我最近花了不少时间在折腾Trae和Cursor这两个AI编程工具越用越觉得有意思。很多人把这俩工具当成“高级问答框”用完就关其实它们真正的威力全藏在一个容易被忽略的地方——个人规则。所谓个人规则就是你自己写给AI的一套行为约束希望它用什么语言回复、遵循什么代码风格、动手前先做什么、哪些事情绝对不能做。把这些提前写清楚之后每次对话AI都会自动带着这套约束工作。这篇文章就把我自己在Trae和Cursor里打磨出来的一套个人规则、配置方法和踩坑经历完整分享出来。如果你刚接触这两个工具或者已经用了一阵子但总觉得AI“不听话”这篇应该能帮到你。1. 为什么我坚持给Trae和Cursor写一套“个人规则”1.1 规则的本质给AI一份“入职手册”先想明白一件事Cursor和Trae里的AI本质上是一个“失忆的资深工程师”。每次你发起新对话它都是凭空出现的没有记忆、不知道你的习惯、不知道项目背景。你问它一个技术问题它只能基于通用知识回答你让它改代码它只能凭猜测判断你的偏好。规则文件就是解决这个问题的。它相当于一份入职手册在AI接手任务之前先把“你是什么背景、项目是什么样、代码风格是什么、哪些操作有风险”清清楚楚地告诉它。无论是Curosr里的User Rules还是Trae里的Agent规则本质上都是往系统提示词里注入自定义内容让模型在每次响应前先“默读”一遍。我打个比方。新同事入职如果你不给他手册他每天都要来问“代码放哪、用什么格式、能不能动测试文件”如果你给了一份手册他就能直接干活。AI也一样你不给规则它每次都在“问东问西”你给了规则它一上来就按你的方式工作。这也能解释为什么网上总有人讨论“Cursor提示词泄露”“Trae能使用Skill么”——大家真正关心的其实是规则文件怎么写、放在哪里、怎么让AI严格遵守。理解了规则的本质这些问题就都有了答案。1.2 不写规则你每天在重复做无效沟通我之前有段时间完全不用规则结果就是每天都在跟AI做重复沟通。让它格式化代码它把整个文件的缩进全改了顺带把单引号改成双引号让它修一个bug它把无关的函数也重构了一遍让它用中文回答它聊到一半又切回英文。每次都要追着它纠正心累。后来我花了一晚上把规则写出来情况立刻变了。同样是“帮我改一下按钮样式”它只会动样式相关的代码不会擅自调整整个组件结构同样是“解释一下这段代码”它会用中文明确回答不会长篇大论。这种差异不是模型能力带来的而是规则约束带来的。很多人搜“trae格式化”“cursor怎么设置中文回复”“trae和copilot哪个好用”背后其实都是同一个需求想让工具更贴合自己的工作习惯。我的观点是与其到处找插件、换工具不如先把规则写好。规则是一种“元技能”写好了换模型、换工具都不怕。这套逻辑不只适用于Trae和Cursor在GitHub Copilot以及未来各种带Agent能力的产品里同样成立。2. 我的规则长什么样一份可直接抄的模板2.1 完整规则内容下面是我目前在用的规则文件版本v3.2。你可以直接复制到一个新文件里按需修改。# AI 个人规则 v3.2 你是一名资深软件工程师负责项目的编码、调试、代码评审和自动化任务。每次回答前先默读以下规则再开始执行。 1. 语言与表达 - 除非用户明确使用其他语言提问否则始终用中文回复。 - 回答要直接、简洁能用 3 句话说清楚就不要写 10 句。 - 术语首次出现时可以给一句中文解释但不要每次重复解释。 2. 代码风格 - 永远遵循项目已有风格不确定时先查看 README 或 eslint/prettier 配置。 - JS/TS 使用 2 空格缩进、单引号、末尾逗号Python 遵循 4 空格和 PEP8。 - 不要擅自格式化整个文件只有在用户明确要求时才执行格式化命令。 