告诉 AI 什么时候该干什么、怎么干、哪些红线不能碰。
它的核心组成很清晰：
| 组件 | 数量 | 作用 |
|---|---|---|
| Skills（技能） | 17 个 | 教会 AI 如何执行具体任务：切分支、审代码、修 CI、跑测试…… |
| Agents（智能体） | 1 个 | ci-watcher——一个常驻后台的 CI 监控哨兵 |
| Rules（规则） | 2 条 | 编码层面的硬性约束，让人类和 AI 在同一个认知平面上工作 |
每一个 Skill 其实就是一份 Prompt 模板：什么情况下触发、分几步走、输出什么格式、哪些事不能做。简单说，就是"把老程序员的工作习惯，写成 AI 能看懂的 SOP"。
四大核心能力：覆盖开发全生命周期¶
这 17 个技能不是瞎凑的，而是围绕四个关键环节搭起来的。
1. 自动化工作流与交付（Shipping）¶
Git 和评审流程自动化：
new-branch-and-pr：自动化"切分支 → 写代码 → 提 PR"的标准操作。要求分支范围聚焦、提交信息清晰。review-and-ship：独立的评审关卡。AI 先自己审一遍代码，通过后再提交并发布。make-pr-easy-to-review：清理杂乱的提交历史，自动生成 PR 描述，甚至给评审者加引导说明——省得人看得头大。get-pr-comments：自动抓取活跃 PR 中的评论并汇总，让 AI 能针对性地迭代修改。
一句话：以前 PR 是人审 AI 写的代码，现在 AI 先自己审一遍、整理一遍，人只需要看重点。
2. 质量保障与本地验证（Testing & Verification）¶
Cursor 团队的想法是：能本地验证就别等云端。所以给了 AI 很强的本地控制能力：
control-ui/control-cli：通过 CDP（Chrome DevTools 协议）驱动 Web/Electron 界面，或在本地剖析交互式 CLI。这对于 IDE 这种复杂客户端的稳定性测试至关重要。verify-this：这是一个非常有意思的技能——它要求把任何声明都转化为可证伪的形式，通过 baseline/treatment 对比得出VERIFIED/NOT VERIFIED/INCONCLUSIVE三种结论。不是"感觉修好了"，而是"有证据地证明修好了"。run-smoke-tests：基于 Playwright 跑冒烟测试，自动分诊（Triage）失败原因。check-compiler-errors：修改后立即跑编译和类型检查，快速拦截静态错误。
3. 故障监控与自动修复（CI & Debugging）¶
CI 挂了不是终点，而是修复的起点：
fix-ci/loop-on-ci：发现 CI 失败后，深入日志分析原因，应用修复补丁并重复迭代，直到 CI 变绿。loop-on-ci尤其狠——它会持续盯着 CI，失败了就修，修完再跑，直到通过为止。ci-watcher（Agent）：常驻后台的智能体，实时盯着 GitHub Actions，第一时间返回简洁的状态摘要。fix-merge-conflicts：非交互式解决合并冲突，解决后自动运行构建和测试，确保冲突解决后的代码依然可用。
4. AI 协同卫生与复盘（Maintenance & Recap）¶
AI 开发的一些特殊问题，也得有人管：
deslop（代码除杂）：我个人最喜欢的技能。专门清理 AI 生成的冗余代码——多余的防御检查、无关注释、any类型绕过、过深嵌套。说实话，这反应了一个挺现实的问题：AI 写代码没问题了，但它会写一堆"能跑但很烂"的代码，得有人（或 AI）来收拾。workflow-from-chats：从历史聊天记录中提取习惯和偏好，转化为持久的技能或规则。越用越顺手。what-did-i-get-done/weekly-review：自动汇总代码提交，生成工作报告或周报，让团队在极速迭代中保持同步。
三个设计哲学：为什么这样搭配？¶
这些技能搭配起来看着复杂，其实 Cursor 想表达的东西挺清晰的。
哲学一：解决"AI 幻觉"与"代码腐烂"的死循环¶
AI 生成代码快，但也容易引入"粘液（Slop）"。搭配逻辑是：
new-branch-and-pr（小颗粒度提交）→ deslop（立即除杂）→ check-compiler-errors（拦截语法错误）
小步快跑，出问题立刻修，代码质量才不会越写越烂。
哲学二：强化本地验证，绕过 CI 等待瓶颈¶
CI 环境通常有几分钟延迟。control-ui / control-cli 让 AI 在本地就能进行接近真实的黑盒测试。
等推代码到 GitHub 的时候，其实 Agent 已经把该测的都测过了。反馈快得多。
哲学三：规则的"强约束"确保一致性¶
typescript-exhaustive-switch（强制处理所有枚举分支）和 no-inline-imports（禁止行内导入）这两条规则，不仅是给人看的，更是给 Agent 的"代码护栏"。
它们让 AI 少点发挥空间，人和 AI 至少在看同一份说明书。
三个最有意思的亮点¶
1. deslop：AI 也需要"收拾房间"¶
这个技能的定义很直白：检查当前分支相对 main 的 diff，移除 AI 引入的"Slop"——多余注释、异常防御检查、any 类型绕过、过深嵌套。
它的 Guardrail 也很克制："保持行为不变，优先最小化编辑，总结不超过 1-3 句话"。
2. verify-this：可证伪的工程思维¶
这个技能要求你把声明转化为可证伪的形式：条件 + 指标 + 阈值。然后跑 baseline（修改前）和 treatment（修改后）的对比，输出三种结论之一。
举个例子，不是说"这个 bug 修好了"，而是"在 1000 次请求中，崩溃率从 5% 降到 0%，VERIFIED"。
3. pr-review-canvas：交互式 PR 评审¶
生成一个交互式 HTML 页面来展示 PR 评审。它会分类核心文件和机械变更，用伪代码概括复杂逻辑，支持 diff 高亮、代码移动检测，甚至内置了 Mermaid 图表和流程图。
AI 看代码是字符串，人看代码是逻辑流。这个技能就是在两者之间搭一座桥。
我们能怎么用它？¶
这套东西开箱就能用，不用接什么外部服务：
- 直接安装：在 Cursor 中运行
/add-plugin cursor-team-kit - 按需取用：不需要全部 17 个技能，挑你团队最需要的几个——比如先做
new-branch-and-pr+deslop+check-compiler-errors的三件套 - 参考思路：即使不用 Cursor，这套"技能化"的设计思路也值得借鉴——把团队的最佳实践写成结构化的 Agent 指令
总结¶
Cursor Team Kit 最实用的点就是"闭环"—— Skills 干活、Agents 盯梢、Rules 定规矩，三者凑一块，AI 就不容易跑偏。
当然，这套东西也不是银弹。它的前提是你在用 Cursor，且项目本身有一定的自动化基础。如果你的团队还在手动部署、没有 CI，那先别急着上这个，先把基本功补上。
但如果你已经在用 AI 写代码了，这套工具值得看看。至少 deslop 这个技能，我觉得每个 AI 辅助的项目都该有一个。
附录：Cursor Team Kit 全组件速查表
内容基于 cursor-team-kit 开源项目整理。