Cursor实战：Web版背单词应用开发演示

Cursor实战：Web版背单词应用开发演示

• 需求分析
  • 自行编写需求文档
  • 借助Cursor生成需求文档
• 前端UI设计
• 后端开发
  • 项目结构
  • 环境参数
  • 数据库设计
  • 安装Python依赖
  • 运行应用
• 前端代码修改
  • 测试前端界面
• 测试数据生成
• 功能测试
  • Bug修复
• 总结

在上一篇《Cursor AI编程助手不完全指南》中，我们详细介绍了Cursor这款强大的AI编程工具。为了让大家能更直观地了解 Cursor 的实战应用价值，本文将通过一个实际项目来展示其开发流程。我们将使用 Cursor 开发一个 Web 版单词学习程序，通过这个案例，您将看到 AI 辅助开发的完整过程，体验从需求分析到代码实现的全过程。让我们开始这次实战之旅。

需求分析

在开始开发之前，明确的需求文档是项目成功的关键。一个好的需求文档不仅能指导开发方向，还能作为与 Cursor 进行高效对话的重要基础。我们有两种方式来准备需求文档：自行编写需求文档和借助 Cursor 生成需求文档。

自行编写需求文档

• 明确列出功能模块和具体需求
• 按优先级排序各项功能
• 将文档保存为独立文件，方便随时参考
• 确保描述清晰，避免歧义

借助Cursor生成需求文档

• 提供项目的核心目标和主要功能点
• 让AI协助完善功能描述和技术细节
• 根据实际需求进行调整和补充

摘抄部分功能内容，填充到自己的开发需求文档如下：

# 开发一个学单词的web程序 ## 核心功能需求 ### 学习模式 - 从未学单词中挑选10个单词进行学习 - 单词卡片展示（拼写、音标、释义、例句） - 发音功能 - 可以将当前词加入到错题本，进行复习 ### 复习模式 - 从错词本中随机抽取单词进行复习 ### 用户管理 - 用户免登录，可以设置用户名 ## 技术需求 ### 前端 - 响应式设计，支持多端适配 - 流畅的交互体验，界面简洁美观 ### 后端 - 如果需要用到后端程序，请使用python语言 - 如果需要用到数据库，请使用MySQL ## 数据结构 ### 单词库 - 单词基本信息（拼写、音标、发音音频、释义、例句） ### 用户学习记录 - 记录用户学习记录和错题信息 

前端UI设计

使用 Cursor 的 COMPOSER 模式+ AGENT，以需求文档作为上下文，和 Cursor 对话，让其帮忙生成 UI 界面。

请根据我的需求文档，设计一个学单词的web界面，要求简洁美观 

觉得设计的还不错，就直接选择 Accept，如需修改可继续提问进行修改。

下面进行 web 界面的预览， 选中 html 文件，右键 Open In Default Browser。

后端开发

前端部分先这样，可以继续进行后端设计，包括API接口、功能实现和数据库设计。

项目结构

Cursor 给出的后端项目结构：

 app/ ├── models/ │ └── models.py ├── routes/ │ └── word_routes.py ├── utils/ └── app.py requirements.txt .env 

环境参数

Cursor 创建一个保存环境变量文件，我们需要修改其中的内容，如连接数据库的URI。

DATABASE_URL=mysql+pymysql://root:root@localhost/word_memorize FLASK_ENV=development FLASK_APP=app/app.py 

数据库设计

• Word 表：存储单词基本信息
• UserProgress 表：存储用户学习进度和错题本

创建数据库：

CREATE DATABASE word_memorize CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci; 

表可以先不创建，后面让Cursor生成程序进行表的创建和测试数据生成。

安装Python依赖

Cursor 已为我们创建一个 requirements.txt 文件来管理项目依赖（如果没有，可让其帮忙生成）。

Flask==2.0.1 Flask-SQLAlchemy==2.5.1 Flask-CORS==3.0.10 PyMySQL==1.0.2 python-dotenv==0.19.0 requests==2.26.0 

有了依赖我们可以直接执行以下安装命令，可以让 Cursor 帮忙执行，(注意：如果使用的是python虚拟环境，可能需要手动执行命令，cursor 默认使用默认的 python 环境）：

pip install -r requirements.txt 

运行应用

flask run 

首次运行，出错了，没关系，交给 Cursor 去解决（这是一个持续过程，需要有点耐心）：

根据提示，升级Flask版本：

继续运行，又报错了，继续丢给 Cursor 帮忙解决：

修改了依赖的版本和代码中依赖的导入方式：

又回到了第一个问题，版本不兼容，Cursor 建议让我们用第二种方式解决：

这次启动成功：

前端代码修改

接下来，我们需要修改前端JavaScript代码，对接后端 API。

测试前端界面

修改之后，打开页面，报错了页面中的CSS和JS文件找不到，可能是路径问题，需要修复下：

接收所有建议，需要运行一个服务用于加载前端文件：

测试数据生成

我们让Cursor帮忙生成测试单词数据：

添加单词报错：

一通修复之后，终于添加了单词

功能测试

单词展示和下一个功能正常：

加入错题本正常：

单词学完：

Bug修复

页面虽然展示添加到错题本成功，其实并没有真正添加到数据库：

需要Cursor帮忙修复这个问题：

修复之后，重启程序，仍然有问题，不过我观察到错题记录是被答题记录更新掉了，需要让 Cursor 注意到这个问题：

错题本终于也正常了：

总结

虽然这是一个相对简单的示例项目，但它展示了 AI 辅助开发的基本流程和方法。通过这次实践，我们可以总结以下几点经验：

1、交互策略

• 与Cursor进行清晰、具体的对话
• 将复杂需求拆分成小步骤
• 及时反馈和纠正AI的输出

2、效率提升

• 善用上下文管理，保持对话连贯性
• 复用已验证的代码片段
• 建立个人的提示词模板