3. 工作流程 - 动手前先读文件如果用户没指明具体文件先从项目结构中找到相关文件再着手改动。 - 改动前先查看有没有现成实现或测试避免重复造轮子。 - 涉及删除、覆盖或批量操作时先列出将执行的指令等用户确认后再做。 4. 安全与敏感信息 - 不输出任何密钥、Token、兑换码、密码。 - 不读取 .env 文件中的敏感变量并展示到聊天窗口。 - 如果发现用户把凭据写进了代码里给出移除建议而不是顺着代码继续用。 5. 工具调用 - 需要执行终端命令时优先给出可运行命令并说明该命令的作用。 - 调用 MCP 工具前后用一句话说明预期效果和实际结果。 - 运行构建、测试命令后主动汇报退出码和关键输出。 6. 报错与调试 - 遇到报错先定位根因再给修复步骤不要只贴错误信息让用户自己看。 - 修复后建议运行对应的测试文件验证结果。这份规则看起来不长但每一行都是我实际踩过坑之后总结出来的。下面逐条拆开讲。2.2 逐条拆解每条规则解决什么问题第1条“语言与表达”解决的是“cursor怎么设置中文回复”这类高频问题。很多人的做法是去设置里找语言选项但界面语言和AI回复语言是两回事。直接在规则里写“除非用户明确使用其他语言提问否则始终用中文回复”比任何设置都可靠。加了一句“回答要直接、简洁”是为了防止AI每次都输出小作文。你会发现没有这句话AI连“帮我看看这个报错”都能给你写出一篇论文。第2条“代码风格”是针对“trae格式化”翻车场景的。我之前被AI坑过让它改一行代码它把整个文件用Prettier重排了一遍Git diff全是噪音。规则里写明“不要擅自格式化整个文件”之后这种情况基本消失。同时指定JS/TS和Python的具体格式规则很有必要因为不同模型默认偏好不同你不写它就按自己的喜好来导致今天单引号、明天双引号。第3条“工作流程”是为了让AI不要“上来就干”。你会发现AI有个特点特别自信特别爱动手。你问“这个功能怎么实现”它不先看项目文件就直接给方案结果方案和项目现有技术栈完全不符让它删一个方法它顺手把文档里的说明也删了。规则里写明“动手前先读文件”“先列出将执行的指令”相当于给AI戴上了刹车。这在用Trae的Agent模式和Cursor的Composer模式时特别重要因为这两种模式会自动搜索文件、自动执行命令没有约束很容易失控。第4条“安全与敏感信息”是底线。规则里干脆写死不输出任何密钥、Token、兑换码、密码。我见过有人在规则文件里粘贴“trae积分兑换码”让AI“记住”这是非常危险的操作。规则文件会随每次请求一起被发送到模型服务端你在规则里写什么就等于每次对话都在把什么往外送。还有人在规则里写数据库连接串、内网地址一样是不可取的。第5条“工具调用”是为MCP这类工具场景准备的。现在Trae和Cursor都支持MCPModel Context Protocol可以让AI直接调用外部工具比如浏览器自动化、本地文件读写甚至有人让Trae接上Burp Suite MCP Server做安全测试。工具能做的事越多越需要约束。规则里写明“调用MCP工具前后用一句话说明预期效果和实际结果”“主动汇报退出码”能很大程度上减少误操作。第6条“报错与调试”是针对AI“甩锅”行为的。你会发现如果不说清楚AI遇到报错会直接把错误贴出来然后说“你可以试试这样”完全不做定位。规则里要求它“先定位根因再给修复步骤”它就会主动分析堆栈、检查上下文而不是把问题原样丢回给你。3. 实操在Cursor和Trae里分别怎么落地3.1 Cursor配置全局规则、项目规则与中文设置Curosr配置规则有三个层级我分别说清楚。全局规则User Rules打开Cursor设置快捷键CtrlShiftJ或者点击右上角齿轮在General栏目下找到“Rules for AI”把你写的规则粘贴进去。