基于Cursor IDE与Claude 3.5 Sonnet打造结构化AI数字秘书工作流

1. 项目概述一个AI优先的“数字秘书”工作流最近在尝试一种全新的工作方式核心是把一个AI模型当作我的“数字秘书”来用。这个想法源于一个叫razbakov/ai-secretary的开源项目它本质上不是一段复杂的代码而是一套基于 Cursor IDE 的、高度定制化的 AI 协作流程。简单来说它通过一系列预设的规则和提示词将 Claude 3.5 Sonnet 模型“训练”成你的专属工作助理帮你梳理每日优先级、追踪待办事项、获取项目更新甚至充当不同领域的专家顾问。这个项目的核心价值不在于技术栈有多深奥而在于它提出了一种“AI优先”的组织工作理念。我们很多人用 AI 还是停留在零散的问答问一句答一句信息是割裂的。而这个“AI秘书”试图构建一个连续的、有记忆的、主动引导的对话上下文让 AI 真正融入你的工作流成为你思考的延伸。它特别适合独立开发者、小团队负责人或者需要同时处理多个项目角色的朋友能有效对抗信息过载和任务切换带来的精力损耗。2. 核心思路拆解从零散问答到结构化协作为什么传统的 AI 聊天工具用起来总觉得差口气问题往往出在“上下文管理”和“主动性”上。每次新开一个对话你都得重新介绍背景AI 也不知道你上次做到哪一步了。ai-secretary项目的聪明之处在于它利用 Cursor IDE 的“规则”Cursor Rules和“代理”Agent模式巧妙地解决了这两个痛点。2.1 利用 Cursor Rules 固化工作流程Cursor IDE 的“规则”功能允许你为特定项目或目录定义一组 AI 行为指令。在这个项目中cursorrules文件或通过特定方式设置的规则是核心。它不再让 AI 自由发挥而是给它划定了一个明确的角色和行动框架。注意这里的“规则”不是写死的代码逻辑而是高级的、自然语言描述的指令集。你可以告诉 AI“在这个项目里你的角色是我的秘书。当我问‘今天有什么安排’时你应该首先检查项目根目录下的daily_priorities.md文件然后总结并向我汇报。”通过规则我们实现了几个关键转变从通用到专属AI 不再是一个无所不知但缺乏深度的通才而是被赋予了特定背景知识你的公司、团队、角色的专家。从被动到主动通过规则设定AI 学会在特定触发点比如用户说“hi”后主动提供结构化的选项菜单引导对话而不是傻等着你提问。从失忆到记忆规则可以指示 AI 去读取项目中的特定文件如待办清单、会议纪要、设计文档并将这些内容作为对话的上下文。这样每次对话都建立在之前的工作成果之上。2.2 通过 Agent 模式实现持续性会话Cursor 的“Agent”模式是另一个关键。普通聊天模式中AI 只响应单条消息。而 Agent 模式更像是一个长期运行的后台进程它能维持更长的、状态化的对话。这对于“秘书”角色至关重要。想象一下你上午告诉秘书“下午三点提醒我和张三开会。” 一个合格的秘书会记住这件事并在下午三点主动提醒你。在 Agent 模式下AI 就能模拟这种行为。它可以在对话中记住你设定的任务、做出的决策并在后续的交互中适时地提醒你或提供更新。项目描述中“We dont use any ticketing system, AI will tell you what to do next.” 这句话的精髓就在于此——它用持续的、智能的对话替代了僵化的、需要手动维护的工单系统。2.3 结构化数据与自然语言交互的桥梁项目初始的“Onboarding”入职问卷是一个精妙的设计。它通过几个简单问题姓名、公司、团队、角色、日期快速为 AI 注入了最基本的上下文。这相当于给你的数字秘书一份个人档案。更重要的是这种问答形式暗示了整个工作流的数据哲学用自然语言对话来生成和消费结构化信息。你的回答会被 AI 理解并结构化地存储在其上下文记忆中。当后续你问“我今天在A团队有什么优先级任务”时AI 能立刻关联起你“Onboarding”时声称的所属团队并从相关文件中提取信息回答你。这比手动维护一个复杂的数据库查询界面要直观和高效得多。3. 实操搭建打造你自己的AI秘书理解了核心思路后我们来一步步搭建属于自己的版本。你完全不需要照搬那个开源仓库的文件更重要的是理解其原理并适配自己的需求。3.1 环境与工具准备首先你需要一个“操作间”。核心工具就是Cursor IDE。它深度集成了 AI 功能特别是对 Claude 3.5 Sonnet 的支持以及 Rules 和 Agent 功能是目前实现这一工作流最顺畅的工具。