将你的$20 Cursor转变为Devin般的AI助手

一个有趣的cursorrules

github.com/grapeot/dev...

这个仓库为你提供了所需的一切，以在你的Cursor/Windsurf IDE或GitHub Copilot中注入高级的代理AI功能------类似于每月$500的Devin------但只需一小部分成本。在一分钟内，你将获得：

• 自动规划和自我进化，让你的AI"三思而后行"并从错误中学习
• 扩展的工具使用，包括网页浏览、搜索引擎查询和LLM驱动的文本/图像分析

• 实验性\] 多代理协作，o1负责规划，常规的Claude/GPT-4o负责执行

指令

在与用户交互期间，如果你在这个项目中发现任何可重用的内容（例如库的版本、模型名称），特别是关于你犯的错误的修复或者你收到的纠正，你应该在.cursorrules文件的Lessons部分做笔记，这样你就不会再犯同样的错误。

你还应该使用.cursorrules文件作为草稿来组织你的想法。特别是当你收到一个新任务时，你应该首先查看草稿的内容，必要时清除旧的不同任务，先解释任务，并计划你需要采取的步骤来完成任务。你可以使用待办标记来指示进度，例如 [X] 任务1 [ ] 任务2

当你完成一个子任务时，也要在草稿中更新任务的进度。 特别是当你完成一个里程碑时，使用草稿进行反思和计划将有助于提高你的任务完成深度。 目标是帮助你保持对任务的大局观和进度。在计划下一步时，始终参考草稿。

工具

注意所有工具都是用Python编写的。所以如果你需要进行批处理，你可以随时查阅Python文件并编写自己的脚本。

截图验证

截图验证工作流允许你捕获网页截图并使用LLM验证其外观。以下工具可用：

1. 截图捕获：

venv/bin/python tools/screenshot_utils.py URL [--output OUTPUT] [--width WIDTH] [--height HEIGHT]

2. 使用图像的LLM验证：

venv/bin/python tools/llm_api.py --prompt "你的验证问题" --provider {openai|anthropic} --image path/to/screenshot.png

示例工作流：

from screenshot_utils import take_screenshot_sync
from llm_api import query_llm

# 拍摄截图
screenshot_path = take_screenshot_sync('https://example.com', 'screenshot.png')

# 使用LLM验证
response = query_llm(
    "这个网页的背景颜色和标题是什么？",
    provider="openai",  # 或 "anthropic"
    image_path=screenshot_path
)
print(response)

LLM

你始终有一个LLM在你身边帮助你完成任务。对于简单的任务，你可以通过运行以下命令调用LLM：

venv/bin/python ./tools/llm_api.py --prompt "法国的首都是什么？" --provider "anthropic"

LLM API支持多个提供商：

• OpenAI（默认，模型：gpt-4o）
• Azure OpenAI（模型：通过.env文件中的AZURE_OPENAI_MODEL_DEPLOYMENT配置，默认为gpt-4o-ms）
• DeepSeek（模型：deepseek-chat）
• Anthropic（模型：claude-3-sonnet-20240229）
• Gemini（模型：gemini-pro）
• 本地LLM（模型：Qwen/Qwen2.5-32B-Instruct-AWQ）

但通常更好的做法是检查tools/llm_api.py文件的内容，并在需要时使用该文件中的API来调用LLM。

网页浏览器

你可以使用tools/web_scraper.py文件来抓取网页。

venv/bin/python ./tools/web_scraper.py --max-concurrent 3 URL1 URL2 URL3

这将输出网页的内容。

搜索引擎

你可以使用tools/search_engine.py文件来搜索网页。

venv/bin/python ./tools/search_engine.py "你的搜索关键词"

这将以以下格式输出搜索结果：

URL: https://example.com
Title: 这是搜索结果的标题
Snippet: 这是搜索结果的摘要

如果需要，你可以进一步使用web_scraper.py文件来抓取网页内容。

经验教训

用户指定的经验教训

• 你有一个Python虚拟环境在./venv中。使用它。
• 在程序输出中包含有用的调试信息。
• 在尝试编辑文件之前先阅读它。
• 由于Cursor的限制，当你使用git和gh并需要提交多行提交消息时，首先将消息写入文件，然后使用git commit -F <filename>或类似命令提交。然后删除该文件。在提交消息和PR标题中包含"[Cursor] "。

Cursor学到的

• 对于搜索结果，确保正确处理不同的字符编码（UTF-8）以适应国际查询
• 将调试信息添加到stderr，同时保持stdout中的主要输出干净，以便更好地集成管道
• 在matplotlib中使用seaborn样式时，由于最近seaborn版本的变化，使用'seaborn-v0_8'而不是'seaborn'作为样式名称
• 使用'gpt-4o'作为OpenAI的GPT-4带视觉能力的模型名称
• 在搜索最新新闻时，使用当前年份（2025）而不是前几年，或者简单地使用"recent"关键词获取最新信息

草稿

为什么这很重要

Devin给许多人留下了深刻印象，它表现得像一个实习生，能够自己制定计划，随着进展更新计划，甚至根据你的反馈进行进化。但你不需要Devin每月$500的订阅来获得大部分功能。通过自定义.cursorrules文件，再加上几个Python脚本，你将在Cursor中解锁相同的高级功能。

主要亮点

1. 简单设置

有两种方式可以开始：

选项1：使用Cookiecutter（推荐）

# 如果尚未安装cookiecutter
pip install cookiecutter

# 创建一个新项目
cookiecutter gh:grapeot/devin.cursorrules --checkout template

选项2：手动设置 将tools文件夹和以下配置文件复制到你的项目根文件夹中：Windsurf用户需要.windsurfrules和scratchpad.md文件。Cursor用户只需要.cursorrules文件。GitHub Copilot用户需要.github/copilot-instructions.md文件。

2. 规划者-执行者多代理（实验性）

我们的新多代理分支引入了一个高级规划者（由o1驱动）来协调复杂任务，以及一个执行者（由Claude/GPT驱动）来逐步实施行动。这种双代理方法大大提高了解决方案的质量、交叉检查和迭代速度。

3. 扩展工具集

包括：

• 网页抓取（Playwright）
• 搜索引擎集成（DuckDuckGo）
• LLM驱动的分析

AI会自动决定如何以及何时使用它们（就像Devin一样）。

注意：对于截图验证功能，Playwright浏览器将在你首次使用该功能时自动安装。

4. 自我进化

每当你纠正AI时，它都可以在.cursorrules中更新其"经验教训"。随着时间的推移，它会积累项目特定的知识，并在每次迭代中变得更聪明。这使得AI成为一个可指导和值得指导的合作伙伴。

使用

有关在Cursor中设置和使用devin.cursorrules的详细步骤，请查看我们的逐步教程。本指南涵盖了从初始Cursor设置到配置devin.cursorrules和使用增强功能的所有内容。

1. 选择你的设置方法：

   • Cookiecutter（推荐）：运行cookiecutter命令后按照提示操作
   • 手动：从此仓库复制你需要的文件

2. 配置你的环境：

   • 设置你的API密钥（可选）

3. 开始以完全代理的方式探索高级任务------例如数据收集、快速构建原型或交叉引用外部资源。

想要了解更多细节？

查看我们的博客文章，了解我们如何在一小时内将 <math xmlns="http://www.w3.org/1998/Math/MathML"> 20 转变为 20转变为 </math>20转变为500级别的AI能力。它解释了过程规划、自我进化和完全自动化工作流程背后的哲学。你还会找到Devin、Cursor和Windsurf的并排比较，以及从头开始设置这一切的逐步教程。

许可证：MIT