我们知道，大模型的输出依赖于上下文，也即token的数量。token上下文的长短与输出结果的好坏基本上成正比关系。

发现强如百万token的Gemini大模型，在cursor中也只有128k的上下文。

那么随着我们和cursor交互的较多，cursor的理解能力超过token，就会遗忘之前的行为，出现我们俗称的“降智”行为。

如何判断降智行为

如果按照正常的行为，是无法判断将智的行为，不过我们可以利用魔法，那就是在与cursor交流前加上这段话，俗称“约定暗号”。

那么如果cursor不给加上这句话的时候，那说明已经超过了他的上下文长度。

五种破局之道

今天大瑜就从下面几个方式来解决cursor降智的行为：

1、 使用@file/folders 圈定代码的范围。

直接在对话框中，使用@ 符号，调出具体的命令。

大白话翻译：限定Cursor理解代码的范围，省着点token用。

2、使用@Past Chats

当对话超过原有的回答的时候，我们可以新开一个对话框，通过@Past Chat引用之前的聊天记录。

这样就可以保留之前的对话历史记录了。

3、在cursor 中添加MCP服务

MCP服务，在之前大瑜的文章也提到过，相当于给大模型提供多协议的适配接口，提升大模型的能力。

那么关于大模型对接外部数据，推荐这两个mcp server。

如果我们把与项目相关的文档接入，通过mcp的调用大模型就可以快速理解我们本地和在线的内容，补充大模型的能力。

4、使用@docs 给cursor添加在线知识库的能力。

当然，适当的补充一些docs在线文档到Features中，在chat中@docs 进行引用也可以实现同样的效果。

5、适当让cursor对前一阶段的内容总结，补充到readme.md文件中。

后续，我们再对话的时候，可以通过@file 来引入Reame.md 文件。这样大模型就对历史的内容更加深刻理解了。

写在后面的话

总之，解决上下文的限制无非就四种办法：

1、省着点用token：通过@file/folder 来圈定范围

2、接入外部文档增加能力： @docs 以及mcp server来引入外部和本地文档数据。

3、在某一个点多次进行文档的总结，及时提醒大模型记住之前的话。

4、选用上下文更大的模型，大瑜一般推荐claude3.7和gemini-2.5 flash这两个版本。

学会了，学到了记得点个赞！大家好，我是大瑜。1个工作十年的程序员，目前专注于AI工具和AI编程。

关注公众号，了解更多的AI工具和技术。