夜雨聆风🏷️ #AI编程 #Cursor #零基础 #自动化 #效率工具
先说个事实：写代码这件事的门槛，在过去一年里被AI砸穿了。
我不是说"任何人都能成为程序员"——那是在骗你。成为程序员需要的不只是写代码，还有系统设计、调试能力、工程思维，这些东西AI目前替代不了。
但如果你需要的只是「做一个能自动处理Excel的小工具」「搭一个简单的网页来展示数据」「写个脚本每天自动帮我整理文件夹」，这些事现在真的不需要学编程。
这一篇就讲一件事：一个完全没写过代码的人，怎么用Cursor让AI帮你写代码。
一、先搞清楚：Cursor是什么？不是什么？
Cursor本质上是一个代码编辑器——跟Word是文字编辑器一样。但它的核心卖点是内置了AI，你可以用自然语言让它写代码、改代码、解释代码。
为什么选 Cursor 而不是 Claude Code 或 Codex？
一句话：对零基础来说，图形界面 > 命令行。 Cursor 打开就是窗口，左边看文件、右边写代码、下面跑结果，所见即所得。Claude Code 和 OpenAI Codex CLI 同样强大——尤其是 Claude Code，对 iOS 开发、复杂项目重构的支持很强——但它们跑在终端里，交互全靠敲字。如果你本身不惧命令行，Claude Code 也是好选择，甚至更灵活。但这篇文章面向的是「没碰过终端的人」，所以选 Cursor 当入门工具最友好。
一个更诚实的比喻：
传统编程 = 你自己开车，需要会踩离合、换挡、看后视镜 Cursor + AI = 你招了一个经验不错但偶尔会犯错的实习程序员
它会写代码、会改代码、会解释代码。但它也会写错、会误解你的需求、会引入Bug、会产生幻觉。最终开车的人还是你。 真实的工作流程是：
你描述需求 → AI生成代码 → 运行看结果 → 报错了？→ 把报错丢给AI修 → 再运行 → 确认结果是否正确
这个循环才是日常。不是"说一句话就完事了"。
Cursor能帮你做什么（对非程序员来说）：
✅ 写Python脚本处理Excel、CSV文件 ✅ 搭一个简单的网页（展示数据、做个小工具） ✅ 批量重命名文件、整理文件夹 ✅ 自动发送邮件、抓取网页数据 ✅ 做简单的数据分析和可视化图表
对零基础来说难度较高（不是做不了，是独立完成有门槛）：
⚠️ 完整的APP开发（Flutter、React Native、SwiftUI都行，但涉及环境配置、调试、部署，零基础容易卡在半路） ⚠️ 复杂的业务系统（CRM、ERP之类——能力够，但复杂度和调试成本太高） ⚠️ 需要高安全性的功能（用户登录、支付——涉及安全，出错后果严重，不建议非程序员碰）
记住一个原则：你让AI做的事，必须是你自己能判断对不对的事。 如果你连结果对不对都看不出来，那这活不该让AI干。
⚠️ 重要提醒：数据安全（别跳过这一节）
很多新手会直接把包含敏感数据的文件丢给 Cursor。
如果你的数据包含：客户名单、公司财务报表、个人身份信息、内部合同……不要这么做。
Cursor 的 AI 功能需要把你的代码和上下文发送到云端服务器处理。虽然官方有隐私政策，但任何上云的数据都存在泄露风险。这不是 Cursor 的问题，是所有 AI 编程工具的通用风险——包括 Claude Code、Codex、Copilot。
安全做法：
✅ 用脱敏后的测试数据练习：把真实数据的姓名换成"张三"、数字乘以一个随机系数 ✅ 小数据量先行：拿10行数据跑通流程，确认没问题再放大 ✅ 敏感项目用本地模型：如果公司有合规要求，考虑用 Ollama + 本地模型 + Continue 插件，全程不联网 ❌ 绝对不要：把包含真实客户信息、财务数据、商业机密的文件直接拖进 Cursor
这条不是说"别用 AI 编程"，是说"用的时候长个心眼"。数据安全这事，等出了问题再后悔就晚了。
二、安装和第一步：10分钟跑起来
1. 下载安装
去 cursor.com[1] 下载，Windows/Mac/Linux都有。安装过程就跟装普通软件一样，一路下一步。
💡 关于价格： Cursor 提供免费版，具体额度会随套餐调整。建议直接查看官方定价页：cursor.com/pricing[2]。就目前来说，免费额度对非程序员入门练习绰绰有余。
2. 装Python（大概率你需要它）
很多入门教程会让你用 Python 跑你的第一个 AI 生成的脚本——Python 是当前大模型训练语料最丰富、生成效果最稳定的语言之一。但这不意味着 Cursor 只能写 Python。实际上 Cursor 生成什么语言取决于你的项目类型：网页项目会大量用到 HTML、CSS、JavaScript/TypeScript；数据分析自然是 Python。工具本身不绑定任何语言。
Mac用户： 打开「终端」（在启动台→其他里），粘贴这句：
# 先装Homebrew（Mac的软件管家），如果已经装过就跳过
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
