Cursor 不仅能处理单个文件，还能以整个代码库为上下文进行分析和操作。这种项目级能力特别适合接手陌生项目、进行全局重构或落地需要改动多个模块的新功能。
3.6.1 项目结构快速梳理
面对一个刚 clone 下来的陌生仓库，不再需要逐层点开目录猜测架构。你可以在侧边栏对话中输入 @代码库 请简要说明这个项目的目录结构、技术栈和主要入口，Cursor 会扫描根目录下的关键配置文件（如 package.json、pyproject.toml、README.md 等），结合源码目录层级给出一目了然的架构说明。
更实用的做法是直接问业务逻辑：@代码库 用户登录流程涉及哪些文件？数据流是怎样的？ AI 会根据文件间的 import 关系和函数调用链，把散落在 models.py、auth.ts、middleware 等位置的逻辑串联起来，帮你快速建立全局认知。对于大型项目，建议先让 AI 聚焦某个子模块（如 @代码库 /src/modules/order），避免一次性上下文过载导致分析粗糙。
3.6.2 全库问题批量排查
当需要统一检查项目中的潜在风险或技术债时，可以用自然语言下达排查指令。例如：
@代码库 找出所有没有错误处理的异步请求调用@代码库 检查哪些组件还在使用已废弃的 v2 API@代码库 项目里有哪些硬编码的密钥或密码
Cursor 会结合代码库的语义搜索定位相关文件，并列出具体位置和建议修改方案。这比单纯的文本搜索更准确，因为它能理解函数语义而不仅仅是字符串匹配。排查完成后，你可以要求 AI 生成一个待办清单，按优先级排序，再逐项进入具体文件修复。
需要注意的是，AI 对动态执行路径（如运行时拼接的字符串、反射调用）的识别能力有限，排查结果应作为辅助参考，不能替代完整的单元测试或安全审计。
3.6.3 跨文件功能自动落地
实现一个完整功能往往需要在多个文件中联动修改：新增接口定义、实现业务逻辑、添加路由、补充测试等。借助 Agent 模式（详见 3.5），你可以直接下达项目级任务，例如：给项目增加一个“文章收藏”功能，包括数据库模型、接口和单元测试。
Agent 会自动分析现有代码风格，在合适的目录创建新文件、修改相关依赖文件，并运行测试验证。执行过程中，它会在对话中列出计划修改的文件清单，你可以在应用前逐项确认或调整。
如果任务范围较明确但不想启用 Agent，也可以手动结合 @文件 指令：先打开主业务文件，在对话中 @文件 schema.sql @文件 routes.py，然后要求 AI 根据这两个文件的现有风格，补充收藏功能的实现和路由。这种方式控制更精细，适合对自动化修改持谨慎态度的场景。
无论哪种方式，跨文件修改后都务必进行 人工 Review，确认接口兼容性、导入路径正确，并运行完整的项目测试套件，避免 AI 遗漏边缘情况或破坏既有约定。