安装与设置 Cursor前往 Cursor 官网下载安装。完成安装后建议在设置中登录账户并确保你有权限使用 Claude 3.5 Sonnet 模型可能需要相应的 API 配额或订阅。初始化工作区为你想要管理的工作领域创建一个新的文件夹并用 Cursor 打开它。这个文件夹就是你“数字秘书”的办公室。比如我可以创建一个名为My_Work_Secretary的目录。配置核心模型在 Cursor 中按下Cmd IMac或Ctrl IWindows/Linux打开 AI 面板。点击设置图标在模型选择中确保勾选并优先使用claude-3-5-sonnet-20241022或更高版本。这个模型在长上下文理解、复杂指令遵循和逻辑推理上表现优异非常适合秘书角色。3.2 定义秘书的行为规则Cursor Rules这是最关键的一步。我们需要在项目根目录创建一个名为.cursorrules的文件注意前面的点。这个文件的内容将定义你秘书的“性格”和“工作手册”。下面是一个高度定制化的.cursorrules示例你可以在此基础上修改# AI 秘书工作规则 ## 核心身份与目标 你是我个人的全能工作秘书代号“灵犀”。你的核心目标是帮助我{user_name}清晰、高效地推进工作减少上下文切换捕捉重要信息。你的语气应专业、简洁、富有支持性永远以提供解决方案为导向。 ## 上下文与记忆 1. 你的知识基于本项目根目录下的所有文件。特别是 * daily_priorities.md我的每日优先级任务。 * pending_decisions.md待我决策的事项清单。 * project_updates/目录下的各项目近期更新日志。 * meeting_notes/目录下的会议纪要。 2. 在每次对话中你应主动关联这些文件中的信息。如果文件不存在在回答相关问题时可以建议我创建它们。 ## 工作流程协议 ### 启动协议 当用户输入“hi”、“你好”或“开始工作”时你必须按以下顺序执行 1. **问候与状态同步**首先友好问候并主动询问“需要我先为您同步一下当前的工作状态吗” 如果用户同意则执行以下检查 a. 检查 daily_priorities.md总结今日剩余重点。 b. 检查 pending_decisions.md提示是否有紧急待决项。 c. 扫描 project_updates/ 中最新文件通报关键项目动态。 2. **提供行动菜单**状态同步后或用户跳过同步提供如下选项 接下来您希望我协助您做什么 1. 【聚焦今日】—— 深入讨论或调整今日优先级任务。 2. 【决策支持】—— 分析待决策事项提供利弊参考。 3. 【信息速览】—— 获取指定项目或领域的最新动态。 4. 【专家咨询】—— 切换至特定角色如架构师、产品评审、代码审查员为您提供深度分析。 5. 【记录与归档】—— 帮您记录刚刚产生的想法或会议要点。 请根据我的选择引导进入下一步。 ### 深度支持协议 * **当处理“待决策事项”时**不要只罗列选项。应对每个选项进行SWOT分析优势、劣势、机会、威胁并基于项目历史文件给出你的倾向性建议及理由。 * **当切换“专家角色”时**如果我选择“架构师”你的回答应立刻切换为技术架构评审模式聚焦于可扩展性、技术债务、性能影响等。 * **当进行“信息速览”时**应能接受模糊查询。例如我问“那个前端项目怎么样了”你能识别出我指的是哪个项目并总结其 project_updates/frontend_project.md 中的最新进展。 ## 交互风格 * **主动追问**如果我的请求模糊应通过提问帮我澄清。例如“您想了解哪个时间段的项目更新最近三天还是一周” * **结构化输出**复杂信息请使用列表、表格或摘要块呈现提高可读性。 * **行动导向**对话结束时常以明确的下一步建议收尾。例如“以上是分析。建议您今天下午先批复决策A然后花一小时处理优先级1的任务。需要我现在为您更新任务状态吗”这个规则文件定义了秘书的职责、工作流程和交互方式。它比原项目简单的“hi”触发菜单要丰富得多引入了状态同步、模糊查询理解和行动建议。3.3 创建支撑文件系统规则定义了行为而数据文件提供了“燃料”。在你的项目根目录下创建以下文件结构My_Work_Secretary/ ├── .cursorrules # AI行为规则 ├── daily_priorities.md # 每日优先级 ├── pending_decisions.md # 待决策事项 ├── project_updates/ # 项目更新目录 │ ├── project_a.md │ └── project_b.md └── meeting_notes/ # 会议纪要目录 └── 2024-05-27-team-sync.md现在我们来填充这些文件的内容。