# 用Homebrew装Python
brew install python
装完后在终端输入 python3 --version，如果显示 Python 3.x.x 就搞定了。
Windows用户： 去 python.org[3] 下载安装包，安装时一定勾选"Add Python to PATH"（这步很关键，不勾后面跑不起来）。
3. 打开Cursor，创建第一个项目
打开Cursor → 点击「Open Folder」→ 选一个空文件夹，比如在桌面上新建一个叫 my-first-project 的文件夹。
左边会出现文件列表（现在是空的），右边是代码编辑区，下方是终端。
不要被界面吓到。你只需要记住三个区域：
左边（文件列表）： 文件放哪 右边（编辑区）： 看代码、改代码的地方 下面（终端）： 运行代码的地方 快捷键 Cmd+I（Mac）/ Ctrl+I（Win）： 唤起AI对话框
三、怎么跟Cursor说话：Prompt的核心套路
好，最关键的来了。很多人用Cursor的第一句话是「帮我写个程序」，然后得到一堆不知道干嘛的代码，然后放弃。不是AI不行，是你没给它足够的约束。
跟Cursor沟通，记住四句话：
[你想干嘛] + [输入是什么] + [输出要什么样子] + [有什么特殊要求]
下面拆开讲。
1. 你想干嘛（任务）
❌ 烂："帮我做个数据分析" ✅ 好："我有一个Excel文件，里面是销售数据，帮我分析每个月的销售额趋势"
任务要具体。不要怕啰嗦——AI不怕啰嗦，就怕模糊。
2. 输入是什么
❌ 烂："处理那个文件" ✅ 好："文件名是 sales-2024.xlsx，第一列是日期，第二列是销售额，第三列是产品类别"
把数据结构说清楚。如果不知道自己文件长什么样，先用Excel打开看一眼。
3. 输出要什么样子
❌ 烂："输出分析结果" ✅ 好："输出一张折线图显示月度趋势，同时在终端打印每个月的具体数字，最后生成一个新的Excel文件叫 result.xlsx，里面两列：月份和销售额"
输出格式要明确——是图片？是表格？是文件？存在哪？
4. 特殊要求
❌ 烂："好一点" ✅ 好："用matplotlib画图，中文字体要正常显示；月份格式用'2024年1月'这种"
把你关心的细节说出来。你脑子里对「好」的标准，AI不知道。
完整的示例
假设你有一个Excel文件，记录了每天的步数，你想分析你的运动规律。完整的Prompt可以这么写：
我有一个Excel文件叫 steps.xlsx，表头是：日期、步数、睡眠时长（小时）。
请帮我：
1. 读取这个文件
2. 计算每周的平均步数
3. 画一张折线图，横轴是周，纵轴是平均步数，图上标注最高和最低的周
4. 用matplotlib画图，中文字体正常显示
5. 图表保存为 steps_trend.png
看到没有？把脑子里的需求全部倒出来，一点都不要省略。
四、实战：三个非程序员最需要的场景
下面这三个场景，覆盖了我身边非程序员朋友最常见的高频需求。每个都给了完整Prompt，你直接改文件名就能用。
场景1：Excel自动化——合并、清洗、计算
典型痛点： 你有10个Excel文件，每个结构一样但是不同月份的数据，要合并成一个总表。手动复制粘贴半小时，还容易错。
Prompt：
我当前文件夹下有10个Excel文件，文件名是 data-1月.xlsx 到 data-10月.xlsx。
每个文件的结构一样，表头都是：日期、产品名、销量、单价、销售额。
请帮我：
1. 把所有文件合并成一个DataFrame
2. 按产品名分组，计算每个产品的总销量和总销售额
3. 计算每个产品的平均单价（总销售额/总销量）
4. 结果保存为新Excel文件 merged_result.xlsx
5. 在终端打印销量前三的产品名和数字
注意事项：
- 合并时要跳过每个文件的表头行
- 处理可能的空行和异常值（销售额为负的跳过）
会得到：一个Python脚本，运行后新Excel就出来了。
场景2：数据可视化——让数字讲故事
典型痛点： 老板让你做个数据汇报，你想加个好看的图表但不会。
Prompt：
我有一个CSV文件叫 marketing.csv，表头是：月份、广告花费、新增用户、转化率。
请帮我用Python写一个脚本做以下事情：
1. 读取CSV文件
2. 创建一张包含两个子图的图表（两行一列）
- 上图：双Y轴图，左Y轴是广告花费（柱状图），右Y轴是新增用户（折线图）
- 下图：转化率折线图
3. 整体配色用"business"风格——深蓝柱状图、橙色折线
4. 图保存为 marketing_dashboard.png，分辨率300dpi
5. 在terminal打印每个月的数据概要
要求：
- 中文字体正常显示（SimHei或Arial Unicode MS）
- 图表标题：2024年营销数据总览
- 横轴月份格式：1月、2月...