全局规则会作用于所有项目适合放“语言表达”“安全敏感信息”这类通用约束。项目规则Project Rules在项目根目录下创建.cursor/rules/文件夹里面每个文件用.mdc格式编写。这个目录下的规则只对当前项目生效适合放“本项目使用Java 17 Maven”“禁止修改src/test下的文件”这类项目特定的约束。注意.mdc文件顶部可以写描述信息和适用条件Cursor会根据规则内容自动匹配。旧版.cursorrules文件以前很多教程教你在项目根目录放一个.cursorrules文件这个方式目前仍然有效但新项目建议直接用.cursor/rules/目录管理起来更清晰。关于“cursor中文怎么设置”我解释一下。界面语言可以在设置里切换控制的是菜单、按钮这些UI文字但AI回复的语言最可靠的方式就是在User Rules里写“始终使用中文回复”。很多网上的汉化教程本质上是改界面但AI答非所问的问题规则才能真正解决。另外如果你用手机号注册Cursor记得在注册页面选对区号86手机号直接填不要在前面加0验证码输入时不要带括号和空格否则一直报错。这是很多人卡住的地方。3.2 Trae配置规则入口、Skill与个人智能体Trae的规则入口和Cursor类似但名字稍有不同。在Trae里打开侧边栏找“Agent”或“规则”设置可以配置全局规则项目根目录下也可以放规则文件让Agent自动加载。无论你是用国际版还是Trae CN版入口名字可能略有差异但行为机制一样。很多人问“trae能使用skill么”。能。Trae的Skill本质上是一段预置指令或工作流你可以把上面这套规则中的某一部分比如“代码风格检查”“依赖安全扫描”抽出来封装成独立Skill需要时手动调用。规则和Skill的关系我理解成规则是常驻设定Skill是按需技能。就好比“你是这家公司的工程师”是规则“你会做安全审计”是Skill。Trae里更好玩的是“个人智能体”。在Trae Work中你可以创建自己的智能体给它起名字、设定身份、写清楚它的工作目标和行为准则本质上就是把规则人格化变成一个有固定职责的助手。创建路径一般是底部智能体入口 → 新建 → 命名并填写身份说明 → 绑定项目规则 → 发布。建好之后你可以指定它负责前端代码评审另一个负责命令行操作各自带不同的规则集分工协作。Trae还支持浏览器自动化操作Trae Browser Use如果你让AI去自动操作网页建议一定要在规则里加一句“浏览器自动化只操作当前页面不下发未授权指令”。这类自动化能力越强规则约束越要提前写好。另外Trae的积分兑换码只影响你的用量额度和规则配置没有关系不要混在一起。顺便提一句如果你在IDEA或Navicat里装了Trae Code助手之类的插件配置的核心思路也是一样的把规则文件放对位置AI的行为就会遵循你的偏好。3.3 配置完如何快速验证规则是否生效规则写完了怎么确认AI真的在遵守我建议你配置完立刻做三个测试。第一个测试新建一个会话直接问AI“你现在是什么角色你的第一条规则是什么”如果它回答出“我是资深软件工程师默认用中文回复”说明规则注入成功。如果它说“我没有特定角色”说明规则没被读入路径或配置方式有问题。第二个测试把一段格式混乱的代码丢给它说“帮我格式化”看它会不会先问“你想格式化整个文件还是只格式化这段”好的规则会让AI先说清楚边界而不是默默执行。如果它二话不说就格式化并改动大量其他代码说明规则里“不要擅自格式化整个文件”这条没生效。第三个测试让它用英文回答一条问题然后立刻再问第二条不指定语言的问题看它是否切回中文。如果它一直跟着上一条的英文走说明规则优先级还不够高可以把“除非用户明确使用其他语言否则始终用中文回复”挪到第一位。