关键在于这些文件是给你和AI共同维护和阅读的。daily_priorities.md示例# 2024-05-27 优先级 ## P0 (今日必须完成) 1. [ ] 完成X功能的API接口联调与测试。 * 关联文件project_updates/project_x.md * 阻塞点等待后端提供环境地址。 2. [ ] 回复客户A关于方案Y的最终邮件。 ## P1 (今日重点推进) 1. [ ] 评审团队成员提交的PR #123。 2. [ ] 起草下周团队会议议程。 ## P2 (有空则做) 1. [ ] 学习新技术Z的入门教程。pending_decisions.md示例# 待决策事项 ## 决策A技术选型 - 新项目缓存方案 * **选项1**采用 Redis。优势性能极高社区成熟。劣势需要额外运维。 * **选项2**采用 PostgreSQL 内置缓存。优势架构简单无需新组件。劣势性能有上限。 * **背景**见于 meeting_notes/2024-05-20-architecture-review.md。 * **截止日期**2024-05-30 * **当前倾向**暂无。 ## 决策B招聘 - 前端工程师候选人 * **候选人甲**经验丰富但薪资要求超出预算15%。 * **候选人乙**潜力股技术栈匹配但大型项目经验少。 * **背景**面试记录见 records/frontend_interviews.md。 * **截止日期**2024-05-28project_updates/project_a.md示例# 项目A新一代用户仪表盘 ## 状态开发中 ## 本周目标完成核心数据可视化模块 ### 2024-05-27 更新 * **进展**前端图表组件库已集成基础布局完成。 * **风险**后端数据接口格式尚未最终确定可能影响联调。 * **下一步**明天与后端负责人确认接口契约。3.4 启动与交互实战一切就绪后启动你的AI秘书在 Cursor 中确保打开了你的My_Work_Secretary项目目录。打开 Composer 标签页通常位于AI面板。在模型选择处切换为claude-3-5-sonnet。关键一步点击“Switch to agent”按钮启用代理模式。这会启动一个持续的会话。在输入框里简单地输入hi这时你会看到你的“秘书”开始工作了。它会首先读取.cursorrules按照“启动协议”行动。它会检查相关文件然后给你一个类似这样的回复“早上好{你的名字}。我是灵犀。需要我先为您同步一下当前的工作状态吗根据快速扫描您今日有一项P0任务‘完成X功能联调’正等待后端环境另有一项关于‘缓存方案’的决策需要在30号前做出。”在你回复“好的同步一下吧”之后它会给出更详细的摘要。随后它会弹出你定义的那个结构化菜单【聚焦今日】、【决策支持】等。整个交互过程是流畅的、有记忆的、引导式的。4. 高级技巧与个性化定制基础框架搭建好后你可以把它玩出更多花样让它更贴合你的个人工作流。4.1 实现跨项目上下文管理如果你同时参与多个不相关的项目可以为每个项目创建一个独立的“秘书”目录每个目录有自己的.cursorrules和文件系统。更高级的做法是在主秘书的规则中教它如何索引和总结其他目录的内容。例如在规则里可以添加## 跨项目查询 当用户询问非本项目直接相关的问题时例如“我的个人博客项目进度如何”你应该 1. 识别项目关键词如“个人博客”。 2. 尝试在预设的路径如 ~/Projects/my_blog下寻找相关更新文件。 3. 如果找到读取并总结信息如果未找到如实告知并询问项目文件的具体位置以便未来学习。这需要你的文件结构有一定的规律性但一旦建立AI秘书就能成为你所有工作的统一入口。4.2 集成外部工具与自动化虽然核心是对话但我们可以让秘书变得更“能干”。在规则中可以加入调用外部脚本的指令。例如你可以写一个 Python 脚本fetch_jira_issues.py从 Jira 拉取你名下的待办事项并生成一个jira_todos.md文件。然后在.cursorrules中告诉秘书## 外部数据集成 每日首次同步状态时在检查本地文件后请提示用户“需要我从Jira同步最新的任务清单吗” 如果用户同意请执行命令 python scripts/fetch_jira_issues.py然后读取新生成的 jira_todos.md 文件并整合进你的汇报。