Cursor + Ertas

根據您團隊的程式碼庫慣例、架構模式和風格指南微調程式設計模型，建立 Cursor 可用作自訂模型端點的領域特定程式設計助手。

Overview

Cursor 已迅速成為希望在日常工作流程中深度整合 AI 的開發者首選的 AI 原生程式碼編輯器。其 Tab 自動完成、內嵌編輯和聊天功能重新定義了開發者對程式碼編輯器的期望，開啟了通常被稱為氛圍程式設計的實踐——開發者描述意圖，AI 生成實作。從獨立開發者到大型工程團隊，Cursor 將從想法到可運作程式碼的差距縮短了數個量級。

驅動 Cursor 的預設模型是通用的：在廣泛的程式設計知識上訓練，但不了解您的特定程式碼庫、內部函式庫、命名慣例或您的團隊多年開發中所做的架構決策。這意味著 Cursor 的建議通常需要手動修正才能符合專案標準——錯誤的匯入路徑、不一致的命名模式、忽略熟悉的輔助工具而偏向冗長的內嵌程式碼。對於擁有大型或有明確風格偏好的程式碼庫的團隊，這些修正累積起來會產生顯著的摩擦。

How Ertas Integrates

Ertas 讓您縮小通用 AI 程式設計輔助與團隊實際程式設計風格之間的差距。透過收集程式碼庫的代表性範例——已核准的拉取請求、風格指南文件、內部 API 使用模式和架構決策記錄——您可以組建一個捕捉您團隊如何編寫程式碼的訓練資料集。Ertas Studio 管理微調過程，讓您訓練一個了解您專案慣例、偏好函式庫和常見模式的程式設計模型，而無需工程團隊具備機器學習專業知識。

訓練完成後，您透過 Ollama 在本地部署模型，並設定 Cursor 將其用作自訂的 OpenAI 相容模型端點。Cursor 的設定允許指定替代模型提供者，因此您的微調模型會與內建選項一起顯示。結果是一個使用您實際工具函式、遵循您命名慣例並按照團隊期望的方式組織元件的 AI 助手——同時在訓練和推理過程中將您的專有程式碼完全保留在第三方伺服器之外。

Getting Started

1
從您的程式碼庫整理訓練資料
收集代表您團隊標準的高品質程式碼範例：已核准的拉取請求、文件完善的模組、風格指南片段和內部函式庫使用模式。將它們結構化為展示您慣例的提示-完成配對。
2
在 Ertas Studio 中微調程式設計模型
將整理好的資料集上傳到 Ertas Studio 並選擇具有程式碼能力的基礎模型。設定訓練參數並啟動微調作業。Ertas 追蹤實驗，讓您可以比較不同訓練配置下的模型品質。
3
匯出並透過 Ollama 部署
以 GGUF 格式下載微調模型，在 Ollama 中註冊並啟動推理伺服器。透過使用專案中的代表性程式設計提示進行測試來驗證模型回應是否正確。
4
設定 Cursor 使用自訂端點
在 Cursor 的設定中，新增指向您 Ollama 端點 (http://localhost:11434/v1) 的自訂模型提供者。設定模型名稱以匹配您的 Ollama 註冊，並將其設定為聊天和完成的可用模型。
5
根據使用情況迭代訓練資料
當您的團隊使用模型時，收集建議不準確的案例。將修正後的範例新增到訓練資料集，並在 Ertas 中進行增量微調以持續改善模型與程式碼庫的一致性。