AI/Cursor AI Code Editor

Nach umfassender Analyse der Cursor-Dokumentation (https://cursor.com/docs) und aller Unterverzeichnisse (inkl. CLI, Agenten, Kontext, Enterprise, Modelle und Integrationen) wurde der folgende detaillierte Lernpfad, Lernplan und Ressourcen-Katalog erstellt.

Cursor ist ein moderner, KI-nativer Code-Editor (auf Basis von VS Code), der speziell für tiefes "Codebase-Understanding", Agenten-Prozesse und KI-gestützte Entwicklerproduktivität entwickelt wurde.

🎯 Lernpfad (Learning Path)

Der Lernpfad ist nach aufsteigender Komplexität strukturiert und führt vom Anfänger zum Cursor-Experten (Agent/Power User).

Phase 1: Grundlagen & Einrichtung (Basics)

  • Konzepte verstehen: Philosophie hinter Cursor, Unterschiede zu GitHub Copilot und Standard-VS-Code.
  • Installation & Migration: Download und nahtlose Übernahme aller VS Code-Erweiterungen (Extensions), Themes und Tastenkombinationen (Keybindings).
  • Erste Schritte: Quickstart-Projekte, UI-Übersicht und grundlegende KI-Chats.

Phase 2: Kontext & Codebase-Verständnis

  • Mentions (@-Befehle): Verwendung von @Files, @Folders, @Web und @Docs.
  • Semantic Search & Indexierung: Wie Cursor die komplette Codebase indexiert (@Codebase), um präzise, domänenspezifische Antworten zu geben.
  • Ignore-Files: Konfiguration, welche Dateien von der KI ignoriert werden sollen (.cursorignore).

Phase 3: KI-Interaktion & Inline-Bearbeitung

  • Tab Autocomplete: Copilot-ähnliche intelligente Autovervollständigung, Cursor-spezifisches Ghost-Text Parsing.
  • Inline Edit (Cmd/Ctrl + K): Code-Änderungen an Ort und Stelle generieren.
  • Terminal-Befehle: KI-gestützte Fehlerbehebung im Terminal und Shell-Befehlsgenerierung.

Phase 4: Autonome Agenten & Workflows

  • Composer & Agent-Modus: Nutzung des "Deep-Thinking" Agenten, der mehrere Dateien parallel bearbeiten, Pläne erstellen und selbstständig iterieren kann.
  • Cloud Agent & Bugbot: Asynchrone Workflows, Cloud-Agent-Zuweisung via GitHub-Integration und automatische Bug-Analyse.
  • Subagents: Delegierung von Teilaufgaben an spezialisierte Sub-Agenten.
  • Auto-Review & Hooks: Automatische Code-Reviews vor dem Commit und Pre/Post-Hooks für Agenten.

Phase 5: Fortgeschrittene Anpassungen & Skalierung

  • Cursor Rules & .cursorrules: Personalisierte Systemprompts und projektspezifische Coding-Richtlinien definieren.
  • Model Context Protocol (MCP): Anbindung lokaler oder externer Tools, Datenbanken und APIs an den KI-Agenten.
  • CLI & Headless: Nutzung des Cursor CLI (cursor, acp) und Integration in CI/CD-Pipelines (z. B. GitHub Actions).
  • Enterprise & Security: Identity and Access Management (IAM), SSO, Privacy Mode und Data Governance.

📅 Lernplan (4-Wochen-Crashkurs)

Dieser strukturierte 4-Wochen-Plan ist optimal für Entwickler, die Cursor in ihren täglichen Workflow integrieren wollen.

Woche 1: Setup & Daily Workflow

  • Tag 1: Installation, VS Code-Import und Account-Einrichtung (Login & Pricing-Details).
  • Tag 2: Erste Code-Generierungen mit Cmd/Ctrl+K (Inline Edit).
  • Tag 3: Den Cursor-Chat meistern. Code markieren und erklären lassen.
  • Tag 4: Terminal-Integration. Fehlermeldungen direkt an die KI übergeben und Bugs fixen.
  • Tag 5: Praxisprojekt: Ein kleines Skript oder eine HTML/CSS-Seite ausschließlich durch Cursor generieren lassen.

Woche 2: Kontext-Meisterschaft

  • Tag 1: Die Macht der @-Mentions. Gezielte Steuerung von @Files und @Docs.
  • Tag 2: Codebase-Indexierung aktivieren und projektweite Architekturfragen an @Codebase stellen.
  • Tag 3: Einbinden externer Dokumentationen.
  • Tag 4: Erstellen der ersten .cursorrules-Datei zur Definition des Coding-Styles (z. B. "Benutze immer TypeScript, nutze Arrow-Functions").
  • Tag 5: Praxisprojekt: Refactoring (Code-Modernisierung) eines bestehenden Moduls unter Berücksichtigung der gesamten Codebase.

Woche 3: Agenten & Automatisierung

  • Tag 1: Aktivierung des Agent-Modus (Composer). Eine komplexe Funktion planen und programmieren lassen.
  • Tag 2: Nutzung des Browser(Web)-Kontexts innerhalb von Agenten zur Recherche aktueller APIs.
  • Tag 3: Verständnis und Einsatz des Bugbots zur automatisierten Fehlersuche.
  • Tag 4: Experimentieren mit verschiedenen KI-Modellen (Claude 3.5/3.7 Sonnet, GPT-4o) im Agenten-Modus.
  • Tag 5: Praxisprojekt: Ein komplett neues Feature in eine App einbauen (erfordert das Erstellen, Ändern und Löschen mehrerer Dateien durch den Agenten).

Woche 4: MCP, Plugins & Pro-Features

  • Tag 1: Model Context Protocol (MCP) verstehen.
  • Tag 2: Einen einfachen lokalen MCP-Server aufsetzen (z.B. Dateisystem-MCP oder SQLite-MCP) und als Skill in Cursor integrieren.
  • Tag 3: Nutzung der CLI-Tools. Headless-Modus testen und Slash-Commands einrichten.
  • Tag 4: Integrationen konfigurieren (GitHub, Linear, Slack, Gitlab).
  • Tag 5: Praxis-Abschluss: Einen eigenen Custom Workflow automatisieren, bei dem der Cloud Agent ein GitHub Issue liest und selbstständig einen Pull Request stellt.

📚 Lernressourcen

Basierend auf den Unterverzeichnissen der offiziellen Dokumentation sind dies die wichtigsten Startpunkte:

Offizielle Links (Cursor.com)

Spezifische Handbücher (Deep Dives)

Spezielle Anwendungsfälle (Use Cases)

Community & Weiterbildung

  • Cursor Community Forum: Cursor Forum - Hilfe bei spezifischen Problemen.
  • GitHub Repository & Issues: Integration und Fehlerberichte via GitHub.
  • YouTube Tutorials: Suchen Sie auf YouTube nach aktuellen "Cursor AI Editor Composer Tutorials", um praktische Beispiele für MCP und Cloud Agents zu sehen.
Kategorien: Keine
Zuletzt aktualisiert am 05.03.2026 02:53