这样秘书就成了一个能协调内外信息的中心节点。4.3 培养秘书的“预判”能力一个优秀的秘书能想在你前面。通过精心设计规则可以培养AI的这种能力。例如在规则末尾添加## 主动洞察 在每次对话的结尾除了回答我的直接问题请基于当前所有文件信息尝试提出1-2个前瞻性问题或提醒。例如 * “注意到‘决策A’的截止日期是明天而您今天下午有一个空档是否需要现在安排时间进行最终评估” * “您昨天在‘项目A’的更新中提到后端接口有风险今天是否需要我帮您起草一份沟通要点以便您更高效地确认”这需要模型有较强的推理能力而 Claude 3.5 Sonnet 在这方面表现不俗。通过这种设计AI 从被动应答者逐渐转变为主动的协作者。5. 常见问题与避坑指南在实际使用中你可能会遇到一些典型问题。以下是我踩过坑后总结的经验。5.1 问题AI 的回答开始偏离角色或忘记规则现象对话进行一段时间后AI 可能不再严格按照.cursorrules行事或者回复变得通用化。原因Cursor 的 Agent 会话虽然有长上下文但规则指令的权重可能会在长对话中被稀释。此外如果你在对话中开启了新话题AI 可能会“跳出”秘书角色。解决方案定期强化角色在规则中设置每隔若干轮对话AI 自动在回复开头或结尾用括号简短重申自身角色如[作为您的秘书我将...]。使用“重置词”约定一个暗号比如“回到秘书模式”。当发现AI跑偏时输入这个词并在规则中定义听到该词后AI应立刻重读规则核心部分并回归正轨。重启 Agent最简单有效的方法。对于深度工作会话建议每天或每半天重启一次 Agent 会话以获取一个“干净”且规则权重最高的开始。5.2 问题文件更新后AI 似乎读取的是旧内容现象你刚刚更新了daily_priorities.md但AI同步时提到的还是昨天的任务。原因AI特别是Agent模式在会话初期读取文件后可能会将内容缓存到对话上下文中不会自动实时重读文件。解决方案在规则中明确“刷新”指令在规则文件关于读取文件的部分增加说明“当用户提及‘刷新状态’、‘重新同步’或类似词语时你必须重新读取所有指定的源文件以确保信息最新。”主动指令当你更新了重要文件后直接告诉AI“我刚更新了优先级文件请重新读取daily_priorities.md并同步最新状态。”设计文件版本标识可以在每个MD文件顶部加一个“最后更新于 [时间戳]”的行。在AI同步状态时要求它汇报这个时间戳这样你就能一眼看出它读的是否是最新版本。5.3 问题如何平衡规则的细致度与灵活性挑战规则写得太细会束缚AI让它显得死板写得太粗AI又容易自由发挥偏离预设工作流。实操心得采用“核心协议弹性边界”的策略。核心协议必须严格对于“启动流程”、“菜单选项”、“关键文件路径”等决定工作流骨架的部分规则要清晰、无歧义。具体分析给予弹性对于“决策支持”、“专家咨询”等内容生成部分规则应描述目标和框架如“进行SWOT分析”而不是逐字规定输出格式给AI留出发挥空间。迭代优化不要指望一蹴而就。先用一个简明的规则版本跑起来在几天的工作中观察AI在哪里“犯傻”或哪里让你觉得“好用”然后有针对性地去修改.cursorrules文件。这是一个持续磨合的过程。5.4 性能与成本考量上下文长度Claude 3.5 Sonnet 支持200K上下文但更长的上下文意味着更高的API调用成本和可能的响应延迟。你的项目文件尤其是会议纪要、更新日志可能会越来越大。优化建议摘要化存储鼓励在project_updates和meeting_notes中写简洁的摘要而非全文流水账。将详细记录链接到外部文档如Notion、Confluence。定期归档建立“周报”、“月报”机制将过时的详细更新从当前活跃文件中移走只保留链接或高度总结。选择性读取在规则中可以设计让AI只读取最近N天的更新文件或者只读取文件名中包含特定关键词的文件以控制输入上下文的规模。这套“AI秘书”系统其魅力不在于技术的复杂性而在于思维的重构。它迫使你将工作流程标准化、信息结构化同时又将一个强大的语言模型无缝嵌入到这个结构中作为交互界面和思考伙伴。最大的收获可能不是效率提升了百分之多少而是那种“一切尽在掌握”的心流状态——你知道所有待办、所有决策、所有进展都有一个随时待命、记忆超群、不知疲倦的伙伴帮你梳理和提醒。开始可能会觉得设置规则有点麻烦但一旦磨合好它就会像一副得心应手的眼镜让你看待工作的方式都变得清晰起来。