场景3：自动化脚本——每天定时干活
典型痛点： 有个文件夹每天堆一堆文件，需要按日期分类整理。
Prompt：
我的Downloads文件夹（路径 /Users/你的用户名/Downloads）里每天会新增各种文件。
请帮我写一个Python脚本做以下事情：
1. 扫描Downloads文件夹里的所有文件
2. 根据文件修改日期，将文件按「年-月」整理到子文件夹
例如：2024年6月修改的文件 → 移到 Downloads/2024-06/
3. 如果没有对应的文件夹就自动创建
4. 跳过已有的子文件夹（不要递归进子文件夹里处理）
5. 运行完后在终端打印统计：共移动了多少文件，按月份分布
额外要求：
- 处理文件名冲突：如果有同名文件，在新文件名后加数字（如 file(1).pdf）
- 测试模式：先加一个 --dry-run 参数，如果运行时带这个参数，只打印会做什么但不实际操作
这个脚本写完，你可以用Mac的「自动操作」或Windows的「任务计划程序」让它每天定时跑。
五、翻车指南：新手最常踩的坑
坑1：代码报错就跑来问"为什么"
AI生成的代码并不总是对的。跑的时候终端会爆红字——这叫"报错"。
AI擅长修的报错： 语法错误、依赖缺失、参数写错——这类问题把报错信息复制给Cursor，大多数情况它能自己修好。
AI不擅长修的报错： 环境问题（系统差异、路径配置）、权限问题、网络问题、部署问题。这些跟代码本身无关，AI看不见你的电脑环境，瞎猜反而更乱。
正确做法： 先把报错信息复制给Cursor让它试一次。如果同一个问题修了两三轮还不对，停下来。大概率是环境或权限的问题，去搜索引擎搜一下错误信息，或者在社区发帖求助。
坑2：一次性提太多需求
「帮我做一个完整的电商网站，带用户注册登录购物车支付」——这种需求就算程序员也要写好几天。AI会硬着头皮写，但写出来的东西大概率跑不起来。
拆开： 先做商品展示页面 → 再加搜索 → 再加购物车 → 再加登录。一步一步来，每一步跑通了再走下一步。
坑3：改了代码不知道改了什么
Cursor会帮你改代码，但如果你完全不理解它在改什么，改了三轮之后你会发现代码已经变成一坨你完全看不懂的东西。
对策： 让Cursor在每次改代码后写一句中文解释——"改了什么，为什么"。几秒钟读完，理解成本很低。
坑4：package没装
运行Python脚本时如果看到 ModuleNotFoundError: No module named 'xxx'，意思是缺少工具包。
解决： 在终端输入 pip install xxx（把xxx换成报错里说的那个名字）。然后把整个报错信息也告诉Cursor，它会告诉你准确的安装命令。
坑5：不知道什么时候该喊停
AI不是万能的。如果你发现同一个功能改了5次以上还不对，停下来，换个思路。
可能的原因：
你的需求本身有逻辑矛盾 你选的实现路线不对（该用A方法却让AI用B方法硬搞） AI对这个问题确实不擅长
这时候去问一下真正的程序员朋友，或者换一个更简单的方案。
六、能力边界：AI编程的「能」与「不能」
⚠️ 重要说明：以下成功率是基于作者和身边朋友的使用经验总结，不是经过统计验证的数据。实际成功率与具体需求复杂度、模型版本、项目类型密切相关。当成参考就行，不要当绝对真理。
通常比较顺利
| 任务 | 说明 |
|---|---|
| 单文件Python脚本 | AI最擅长的领域——脚本逻辑简单、依赖少、验证快 |
| Excel/CSV处理 | pandas操作是AI的舒适区，错误通常容易发现和修复 |
| 简单网页 | HTML+CSS静态页面，视觉反馈直接 |
| 数据图表 | matplotlib/seaborn生成图表，结果一目了然 |
