使用 Cursor AI IDE 实施 MOE 的完整指南

🎯 目标

利用 Cursor AI IDE 的强大能力，在 2-3个月内（而非传统的6个月）完成 MBE 的 MOE 扩展，从 43个专家扩展到 100+个专家。

💡 为什么选择 Cursor AI IDE？

Cursor 的独特优势

传统开发	Cursor AI 开发	效率提升
手写所有代码	AI 生成 + 人工审核	5-10倍
逐个文件编写	批量生成多文件	3-5倍
手动测试调试	AI 辅助测试	3-4倍
文档手写	AI 自动生成	10倍

Cursor 核心功能

💬 Chat 模式 - 对话式编程
✏️ Composer 模式 - 多文件协同编辑
🤖 Agent 模式 - 自主执行复杂任务
📝 Inline Edit - 即时代码修改
🔍 Codebase Context - 全局代码理解

📅 快速实施路线图（8-12周）

🎯 总览

Phase 1: 基础设施 (Week 1-2)        ⚡ Cursor Agent + Composer
Phase 2: 核心MOE应用 (Week 3-6)    ⚡ Cursor Composer + Chat
Phase 3: 进阶应用 (Week 7-10)       ⚡ Cursor Agent + Inline
Phase 4: 优化部署 (Week 11-12)      ⚡ Cursor Chat + Manual

🚀 Phase 1: 通用 MOE 基础设施 (Week 1-2)

Week 1: 使用 Cursor Agent 搭建 MOE 框架

步骤 1.1: 启动 Cursor Agent 生成基础架构

在 Cursor 中按下 Ctrl+Shift+I (Windows) 或 Cmd+Shift+I (Mac)

提示词模板:

@Workspace 我需要创建一个通用的 MOE（Mixture of Experts）框架。

目标：
1. 创建 src/moe/ 目录结构
2. 实现可复用的 GenericMoE 基类
3. 实现 TopK Router（支持 top-1, top-2, top-k 路由）
4. 实现 Weighted Combiner（加权融合专家输出）
5. 实现 MoE Config 管理
6. 编写完整的单元测试

参考现有代码：
- @mises-behavior-engine/training/titans/moe_module.py （现有MOE实现）
- @mises-behavior-engine/training/titans/titans_moe.py （TITANS MOE）

要求：
- 使用 Python 3.10+
- 遵循项目代码规范
- 添加详细的文档字符串
- 类型注解完整
- 错误处理完善

请创建以下文件：
1. src/moe/__init__.py
2. src/moe/generic_moe.py
3. src/moe/moe_router.py
4. src/moe/moe_combiner.py
5. src/moe/moe_config.py
6. src/moe/tests/test_generic_moe.py
7. src/moe/tests/test_router.py
8. src/moe/README.md

开始实施！

预期结果: Cursor Agent 会自动：

分析现有代码
创建目录结构
生成所有文件
运行测试验证

时间: 30-60分钟（AI生成）+ 1-2小时（人工审核）

步骤 1.2: 使用 Composer 完善细节

按下 Ctrl+I 打开 Composer

提示词:

@src/moe/generic_moe.py 

请优化 GenericMoE 类：
1. 添加专家负载均衡机制
2. 实现专家缓存（避免重复初始化）
3. 添加性能监控钩子
4. 支持异步专家调用
5. 添加详细的使用示例

参考 Switch Transformer 的设计理念。

时间: 30分钟

步骤 1.3: 使用 Chat 模式添加监控

在 Chat 面板输入:

帮我创建 MOE 监控系统：

1. src/moe/monitoring.py - 监控专家激活频率、负载均衡
2. src/moe/profiler.py - 性能分析工具
3. src/moe/visualizer.py - 可视化专家路由

要求：
- 使用 loguru 记录日志
- 输出 JSON 格式的监控数据
- 支持实时监控和历史分析

时间: 20-30分钟

Week 2: 测试框架和文档

步骤 2.1: 批量生成测试用例

Cursor Agent 提示词:

@src/moe/ 

为 MOE 框架生成完整的测试套件：

1. 单元测试（pytest）
   - 测试所有类和函数
   - 边界条件测试
   - 异常处理测试

2. 集成测试
   - 端到端 MOE 流程测试
   - 不同配置组合测试

3. 性能测试
   - 路由延迟测试
   - 专家并行性测试
   - 内存使用测试

4. 测试数据生成器

目标：测试覆盖率 > 90%

创建文件：
- src/moe/tests/test_integration.py
- src/moe/tests/test_performance.py
- src/moe/tests/conftest.py
- src/moe/tests/data_generator.py