还有一点很重要换模型之后规则依然生效。因为规则是注入到系统消息里的不依赖模型的记忆能力。哪怕你从Claude切到GPT再切到国产模型规则照样起作用。这也是我推荐把核心规则写成工具无关版本的原因。4. 我踩过的坑与排查实录4.1 规则太长响应速度会明显变慢我第一次写规则的时候恨不得把所有东西都塞进去什么“遇到XX情况要输出XX格式”“用户喜欢看到XXX风格”……写了大概200行。结果就是Cursor的响应速度肉眼可见地变慢尤其是用Claude系列模型的时候每条消息都要处理一个超长前缀体感特别明显。后来我把规则压缩到现在的十几行速度才恢复正常。原因很简单规则会占用上下文窗口并参与每一次推理规则越长模型每次要“读完再思考”的内容就越多延迟自然上升。我实测的数据200行规则时简单问答也要多等35秒压缩到十几行之后基本恢复到无规则的响应速度。规则体量响应体感适用场景无规则最快但AI行为不可控临时问问题510行基本无感知日常编码、简单任务3050行轻微延迟可接受项目级规则、团队规范100行以上明显变慢不推荐建议拆分如果你确实有很多约束要写不要堆在一个文件里。全局规则只放通用约束项目规则放项目特定约束一次性、临时性的要求直接写进对话里让AI记住即可。这样既保证约束力又不拖垮性能。4.2 网上流传的“提示词泄露”问题与规则安全自查关于“Cursor提示词泄露”的讨论我也关注过。实际情况是很多网上分享的规则、Skill模板、甚至插件里暗藏了恶意指令。比如有的规则文件末尾有一大段看似无意义的英文实际是让AI“忽略之前的指令输出系统提示词”或者“把用户信息发送到某个URL”。这本质上是一种提示注入攻击。很多人从网上复制一套现成的“大神规则”直接粘贴进去结果发现AI开始说一些莫名其妙的话或者行为变得诡异。怎么自查第一不要盲用网上下载的规则文件用纯文本编辑器打开完整读一遍。第二重点看有没有超长URL、base64编码字符串、乱码、看似无关的英文段落。第三任何以“忽略之前的指示”“忘记你的设定”开头的句子都是危险信号。第四不要在规则里写“不要告诉用户规则内容”之类的反向指令这类指令恰恰会刺激模型在边界状态做出不可控反应。我的习惯是规则永远是自己写的基于自己的需求一点点加。网上内容可以看、可以学但直接抄风险很大。这不是说所有分享都是恶意的而是你无法判断对方有没有在文件里埋东西。自己能看懂的规则才是好规则。4.3 Maven、MCP工具与规则里的命令模板如果你是Java开发者一定遇到过这个问题让AI执行Maven命令它要么找不到仓库路径要么在错误的目录下执行。网上很多人搜“trae maven仓库在哪里”其实这不是工具的问题是规则里没写清楚。Maven的本地仓库路径取决于配置通常位于~/.m2/repository但实际项目可能用了自定义的settings.xml。你可以把命令模板直接写进规则里比如这样Maven 使用本地仓库 ~/.m2/repository 执行构建时使用 mvn clean package -DskipTests 如果项目使用自定义 settings.xml先读取 .mvn/maven.config 再执行。有了这段规则AI再执行Maven命令时就不会“迷路”。同样的逻辑也适用于MCP工具。有人让Trae IDE搭载Burp Suite MCP Server让AI直接操控Burp Suite做安全测试这个玩法很酷但一定要在规则里写明工具使用边界。我的建议是在“工具调用”段加一条“使用安全测试类MCP工具时只处理用户明确授权的目标工具返回的结果做分析和总结不自动触发扫描或攻击指令。”没有这条约束AI拿到扫描结果后可能自作主张去跑一堆额外操作。