| 文件批处理 | 重命名、整理、转换——逻辑简单，边界情况少 |
| 调用API获取数据 | 需要你提供API文档，文档清晰的话通常顺利 |
能做但更容易翻车
| 任务 | 说明 |
|---|---|
| 带数据库的小网站 | 需要理解一些数据库概念，调试链路更长 |
| 桌面小工具 | UI框架选择多，兼容性问题可能折腾 |
| 爬虫 | 每个网站结构不同，反爬机制经常变化 |
| 自动化工作流 | 依赖第三方工具，版本和配置问题多 |
技术上能做，但零基础独立完成有门槛
原生手机APP： Claude Code 配合 Xcode 可以生成 SwiftUI 项目，Cursor 也能辅助 Flutter/React Native 开发。但对零基础来说，开发环境配置、证书管理、模拟器调试这套流程本身就有不低的学习成本。 需要用户登录的网页： 涉及密码存储、session 管理、安全中间件，出错后果严重。即使 AI 能写，也不建议非程序员独立操作。 实时协作工具： WebSocket、状态同步、冲突处理——技术链路长，调试痛苦。 任何涉及支付的功能： 安全红线，不管 AI 能不能写，都不要碰。
七、学完这篇之后呢？
如果你照着上面跑了一遍，你已经比大多数「不会编程」的人强了——你有了一个AI编程助手，而且知道怎么跟它说话。
下一步学习路径（按重要性排序）：
学 git 基础（优先级最高！）— 代码的「保存和回退」系统。AI写坏代码不可怕，不能回滚才可怕。你每次改代码前先交一个版本，改崩了一键回退。基础命令就几个：
git init/git add ./git commit -m "消息"/git log/git switch（切分支）/git restore（回退文件）。花一个小时学会，这是你用AI编程最好的保险。推荐看 Git 官方入门[4] 前两章。把上面三个实战场景全做一遍（哪怕数据是假的）。实操一次比看十篇教程有用。
学一点Python基础语法——不需要精通，只需要能看懂变量、循环、函数大概长什么样。推荐 Python官方教程[5] 前5章，快的话一个周末。
建一个你自己的「常用脚本」库——把你写的每个有用的脚本存一个文件夹，加个README说明是干什么的。三个月后你会感谢自己。
进阶：把脚本变成网页工具——用Streamlit或Gradio，几行代码就能把你的Python脚本变成一个带界面的网页工具，可以分享给别人用。
写在最后
说句实话：大多数人不需要学编程，但大多数人都需要「编程能带来的自动化能力」。
AI编程的意义不是让每个人都成为程序员——而是把「写代码」和「获得自动化能力」这两件事解绑。以前你必须有前者才能有后者，现在不需要了。
但记住两个底线：AI生成的代码，必须验证结果再使用——尤其是涉及财务数据、合同数据、生产数据的场景，人工确认是最后一道防线。以及，不要把敏感数据扔给任何AI工具。
你只需要知道你要解决什么问题、数据长什么样、结果要什么样子。然后把这三样东西清楚地告诉AI。剩下的，让Cursor去写——但方向盘，始终在你手里。
下一篇预告：AI帮你写东西——公众号、周报、小红书、邮件，不同文体怎么调，一篇讲清楚。
引用链接
[1]cursor.com: https://cursor.com
[2]cursor.com/pricing: https://cursor.com/pricing
[3]python.org: https://python.org
[4]Git 官方入门: https://git-scm.com/book/zh/v2
[5]Python官方教程: https://docs.python.org/zh-cn/3/tutorial/