时间: 1-2小时

步骤 2.2: 自动生成文档

Chat 提示词:

@src/moe/ 

生成完整的 MOE 使用文档：

1. src/moe/README.md - 总览和快速开始
2. src/moe/docs/ARCHITECTURE.md - 架构设计
3. src/moe/docs/API_REFERENCE.md - API 文档
4. src/moe/docs/EXAMPLES.md - 使用示例
5. src/moe/docs/TROUBLESHOOTING.md - 问题排查

要求：
- 中英文双语
- 包含代码示例
- 添加架构图（Mermaid）

时间: 30分钟

Week 1-2 交付物清单

✅ src/moe/
   ├── __init__.py
   ├── generic_moe.py          ⚡ 通用MOE框架
   ├── moe_router.py           ⚡ 路由器
   ├── moe_combiner.py         ⚡ 结果融合
   ├── moe_config.py           ⚡ 配置管理
   ├── monitoring.py           ⚡ 监控系统
   ├── profiler.py             ⚡ 性能分析
   ├── visualizer.py           ⚡ 可视化
   ├── README.md
   ├── docs/
   │   ├── ARCHITECTURE.md
   │   ├── API_REFERENCE.md
   │   ├── EXAMPLES.md
   │   └── TROUBLESHOOTING.md
   └── tests/
       ├── conftest.py
       ├── test_generic_moe.py
       ├── test_router.py
       ├── test_combiner.py
       ├── test_integration.py
       └── test_performance.py

🎯 Phase 2: 核心 MOE 应用 (Week 3-6)

Week 3-4: LLM 生成 MOE ⭐⭐⭐⭐⭐

步骤 3.1: 使用 Composer 创建多文件架构

按 Ctrl+I 打开 Composer，选择多文件模式

提示词:

我要创建 LLM 生成 MOE 系统。

目标：根据任务类型（技术问答、创意写作、闲聊等），自动路由到最合适的专家LLM。

请创建以下文件：

1. src/llm/llm_moe.py - LLM MOE 主类
   - LLMGenerationMoE 类
   - TaskBasedRouter（任务分类路由器）
   - 8个专家定义

2. src/llm/experts/ - 专家实现
   - technical_expert.py（技术问答专家）
   - creative_expert.py（创意写作专家）
   - chat_expert.py（闲聊对话专家）
   - code_expert.py（代码生成专家）
   - summary_expert.py（总结专家）
   - translation_expert.py（翻译专家）
   - analysis_expert.py（分析推理专家）
   - empathy_expert.py（情感共鸣专家）

3. src/llm/task_classifier.py - 任务类型分类器
   - 基于 query 特征分类
   - 支持多标签分类

4. src/llm/tests/test_llm_moe.py - 测试套件

参考：
- @src/moe/generic_moe.py（通用MOE框架）
- @src/llm/base.py（现有LLM接口）
- @src/llm/resilient_client.py（LLM客户端）

要求：
- 每个专家有不同的 prompt engineering
- 支持专家并行调用
- 加权融合结果
- 完整的错误处理
- 监控专家激活情况

开始创建！

Cursor 会自动:

创建所有文件
实现所有类和函数
添加文档和测试

时间: 2-3小时（AI生成）+ 2-3小时（审核优化）

步骤 3.2: 集成到现有系统

Chat 提示词:

@src/llm/base.py @src/llm/llm_moe.py 

请将 LLM MOE 集成到现有 LLM 系统：

1. 修改 LLMClient 基类，添加 use_moe 选项
2. 在 ResilientLLMClient 中集成 LLMGenerationMoE
3. 添加配置开关（环境变量 USE_LLM_MOE）
4. 保持向后兼容
5. 添加 A/B 测试支持

确保不破坏现有功能！

时间: 1小时

步骤 3.3: 专家 Prompt 优化

使用 Inline Edit（选中代码后按 Ctrl+K）

选中每个专家的 prompt，然后：

优化这个专家的 prompt：
1. 更精确的角色定义
2. 添加少样本示例（few-shot）
3. 明确输出格式
4. 添加约束条件

对每个专家重复，时间：30分钟

步骤 3.4: 性能测试和优化

Agent 提示词:

