写代码前先别写代码：Greg Isenberg 用 Cursor 颠覆 AI 编程的5个基本功

大多数人用 AI 写代码，失败不是因为模型不够强，而是方法从一开始就错了。Greg Isenberg 在这支近1小时的视频里，展示了一套他“希望更早知道”的 AI 编程基本功：不是多写 Prompt，而是先设计流程、角色和上下文。看完你会明白，为什么 Cursor 只是工具，真正拉开差距的是思维方式。

最反直觉的一点：AI 写不好代码，通常不是 AI 的问题

视频一开始，Greg 就抛出一个让很多工程师不舒服的事实：“如果你觉得 AI 写的代码不稳定，90% 是因为你给它的输入不稳定。” 这并不是在说 Prompt 写得不够长，而是整个输入体系是混乱的。

他反复强调一个基础但常被忽略的原则：一致性（consistency）比聪明更重要。如果你一会儿在 ChatGPT 里随口问，一会儿在 Cursor 里直接让它改代码，没有一个固定的上下文和目标，模型只能不断猜你的意图。结果就是：代码能跑，但不可维护；功能看似对，但逻辑混乱。

这个观点之所以反直觉，是因为大多数人把 AI 当成“更聪明的搜索引擎”或“高级 Stack Overflow”。而 Greg 的立场是：AI 更像一个刚入职、但记忆力超强的初级工程师。你不给清晰规范，它就会用自己的方式补全空白，而这些“自作主张”正是 bug 的来源。

别再混用工具：ChatGPT、Cursor、v0 各有明确分工

视频中第二个关键点，是对不同 AI 平台“角色分工”的极度清晰。

Greg 明确区分了三类工具的职责：
- ChatGPT：用于“想清楚问题”。这里不是写最终代码，而是定义需求、边界、数据结构、可能的方案。
- v0（或类似生成工具）：用于快速生成 UI 或初始形态，解决“从 0 到 1”的心理阻力。
- Cursor：才是真正写、改、重构代码的地方。

他说了一句很值得反复琢磨的话：“不要让一个工具同时承担‘思考’和‘执行’。” 当你在 Cursor 里一边让 AI 设计架构，一边又让它直接改文件，本质上是在让它一边定规则一边违反规则。

这种分工的好处是，你会发现 Cursor 的输出突然变稳定了。不是因为它变聪明了，而是因为你已经在前面把“该想的事”想完了。

真正的生产力来自 Workflow，而不是某个神 Prompt

在中段，Greg 展示了他个人非常成熟的一套工作流。这背后有个有趣的背景：他轻描淡写地提到，自己参与过 30+ startup。你能明显感觉到，这套方法是被真实项目反复“打磨”出来的。

核心不是 Prompt，而是顺序：
1. 先生成一个“可运行但很丑”的起点，哪怕功能极简。
2. 立刻补文档（docs），不是给别人看的，而是给 AI 看的。
3. 把这些文档当成“长期记忆”，持续喂给 Cursor。

这里有一个容易被低估的点：文档不是结果，而是控制变量。当你明确写下“这个模块不负责什么”“这个函数的输入输出约定是什么”，AI 的发挥空间反而被压缩，错误率随之下降。

Greg 展示的 Reddit 示例里，可以看到一个很典型的变化：在没有 docs 的情况下，AI 的回答发散且不稳定；一旦把背景、目标、限制条件写进文档，再让 Cursor 基于文档改代码，结果立刻变得“像人写的”。

Cursor Composer 真正强的地方，不是写新代码

很多人对 Cursor 的期待是：帮我写更多代码、更快代码。但 Greg 在后半段强调了一个更重要的用途：用 Composer 来“管理变化”。

他展示了一个典型场景：需求在不断演进，如果你每次都从头描述，AI 必然会理解偏差。但 Composer 可以在已有上下文中，对多个文件进行有意识的修改。

关键不是“生成”，而是：
- 知道哪些文件该动，哪些不该动
- 理解之前的设计决策
- 在不破坏整体结构的前提下迭代

这也是为什么他反复强调：前期的结构、命名、文档，决定了后期 Cursor 的上限。如果一开始就是一团糟，Composer 只会帮你更快地制造一团更大的糟。

AI 编程的隐性分水岭：你是在“对话”，还是在“协作”

视频最后，其实隐藏着一个更大的判断：AI 编程正在从“对话式”走向“协作式”。

对话式的特点是：一次一问，一次一答，随用随丢。协作式则意味着：
- 有长期上下文
- 有明确角色
- 有可积累的知识载体（代码结构 + 文档）

Greg 的整套方法，本质上是在把 AI 拉进一个更接近真实团队的工作环境里。当你开始这样使用工具时，你会发现一个变化：你不再纠结‘该怎么写 Prompt’，而是开始思考‘我该如何设计系统’。

这，可能才是 AI 编程真正的门槛。

总结

如果你最近的感受是“AI 好像没那么神了”，这支视频给了一个更诚实的解释：不是模型退步，而是简单用法的红利结束了。接下来拉开差距的，是谁更早建立起稳定的 AI 编程基本功。

从现在开始，你可以立刻做三件事：第一，把“想清楚需求”和“改代码”拆到不同工具；第二，强迫自己为 AI 写文档；第三，用 Cursor 管理变化，而不是制造变化。等你再回头看，会发现 AI 不只是更好用，而是终于开始“像一个靠谱的同事”。

关键词： AI 编程， Cursor， ChatGPT， 开发者工作流， AI 协作

事实核查备注： 1. 视频发布时间：2024-10-11；2. 作者/频道：Greg Isenberg；3. 提及工具：ChatGPT、Cursor、v0；4. Greg 提到“30+ startup”背景需确认是否为原话语境；5. Reddit 示例为演示用途，非真实产品案例