Cursor 好文！一篇理解所有 AI 编程概念

AI 编程工具里有个让人头疼的问题： rules、commands、MCP servers、subagents、modes、hooks、tools 一堆概念，搞得比学一门新编程语言还复杂。 Cursor 的 Lee Robinson 出了个视频解释和介绍的非常好。 ------ Rules 是怎么来的？ 早期 AI 编程，模型老爱瞎编根本不存在的库。于是有了 rules 文件，把代码规范、业务需求、常见错误都写进去，每次对话都带上。 后来 rules 越写越长，就拆成多个文件嵌套引用。但本质还是一回事：把规则全部塞进每次对话的上下文里。这就是静态上下文。 ------ Commands 和 MCP 解决什么问题？ 随着用 AI 写代码的人变多，固定工作流开始出现。跑测试、提交代码、开 PR 这套流程，就需要 slash command 打包起来，需要时一键执行。 但光有文本不够，AI 还得能干活。MCP 服务器不只是提示词，是真的在跑代码。可以连现有系统，读 Slack 消息，创建 issue，做 OAuth 认证。 问题是如果装了 10 个 MCP server，每个有 10 个工具，初始上下文就会被塞满。 ------ Modes、Subagents 和 Hooks 做什么？ Subagent 有点像带人设的提示词，可以限定能用哪些工具。Mode 更进一步，能修改系统提示词，开放新工具，甚至改 UI。 比如规划模式会提醒 AI "你在做计划，专注于规划"，还提供专门工具来创建和修改计划。设计目的是让 AI 输出更稳定，功能更容易被找到。 但 AI 本质是非确定性系统，会出错。于是有了 hooks，加上完全确定性的钩子。比如对话开始前自动注入上下文，结束后自动记日志存数据库。 ------ Skills 如何统一这一切？ 讲到这里已经有一堆概念了。但仔细看，其实就两类： 静态上下文：每次对话都要加载的提示词 动态上下文：按需加载的代码和工具，不会撑爆初始上下文 Skills 就是用来统一动态上下文的。最基础的 skill 就像 command，一个可复用的工作流。打包好，分享给团队，不占初始上下文 最高级的 skill 可以包含脚本、可执行文件、资源文件，任何想打包的东西。重点是只有在用的时候才加载 AI 编程工具看起来概念很多，但理解背后的演化历史，你就会发现核心就两个东西。 静态上下文（rules）和动态上下文（skills） 剩下的那些概念，要么是历史遗留，要么是特殊场景的工具。作为普通用户，先把这两个搞清楚就够了 来源：youtube.com/watch?v=L_p5GxGSB_I 文案、配图由歸藏的内容生产 Agent 一键完成