@src/llm/llm_moe.py 

请执行以下任务：

1. 创建性能测试脚本：
   - 测试100个不同类型的query
   - 记录每个专家的激活频率
   - 测量响应时间
   - 评估回答质量

2. 运行测试并生成报告

3. 根据测试结果优化：
   - 调整路由器参数
   - 优化专家权重
   - 改进融合策略

4. 生成性能报告（Markdown）

文件：
- src/llm/tests/performance_test.py
- src/llm/tests/performance_report.md

时间: 2小时

Week 5-6: 意图分析 MOE ⭐⭐⭐⭐⭐

步骤 5.1: Composer 创建意图分析 MOE

Composer 提示词:

创建意图分析 MOE 系统。

目标：将单一意图分析器改造为多专家协同系统，提升复杂意图识别能力。

创建文件：

1. src/knowledge/intent_moe.py - 主类
   - IntentAnalysisMoE 类
   - 6个意图专家
   - 意图融合逻辑

2. src/knowledge/intent_experts/ - 专家实现
   - info_query_expert.py（信息查询意图）
   - task_exec_expert.py（任务执行意图）
   - emotion_expert.py（情感交流意图）
   - multi_goal_expert.py（多目标意图）
   - implicit_expert.py（隐含意图）
   - domain_expert.py（领域特定意图）

3. src/knowledge/intent_router.py - 意图路由器
   - 基于query embedding路由
   - 支持top-2专家激活

参考：
- @src/knowledge/intent_analyzer.py（现有意图分析器）
- @src/moe/generic_moe.py（MOE框架）

要求：
- 保持与现有IntentAnalyzer接口兼容
- 支持TITANS记忆上下文
- 输出结构化意图
- 完整测试覆盖

时间: 3-4小时

步骤 5.2: 渐进式集成

Chat 模式:

@src/knowledge/intent_analyzer.py @src/knowledge/intent_moe.py 

请帮我安全地集成意图分析MOE：

1. 在 IntentAnalyzer 中添加 use_moe 选项
2. 保留原有分析器作为 fallback
3. 添加对比测试（原有 vs MOE）
4. 添加监控和日志
5. 支持 A/B 测试

生成对比测试报告。

时间: 1-2小时

Week 3-6 交付物

✅ src/llm/
   ├── llm_moe.py              ⚡ LLM生成MOE
   ├── task_classifier.py      ⚡ 任务分类器
   └── experts/
       ├── technical_expert.py
       ├── creative_expert.py
       ├── chat_expert.py
       ├── code_expert.py
       ├── summary_expert.py
       ├── translation_expert.py
       ├── analysis_expert.py
       └── empathy_expert.py

✅ src/knowledge/
   ├── intent_moe.py           ⚡ 意图分析MOE
   ├── intent_router.py        ⚡ 意图路由器
   └── intent_experts/
       ├── info_query_expert.py
       ├── task_exec_expert.py
       ├── emotion_expert.py
       ├── multi_goal_expert.py
       ├── implicit_expert.py
       └── domain_expert.py

📊 Phase 3: 进阶应用 (Week 7-10)

Week 7-8: Self-Critique MOE + 知识检索 MOE

批量创建（使用 Agent）

Agent 超级提示词:

我要并行创建两个MOE系统：

## 任务1: Self-Critique MOE

创建 src/core/critique_moe.py 及相关文件：
- 6个评估专家（事实准确性、逻辑一致性、相关性、完整性、专业性、用户满意度）
- 并行评估机制
- 多维度评分融合
- 集成到 @src/core/self_critique.py

## 任务2: 知识检索 MOE

创建 src/knowledge/retrieval_moe.py 及相关文件：
- 5个检索专家（密集向量、稀疏关键词、语义理解、结构化查询、混合检索）
- 智能路由器（根据query类型和知识库特点路由）
- 结果融合和排序
- 集成到 @src/knowledge/knowledge_manager.py

参考：
- @src/moe/generic_moe.py
- @src/core/self_critique.py
- @src/knowledge/knowledge_manager.py

要求：
- 完整实现
- 单元测试
- 集成测试
- 性能报告
- 使用文档

请并行创建两个系统，预计生成30+个文件。

开始！

Cursor Agent 会:

并行规划两个任务
创建所有文件
运行测试
生成报告

时间: 4-6小时（主要是AI生成和人工审核）

Week 9-10: HOPE 学习 MOE + 对话管理 MOE

类似的 Agent 提示词:

并行创建 HOPE 学习 MOE 和对话管理 MOE...

