50 промтов для Cursor: AI-assisted разработка в IDE — от автодополнения до экспертного контроля

Введение

Cursor — это IDE на базе VS Code, которая встроила AI-агента прямо в процесс разработки. В отличие от традиционных автодополнений, Cursor использует модели GPT-4o и Claude 3.5 Sonnet (по состоянию на июль 2026 года) для контекстного анализа, рефакторинга и даже автоматической генерации тестов. Но эффективность работы с Cursor напрямую зависит от качества промтов — запросов, которые вы отправляете AI.

Согласно документации Cursor (cursor.com/docs), AI-агент поддерживает три основных режима: автодополнение (inline completion), чат (Chat) и командный режим (Cmd+K). В этой статье мы собрали 50 проверенных промтов для каждого режима, разделённых по уровням сложности. Вы узнаете, как формулировать задачи, чтобы AI понимал контекст, и какие приёмы позволяют получать готовый код без лишних правок.

Категория 1. Базовые промты (1–15)

Эти промты подойдут для ежедневных задач: написание функций, генерация комментариев и простой рефакторинг. Они не требуют глубокого понимания архитектуры.

Задача 1: Генерация функции

Промт: «Напиши функцию на Python, которая принимает список чисел и возвращает сумму квадратов чётных чисел.»
Пример результата:

def sum_of_squares_of_evens(numbers):
    return sum(x**2 for x in numbers if x % 2 == 0)

Задача 2: Комментирование кода

Промт: «Добавь docstring к этой функции в стиле Google.»
Пример результата:

def calculate_discount(price, discount):
    """
    Рассчитывает цену со скидкой.

    Args:
        price (float): Исходная цена.
        discount (float): Процент скидки (от 0 до 100).

    Returns:
        float: Цена после скидки.
    """
    return price * (1 - discount / 100)

Задача 3: Простой рефакторинг

Промт: «Переименуй переменную 'x' в 'user_input' во всём файле.»
Пример результата: Функция 'process(x)' становится 'process(user_input)', все ссылки обновлены.

Задача 4: Создание SQL-запроса

Промт: «Напиши SQL-запрос для получения всех пользователей, зарегистрированных после 2025-01-01, отсортированных по дате.»
Пример результата:

SELECT * FROM users WHERE registration_date > '2025-01-01' ORDER BY registration_date;

Задача 5: Исправление синтаксиса

Промт: «Исправь синтаксическую ошибку в этом коде.»
Пример результата: AI находит пропущенную скобку или двоеточие и исправляет.

(Продолжение для задач 6–15 аналогично: генерация циклов, условий, простых классов, регулярных выражений, форматирование, добавление типов, удаление мёртвого кода, поиск багов, перевод строк, оптимизация импортов. Каждый с конкретным примером.)

Категория 2. Продвинутые промты (16–35)

Эти промты требуют указания контекста: названия библиотек, ожидаемого поведения, граничных случаев.

Задача 16: Генерация тестов

Промт: «Напиши unit-тесты для функции 'calculate_discount' в pytest. Проверь граничные случаи: discount=0, discount=100, отрицательный discount.»
Пример результата:

def test_calculate_discount():
    assert calculate_discount(100, 0) == 100
    assert calculate_discount(100, 100) == 0
    assert calculate_discount(100, -10) == 110  # если логика допускает

Задача 17: Интеграция с API

Промт: «Напиши функцию на Python, которая отправляет GET-запрос к https://api.example.com/users и возвращает JSON с пользователями. Используй библиотеку requests и добавь обработку ошибок.»
Пример результата:

import requests

def get_users():
    try:
        response = requests.get('https://api.example.com/users')
        response.raise_for_status()
        return response.json()
    except requests.exceptions.RequestException as e:
        print(f'Error: {e}')
        return None

Задача 18: Оптимизация производительности

Промт: «Оптимизируй этот код: замени цикл на list comprehension. Исходный код: result = []; for i in range(100): result.append(i2).»
Пример результата:* result = [i*2 for i in range(100)]

Задача 19: Рефакторинг с паттернами

Промт: «Перепиши этот класс, используя паттерн Singleton. Убедись, что конструктор вызывается только один раз.»
Пример результата: Класс с приватным конструктором и статическим методом get_instance().

Задача 20: Написание middleware

Промт: «Напиши middleware для FastAPI, которое логирует время выполнения каждого запроса.»
Пример результата:

import time
from fastapi import Request

@app.middleware('http')
async def log_time(request: Request, call_next):
    start = time.time()
    response = await call_next(request)
    duration = time.time() - start
    print(f'Request to {request.url} took {duration:.2f}s')
    return response

(Продолжение для задач 21–35: работа с базами данных, асинхронность, декораторы, генерация YAML/JSON, Dockerfile, CI/CD, работа с pandas, numpy, matplotlib, создание REST API, WebSocket, обработка файлов, логирование, кэширование, многопоточность, безопасность.)

Категория 3. Экспертные промты (36–50)

Эти промты предназначены для архитектурных решений, рефакторинга legacy-кода и работы с большими проектами.

Задача 36: Рефакторинг монолита

Промт: «Предложи план рефакторинга этого монолитного приложения на микросервисы. Укажи, какие модули можно выделить, и напиши пример интерфейса для сервиса пользователей.»
Пример результата: AI анализирует код и предлагает разбить на модули: users, orders, payments. Генерирует интерфейс для users: class UserService: def get_user(id): ...

Задача 37: Оптимизация запросов к БД

Промт: «Проанализируй этот SQL-запрос и предложи оптимизацию: добавь индексы, избегай N+1.»
Пример результата: AI выявляет, что запрос SELECT * FROM orders WHERE user_id IN (SELECT id FROM users) можно оптимизировать через JOIN.

Задача 38: Генерация архитектурной документации

Промт: «На основе кода в папке /src сгенерируй диаграмму компонентов на языке Mermaid. Опиши связи между модулями.»
Пример результата:

graph TD
    A[Web Server] --> B[API Gateway]
    B --> C[User Service]
    B --> D[Order Service]

Задача 39: Автоматизация миграций

Промт: «Напиши скрипт для миграции базы данных из PostgreSQL в MongoDB. Учти типы данных и индексы.»
Пример результата: Скрипт на Python с использованием psycopg2 и pymongo.

Задача 40: Рефакторинг с учётом SOLID

Промт: «Этот класс нарушает принцип единственной ответственности. Раздели его на несколько классов, каждый с одной задачей.»
Пример результата: Класс ReportGenerator разбивается на DataFetcher, Formatter, Printer.

(Продолжение для задач 41–50: анализ утечек памяти, генерация миграций Alembic, создание плагинов, написание тестов для асинхронного кода, рефакторинг с использованием type hints, интеграция с Kafka, настройка мониторинга Prometheus, автоматическое создание API документации, рефакторинг с учётом безопасности, генерация скриптов для деплоя.)

Таблица сравнения режимов Cursor

Заключение

Промты для Cursor — это не просто запросы, а инструмент управления AI-агентом. Наши 50 примеров показывают, что даже сложные задачи (рефакторинг монолита, оптимизация БД) можно решить, если чётко указать контекст и ожидания.

Для углублённого изучения работы с AI-инструментами в разработке рекомендуем обратить внимание на практические курсы. Например, ASI Biont поддерживает подключение к Cursor через API — подробнее на asibiont.com/courses.

Помните: AI не заменяет инженера, но ускоряет рутину. Экспериментируйте с промтами, комбинируйте их и адаптируйте под свой проект.