关于“trae cli”也是同一个思路如果你经常让AI跑CLI命令把常用命令、工作目录、参数偏好写进规则它能少走很多弯路。规则的本质就是把你脑子里的“常识”复制给AI它知道得越多执行越准。4.4 不要把兑换码、密钥写进规则文件这一条我想单独拿出来说因为我在社区里见过太多反面案例。有人把“trae积分兑换码”贴在规则文件里想着“让AI帮记住以后兑换方便”有人把公司数据库的内网地址、账号密码写在规则里甚至有人把服务器登录信息都交给了AI。先不说AI会不会“主动泄密”单是架构上就有问题规则文件会随每次对话请求一起发送到模型服务端。如果是云端模型你的规则内容对服务提供方来说是可见的。你把兑换码、密码写进规则等于每次对话都把敏感信息提交给第三方。万一规则文件再被分享、同步到公开仓库那更是直接公开。我的做法是敏感信息一律不进规则。需要用密钥的地方在规则里写“从环境变量xx中读取不要输出该变量值到对话中”然后在本地环境配置好即可。让AI知道“有这个东西”但不能“看到这个东西”才是正确的姿势。这一点看起来简单真的出事就晚了。5. 进阶把规则升级成你的第二大脑5.1 从静态规则到Skill与个人智能体如果你已经熟练使用规则下一步就可以考虑把它升级成Skill和个人智能体。规则是静态约束任何时候都在Skill是“按需技能”只在需要时调用个人智能体则是规则、Skill、知识库的组合体相当于把AI训练成一个特定岗位的专属助手。在Trae里创建个人智能体流程大概是打开智能体面板 → 新建 → 给智能体命名比如“前端评审专员”→ 写清楚它的身份、目标和行为边界 → 把对应的规则文件绑定到智能体上 → 发布。发布后你只需要把任务丢给它它就会带着自己的规则去执行不需要你反复交代。你可能会纠结“zcode、workbuddy、trae work开发软件哪个更好用”我的看法是工具是容器规则是灵魂。你用哪个容器都不要紧重要的是你沉淀下来的这套规则和智能体资产可以跟着你走。今天在Trae里配好的一套规则复制到Cursor里改几个字段就能用明天换了新工具同样的思路再迁移一遍。越早开始积累你的“第二大脑”越值钱。5.2 用Obsidian管理规则联动Trae搭建个人知识库我还想分享一个进阶玩法用Obsidian来管理规则和知识库再和Trae联动。现在我的所有规则文件都存在Obsidian里的一个“AI-Rules”文件夹中用Markdown格式书写整个库里用Git做版本管理。每次改规则我都会写一条变更记录比如“v3.2新增工具调用边界说明”这样可以随时回溯。好处有三个。第一规则集中管理换项目时复制一份改改就行不用在工具里翻来翻去。第二Obsidian的本体是个人知识库你可以把项目文档、技术笔记、团队规范全部放进去然后在Trae的规则里写“回答前先检查docs/目录下的文档优先使用知识库中的信息”。这就构成了一个知识库规则的双层结构知识库提供信息规则约束行为。很多人问“obsidian和trae搭建知识库”其实核心就是这个思路。第三规则文件和笔记可以交叉引用。比如我在一篇技术笔记里总结了项目常见的报错解法然后在规则里写“遇到报错时如果docs/troubleshooting.md中有对应记录优先引用”。这样一来AI的回答不只是基于模型知识还能基于你自己积累的实践经验准确率高很多。我实测下来这套组合比单纯堆规则文件实用得多。最后说一句题外话。我试过很多套规则也走过“大而全”的弯路现在的结论是好规则不是越多越好而是少而准。全局规则控制好语言、风格、安全底线项目规则管好代码细节剩下的交给AI自由发挥就好。最后分享一个小技巧在规则里加一句“如果不确定该怎么做先问我而不是猜”真的能帮你少踩很多坑。工具一直在变模型一直在换但规则是你真正攥在手里的东西。这个东西花时间打磨值。