（类似上面的结构）

时间: 4-6小时

🎓 Phase 4: 优化和部署 (Week 11-12)

Week 11: 全面优化

使用 Cursor 进行性能分析

Agent 提示词:

执行全面的MOE系统性能分析：

1. 分析所有MOE模块：
   @src/llm/llm_moe.py
   @src/knowledge/intent_moe.py
   @src/core/critique_moe.py
   @src/knowledge/retrieval_moe.py
   ...

2. 生成性能报告：
   - 每个MOE的响应时间
   - 专家激活频率
   - 负载均衡情况
   - 内存使用
   - GPU使用率（如果有）

3. 识别性能瓶颈

4. 生成优化建议

5. 实施优化：
   - 缓存优化
   - 并行优化
   - 路由器优化
   - 专家轻量化

6. 生成优化前后对比报告

输出文件：
- docs/MOE_PERFORMANCE_ANALYSIS.md
- docs/MOE_OPTIMIZATION_REPORT.md

时间: 1天

Week 12: 部署和监控

配置生产环境

Chat 提示词:

准备MOE系统的生产部署：

1. 创建配置文件：
   - config/moe_production.yaml
   - config/moe_staging.yaml
   - .env.moe.example

2. 创建部署脚本：
   - scripts/deploy_moe.sh
   - scripts/rollback_moe.sh

3. 创建监控配置：
   - 专家性能监控
   - 错误告警
   - 资源使用监控

4. 创建运维文档：
   - docs/MOE_DEPLOYMENT_GUIDE.md
   - docs/MOE_MONITORING_GUIDE.md
   - docs/MOE_TROUBLESHOOTING.md

5. 创建健康检查：
   - src/moe/health_check.py
   - 端点：/api/moe/health

时间: 1天

🎯 Cursor 高级技巧

技巧 1: 使用 @符号精确引用

@src/moe/generic_moe.py 的 GenericMoE 类需要添加...
@docs/MOE_QUICK_REFERENCE.md 中提到的路由策略...

技巧 2: 多文件批量操作

在 Composer 中选择多个文件，一次性修改：

@src/llm/experts/*.py

请为所有专家添加：
1. 性能监控装饰器
2. 错误重试机制
3. 超时控制

技巧 3: 自动化测试生成

@src/llm/llm_moe.py 

为这个模块生成完整的测试套件，包括：
- 单元测试（覆盖所有方法）
- 边界测试
- 异常测试
- 性能测试
- Mock测试

技巧 4: 代码审查和重构

@src/knowledge/intent_moe.py 

请审查这个文件并提供：
1. 代码质量评分
2. 潜在bug
3. 性能问题
4. 安全隐患
5. 重构建议
6. 最佳实践建议

如果发现问题，请直接修复。

技巧 5: 自动文档生成

@src/moe/

为整个moe模块生成完整的API文档：
- 使用Sphinx格式
- 包含所有类和方法
- 添加使用示例
- 生成 docs/api/ 目录

📊 Cursor vs 传统开发对比

时间对比

任务	传统开发	Cursor AI	节省
基础框架搭建	2周	2-3天	80%
LLM生成MOE	2周	2-3天	80%
意图分析MOE	2周	2-3天	80%
测试编写	3周	3-4天	85%
文档编写	2周	1天	90%
总计	24周	8-10周	65-70%

质量对比

维度	传统开发	Cursor AI	优势
代码规范性	依赖开发者	AI保证一致性	✅
测试覆盖率	60-70%	90%+	✅
文档完整性	常常不足	自动生成完整	✅
Bug密度	较高	AI辅助减少	✅
代码复用性	一般	模式识别更好	✅

