分享我的Cursor工作流：多模型协作与工具链组合

背景

在AI辅助编程工具快速迭代的当下，开发者面临的核心问题已不再是“能不能用AI写代码”，而是“如何让AI写得更准、更可控、更符合项目上下文”。Cursor作为一款深度集成AI Agent的编辑器，凭借其在编辑器中实现看代码、看diff、查文件、改文件、跑命令、整理知识库等多重能力的低成本交互体验，成为不少开发者的首选。然而，Cursor本身依赖OpenAI等闭源模型，且订阅成本较高，这催生了社区对定制化工作流和替代模型接入方案的需求。

LINUX DO（L站）社区聚集了大量深度实践AI编程的开发者，多位社区成员（如哈雷佬、孙佬、风佬等）陆续贡献了Cursor++、Trellis、grill-me、ACE、smart-search-cli等一系列工具与工作流。本文源于社区成员分享的成熟coding工作流，展示了一套高度依赖社区工具、强调“先想清楚再动手”的工程化AI编程范式。

核心内容

该工作流的核心是一套以Cursor编辑器为基础、多工具协同、分阶段推进的AI编程流程。作者将其概括为组合：Cursor + Cursor++ + ACE + smart-search-cli + grill-me + Trellis + 其余MCP。下面逐一说明各工具的定位和协作方式。

1. Cursor与Cursor++
作者坚持使用Cursor的原因是“日常交互成本低”：可以在编辑器中同时看代码、看diff、让Agent查文件改文件、跑命令看诊断、整理知识库。Agent在窗口中编辑的内容清晰可见。
Cursor++是哈雷佬开发的插件，实现了“极为顺滑的BYOK（Bring Your Own Key）Server集成”，让Cursor可以丝滑接入自定义的OpenAI/Anthropic兼容接口模型，例如社区公益站提供的gpt-5.5、deepseek v4、gemini-3.5-flash、qwen3.7-max等。模型可随意切换，大幅拓展了Cursor的模型选择范围。

2. 多模型分工
作者根据任务类型选择不同模型：

• 复杂代码修改、多文件重构：倾向使用gpt-5.5（力大砖飞）。
• 中文总结、归档、润色：使用deepseek v4。
• 低风险文本处理：使用gemini-3.5-flash（速度快但有时“只剩快了”）。
• 方案审查：多个模型交叉看。
• 外部资料整理：先搜索，再由gpt-5.5或qwen3.7-max总结。

3. ACE：本地代码库语义理解
ACE解决了一个常见痛点：AI收到任务后只看当前文件就开始写，不复用已有代码、不遵循项目结构。ACE提供语义级别的代码库检索，允许开发者问诸如“这个功能相关代码在哪些模块？”“有没有已有实现可复用？”“这个调用链从哪里到哪里？”“项目里类似逻辑怎么写？”“改这个需求可能影响哪些层？”“有没有现成的错误处理模式？”等问题。
作者的典型流程是：任务涉及跨文件影响 → 先用ACE找相关模块 → 再读具体文件 → 确认项目风格和边界 → 最后让Agent修改。ACE负责本地代码理解，smart-search-cli负责外部世界信息。

4. smart-search-cli：外部资料入口
smart-search-cli基于grok-search思路重构，是CLI+Skills的多来源自动路由搜索工具。通过默认搭配grok-4.20-multi-agent-xhigh模型，可以高效搜索新工具、新模型、新API、官方文档、社区帖子、版本变化等实时信息。它的核心价值在于“把搜索、抓取、文档检索、Deep Research计划做成CLI”，输出可保存为JSON/Markdown，过程可复现，且可接入OPENAI_COMPATIBLE接口（如站内公益站）。作者用它替代了之前常用的Context7和mcp-deepwiki等MCP工具。

5. grill-me：需求拷问
grill-me专用于对模糊需求进行一轮又一轮的提问拷问。作者认为很多时候不是模型不行，而是需求不够完整。grill-me会不断提问（一轮可能20个问题左右），帮助开发者把想法理清楚。作者将其视为“轻便又好用的需求补充工具”，但强调答案需要自己判断。

6. Trellis：落档与执行闭环
Trellis负责把grill-me拷问清楚的内容写下来并推动后续执行。它生成的主要文件包括：prd.md（需求、约束、验收标准）、design.md（设计边界、数据流、取舍）、implement.md（执行计划、验证命令、回滚点），以及.trellis/spec/（项目规范）、.trellis/tasks/（任务记录）、.trellis/workspace/（会话journal）等。
Trellis的关键流程指令包括：trellis-before-dev（开发前读规范）、trellis-check（实现后检查）、trellis-update-spec（将经验沉淀回规范）、trellis-break-loop（修完难bug后复盘）、finish-work（收尾记录）。
作者强调，小修改直接做即可，Trellis更适合多文件改动、新功能、重构等复杂任务。

7. grill-me + Trellis 的组合流程
作者最常用的流程是：先grill-me → 再Trellis → 最后Cursor Agent执行。
细化后如下：
模糊想法 → grill-me拷问（过程中需查代码库的交给ACE，需查外部资料的交给smart-search-cli）→ 基本共识明确 → Trellis写PRD/design/implement → Cursor + Cursor++选模型执行 → MCP按需调用工具 → Trellis check / update-spec / finish-work。
作者将这一流程拆解为Phase 0（grill-me拷问想法）、Phase 1（Trellis形成文档）、Phase 2（Cursor执行）、Phase 3（Trellis检查沉淀）。
另外，Trellis 0.6.0-beta.21版本的trellis-brainstorm已融合grill-me的核心prompt和行为模式，因此在正式开发任务中可直接用trellis-brainstorm替代独立grill-me。但在轻量模糊想法（不想创建Trellis task）或特别复杂高风险场景（需二次拷问）时，仍可独立使用grill-me。

8. MCP：按需接入
作者大幅删减了MCP数量，最终只保留浏览器、GitHub、Playwright等基础工具接口。他认为MCP更适合作为工具接口而非工作流本身，工作流应由规则、Skill、Trellis来定义。

9. 完整流程示例
面对复杂任务：描述想法 → grill-me拷问需求 → ACE查代码 → smart-search-cli查外部资料 → Trellis写PRD/design/implement → Cursor++选模型 → Cursor Agent执行 → MCP按需调用工具 → trellis-check检查 → update-spec沉淀经验 → finish-work收尾。简单任务则直接让Agent做掉。

10. 全局提示词
作者的核心提示词规则：证据优先，不凭空假设；修改前先理解项目上下文；本地代码理解优先用ACE；外部资料优先用smart-search-cli；复杂任务优先走Trellis；高风险、远程、破坏性操作必须先问；没跑验证就不能声称验证通过；最后交付必须说明改了什么、验证了什么、还剩什么风险。

关键要点

• 该工作流高度依赖LINUX DO社区生态工具（Cursor++、Trellis、grill-me、ACE、smart-search-cli等），强调工具之间的明确分工与流程化协作。
• Cursor++消除了Cursor的模型和订阅限制，使其可以接入选定的任意兼容接口模型，实现灵活的多模型切换。
• 任务执行遵循“先拷问需求 → 再落档规划 → 最后执行”的三段式，避免AI直接开始写作导致方向错误或代码不匹配上下文。
• ACE解决了AI不理解全局代码库的问题，smart-search-cli解决了AI信息过期或幻觉的问题，两者分别覆盖本地与外部两个信息维度。
• grill-me与Trellis是需求澄清和任务落地的核心组合，Trellis的trellis-brainstorm在新版本中已内嵌grill-me功能，可直接承担需求拷问+