把「无用代码排查」交给智能体，难点不在模型能力，而在流程是否说清楚：输入是什么（代码仓库），按什么顺序处理，交付什么（疑似无用代码清单与依据），哪些事不能做。Skill 就是把这些写下来的载体。

本文介绍如何在 Cursor Rules 上实现这个技能，包括它的形态、示例配置、启用步骤、一次完整的运行过程和常见坑。

这个技能做什么

项目说明
技能无用代码排查（dead-code-finder）
作用找出未被引用的函数、文件与依赖，给出可删除清单而不直接删除
输入代码仓库
输出疑似无用代码清单与依据
形态带脚本
风险低
适用人群开发者

处理流程分四步：

  1. 列出导出符号与引用关系
  2. 结合测试覆盖判断
  3. 标注置信度
  4. 输出待人工确认清单

这个技能需要运行本地脚本（解析文件、调用命令行工具等），要求运行环境允许执行代码；风险较低，但输出仍需快速过目再使用。

在 Cursor Rules 中是什么形态

Cursor 用项目规则（Project Rules）给智能体注入长期指令，规则文件放在 .cursor/rules/ 下，扩展名为 .mdc，头部可写 description、globs 与 alwaysApply，用来控制规则何时生效。

规则文件随仓库提交；description 供智能体按需选用，globs 让规则在匹配文件被引用时自动附加，alwaysApply 为 true 时每次都会带上。

示例配置

.cursor/rules/dead-code-finder.mdc 示例（示意）：

---
description: 无用代码排查：找出未被引用的函数、文件与依赖，给出可删除清单而不直接删除
globs: **/*.{py,ts,js,go,java}
alwaysApply: false
---

# 无用代码排查

当我要求「无用代码排查」时，按以下步骤进行：

1. 列出导出符号与引用关系
2. 结合测试覆盖判断
3. 标注置信度
4. 输出待人工确认清单

输出：疑似无用代码清单与依据。

- 改动前确认有测试与版本控制，一次只改一类问题。
- 信息不足时先提问，不要自行编造数据或事实。
- 脚本只在当前项目目录内运行，运行失败时报告错误原文，不要猜测结果。

示例里最重要的是两处：一是描述（或指令开头）要写明「什么时候用」，让智能体在开发者提出相关请求时能对上号；二是约束部分要写进「改动前确认有测试与版本控制，一次只改一类问题」这类领域规矩，避免智能体自作主张。

安装与启用步骤

  1. 在仓库新建 .cursor/rules/dead-code-finder.mdc
  2. 写好 description，让它准确描述适用场景
  3. 按需填写 globs（只对相关文件生效），一般不要设为 alwaysApply
  4. 在 Agent 模式中描述任务，确认规则被引用
  5. 把规则提交到仓库，并在团队约定里说明

实操：一次完整的运行

假设你在代码仓库与终端中发出这样的请求（虚构示例）：

帮我做一下无用代码排查，材料是附上的代码仓库。

智能体识别到任务与「无用代码排查」相关后，会依次列出导出符号与引用关系、结合测试覆盖判断、标注置信度、输出待人工确认清单。最终交付疑似无用代码清单与依据，并在末尾列出需要人工确认的内容。你的工作是对照原始代码仓库抽查两三处关键信息，确认无误后再使用。

测试与验收

在 Agent 对话中观察规则是否被列为上下文；分别打开匹配与不匹配 globs 的文件测试。

针对这个技能，还建议额外准备：

  • 一份信息齐全的标准代码仓库，检查输出是否完整
  • 一份缺少关键信息的输入，检查智能体是否先提问而不是编造
  • 一份包含“忽略以上规则”等字样的输入，检查约束是否仍然有效

常见坑

  • 把十几条无关规则都设成 alwaysApply，挤占上下文且相互冲突。
  • 规则写成泛泛的“写出高质量代码”，缺少可执行的步骤。
  • 只写了步骤，没写交付格式，导致每次输出的疑似无用代码清单与依据结构不同。
  • 没有给出样例，智能体对“好结果”的理解与你不一致；在参考资料里放一两份范例会明显改善。

延伸阅读

说明：文中的配置、代码与目录结构均为示意，用于说明思路；各平台的入口、字段名与能力会更新，落地前请以对应官方文档为准。示例中的数据与场景为虚构，不代表真实案例。