🛠️ 实战示例：完整的 LLM MOE 实施

步骤详解

1. 打开 Cursor，按 Ctrl+Shift+I 进入 Agent 模式

2. 输入超级提示词：

我要创建完整的 LLM 生成 MOE 系统。这是一个复杂的多文件项目。

## 背景
当前LLM系统：@src/llm/base.py 使用单一LLM处理所有任务，质量参差不齐。

## 目标
创建包含8个专家的MOE系统，根据任务类型自动路由。

## 参考
- MOE框架：@src/moe/generic_moe.py
- 现有MOE：@training/titans/moe_module.py
- 意图分析：@src/knowledge/intent_analyzer.py

## 任务清单

### 1. 架构设计（15分钟）
- [ ] 设计8个专家的职责
- [ ] 设计任务分类器
- [ ] 设计路由策略
- [ ] 设计融合机制

### 2. 核心实现（2小时）
创建文件：
- [ ] src/llm/llm_moe.py - 主类
- [ ] src/llm/task_classifier.py - 任务分类
- [ ] src/llm/experts/base_expert.py - 专家基类
- [ ] src/llm/experts/technical_expert.py
- [ ] src/llm/experts/creative_expert.py
- [ ] src/llm/experts/chat_expert.py
- [ ] src/llm/experts/code_expert.py
- [ ] src/llm/experts/summary_expert.py
- [ ] src/llm/experts/translation_expert.py
- [ ] src/llm/experts/analysis_expert.py
- [ ] src/llm/experts/empathy_expert.py
- [ ] src/llm/experts/__init__.py

### 3. 集成（30分钟）
- [ ] 修改 @src/llm/base.py 添加MOE支持
- [ ] 修改 @src/llm/resilient_client.py 集成MOE
- [ ] 添加配置选项
- [ ] 保持向后兼容

### 4. 测试（1小时）
- [ ] src/llm/tests/test_llm_moe.py - 单元测试
- [ ] src/llm/tests/test_task_classifier.py
- [ ] src/llm/tests/test_experts.py
- [ ] src/llm/tests/test_integration.py

### 5. 文档（30分钟）
- [ ] src/llm/README_MOE.md - 使用指南
- [ ] 更新 @docs/MOE_APPLICATION_ANALYSIS.md

### 6. 性能测试（30分钟）
- [ ] 创建性能测试脚本
- [ ] 运行100个测试query
- [ ] 生成性能报告

## 要求
- Python 3.10+
- 完整类型注解
- 详细文档字符串
- 错误处理完善
- 日志记录完整
- 测试覆盖率 > 85%

## 验收标准
1. ✅ 所有文件创建完成
2. ✅ 所有测试通过
3. ✅ 性能测试显示改进
4. ✅ 文档完整
5. ✅ 代码审查通过

请开始实施，我会全程监督并提供反馈。

3. Cursor Agent 开始工作

Cursor 会：

✅ 分析现有代码结构
✅ 设计架构方案
✅ 询问确认关键决策
✅ 创建所有文件
✅ 编写代码实现
✅ 生成测试用例
✅ 运行测试验证
✅ 生成文档
✅ 提供总结报告

4. 人工审核和优化

对于关键代码，使用 Inline Edit (Ctrl+K)：

# 选中某个专家的核心逻辑
优化这段代码的性能和可读性

5. 集成测试

@src/llm/llm_moe.py 

运行集成测试：
1. 测试100个不同类型的query
2. 验证专家激活是否正确
3. 检查回答质量
4. 生成测试报告

📈 预期成果

开发效率

传统方式：24周 → Cursor方式：8-10周
节省时间：14-16周（58-67%）

代码质量

✅ 测试覆盖率：90%+（传统60-70%）
✅ 文档完整性：100%（传统50-60%）
✅ 代码规范性：100%（AI保证一致性）
✅ Bug密度：低（AI辅助发现问题）

专家数量

Week 2:  基础框架 + 监控
Week 4:  +8 专家（LLM生成）
Week 6:  +6 专家（意图分析）
Week 8:  +11 专家（Critique + 检索）
Week 10: +8 专家（HOPE + 对话）
Week 12: +其他专家

总计：43 → 100+ 专家 ✅

🎯 关键成功因素

1. 善用 Cursor 的 Context

始终使用 @ 引用相关文件：

@src/moe/generic_moe.py
@docs/MOE_QUICK_REFERENCE.md
@training/titans/moe_module.py

