Cursor + Ertas

在您团队的代码库规范、架构模式和编码风格指南上微调编码模型，创建一个 Cursor 可以用作自定义模型端点的领域特定编码助手。

Overview

Cursor 已迅速成为希望在日常工作流中深度集成 AI 的开发者的首选 AI 原生代码编辑器。其 Tab 补全、内联编辑和聊天功能重新定义了开发者对代码编辑器的期望，使得所谓的 Vibe Coding 成为可能——开发者描述意图，AI 生成实现。从独立开发者到大型工程团队，Cursor 将想法和可工作代码之间的差距缩短了数个数量级。

驱动 Cursor 的默认模型是通用的：在广泛的编程知识上训练，但不了解您的特定代码库、内部库、命名规范或团队多年来做出的架构决策。这意味着 Cursor 的建议通常需要手动修正以符合项目标准——错误的导入路径、不一致的命名模式、忽略熟悉的辅助工具函数而选择冗长的内联代码。对于拥有大型或有明确风格偏好的代码库的团队来说，这些修正积累起来会造成显著的摩擦。

How Ertas Integrates

Ertas 让您缩小通用 AI 编码辅助与团队实际编码风格之间的差距。通过收集代码库的代表性示例——经过审批的 Pull Request、编码风格文档、内部 API 使用模式和架构决策记录——您可以组装一个捕获您团队编写代码方式的训练数据集。Ertas Studio 管理微调过程，让您训练一个理解项目规范、首选库和常见模式的编码模型，无需工程团队具备 ML 专业知识。

训练完成后，您通过 Ollama 在本地部署模型，并配置 Cursor 将其用作自定义的兼容 OpenAI 模型端点。Cursor 的设置允许指定替代模型提供商，因此您的微调模型会与内置选项一起出现。结果是一个使用您实际的工具函数、遵循您的命名规范并按照团队期望的方式构建组件的 AI 助手——同时在训练和推理过程中您的专有代码完全不会离开第三方服务器。

Getting Started

1
从您的代码库整理训练数据
收集团队代码的高质量示例：经过审批的 Pull Request、文档完善的模块、编码风格指南片段和内部库使用模式。将它们构造为展示您规范的提示-补全对。
2
在 Ertas Studio 中微调编码模型
将您整理好的数据集上传到 Ertas Studio 并选择一个代码能力强的基础模型。配置训练参数并启动微调作业。Ertas 跟踪实验，以便您可以比较不同训练配置之间的模型质量。
3
通过 Ollama 导出和部署
将微调模型下载为 GGUF 格式，注册到 Ollama，并启动推理服务器。通过使用项目中的代表性编码提示进行测试，验证模型的正确响应。
4
配置 Cursor 使用自定义端点
在 Cursor 的设置中，添加指向您 Ollama 端点 (http://localhost:11434/v1) 的自定义模型提供商。设置模型名称以匹配您的 Ollama 注册，并将其配置为聊天和补全的可用模型。
5
根据使用情况迭代训练数据
当您的团队使用模型时，收集建议不准确的案例。将修正后的示例添加到训练数据集中，并在 Ertas 中运行增量微调，以持续改善模型与代码库的对齐程度。