2. 清晰的任务描述

提示词要包含：

✅ 背景和目标
✅ 参考文件
✅ 具体要求
✅ 验收标准

3. 渐进式开发

不要一次性要求太多：

❌ 坏：创建整个MOE系统
✅ 好：先创建框架 → 然后添加专家 → 最后集成测试

4. 持续测试验证

每个阶段都要测试：

创建代码 → 运行测试 → 修复问题 → 继续下一步

5. 充分利用 Agent 模式

复杂任务用 Agent，它会：

自主规划步骤
分析现有代码
并行创建文件
运行测试验证
生成报告

📋 每周检查清单

Week 1 ✅

MOE 框架创建完成
所有单元测试通过
监控系统就绪
文档完整

Week 2 ✅

集成测试完成
性能基准测试
API 文档生成
示例代码编写

Week 3-4 ✅

LLM MOE 创建完成
8个专家实现
集成到现有系统
A/B 测试准备

Week 5-6 ✅

意图分析 MOE 完成
6个专家实现
准确率测试
性能报告

Week 7-8 ✅

Critique MOE 完成
检索 MOE 完成
集成测试通过
文档更新

Week 9-10 ✅

HOPE MOE 完成
对话 MOE 完成
全量测试
优化调参

Week 11 ✅

性能优化完成
负载均衡调优
监控完善
部署准备

Week 12 ✅

生产部署
监控告警配置
文档交付
培训完成

🚀 快速开始命令

立即开始 Phase 1

打开 Cursor
打开项目: d:\Mises\mises-behavior-engine
按 Ctrl+Shift+I 进入 Agent 模式
粘贴以下命令:

@Workspace 

我要开始实施 MOE 扩展计划。

第一步：创建通用 MOE 框架

参考：
- @training/titans/moe_module.py（现有MOE实现）
- @docs/MOE_QUICK_REFERENCE.md（MOE设计文档）
- @docs/MOE_POTENTIAL_APPLICATIONS.md（应用场景）

创建：
1. src/moe/generic_moe.py（通用框架）
2. src/moe/moe_router.py（路由器）
3. src/moe/moe_combiner.py（结果融合）
4. src/moe/moe_config.py（配置）
5. src/moe/monitoring.py（监控）
6. 完整的测试套件
7. 使用文档

要求：
- 可复用、易扩展
- 性能优化（并行、缓存）
- 完善的错误处理
- 详细的日志记录
- 测试覆盖率 > 90%

开始创建！

等待 Cursor 完成（30-60分钟）
审核代码
运行测试
进入下一步

💡 Pro Tips

Tip 1: 保存好提示词模板

创建 prompts/moe_prompts.md，保存所有好用的提示词。

Tip 2: 使用 Git 分支

git checkout -b feature/moe-llm-generation
git checkout -b feature/moe-intent-analysis

每个 MOE 模块一个分支。

Tip 3: 定期备份

git add .
git commit -m "checkpoint: LLM MOE 基础完成"

Tip 4: 并行开发

可以同时开启多个 Cursor Agent 窗口，并行开发不同模块。

Tip 5: 使用 Cursor Rules

创建 .cursorrules 文件：

# MOE 开发规范
- 所有 MOE 类必须继承 GenericMoE
- 所有专家必须实现 forward 方法
- 必须添加完整的类型注解
- 必须包含文档字符串
- 测试覆盖率必须 > 85%

🎉 总结

使用 Cursor AI IDE，你可以：

⚡ 3倍速度

传统 24周 → Cursor 8-10周

📈 更高质量

90%+ 测试覆盖率
100% 文档完整性
更少的 Bug

💰 更低成本

减少 60% 开发时间
减少人力投入
加快上线速度

🚀 更好体验

AI 辅助编程
自动化测试
智能代码审查
实时反馈优化

📞 遇到问题？

Cursor 相关

查看 Cursor 文档
使用 Chat 询问 Cursor
查看社区讨论

MOE 相关

参考 docs/MOE_*.md 文档
查看现有实现 training/titans/
运行示例测试

技术问题

查看日志 logs/moe/
运行诊断脚本
查看监控面板

准备好了吗？立即开始用 Cursor 实施 MOE！ 🚀

预计完成时间: 2-3个月
难度: ⭐⭐⭐ (Cursor AI 大大降低了难度)
收益: ⭐⭐⭐⭐⭐ (性能提升 25-35%)

创建时间: 2026年1月31日
适用版本: Cursor 0.43+
MBE 版本: v2.0+