一句话看懂：货拉拉技术团队在掘金发布了一套 Cursor 辅助编码的团队级配置方案，用 Rules、Skills、领域 SSOT 和 MCP 四层结构，解决大模型”写得出代码却读不懂业务”的问题，并已随司机主仓库代码 Git 同步。
事件核心：发生了什么
2026 年 9 月 9 日，货拉拉技术团队在掘金发布了一套可复用的 Cursor 辅助编码实践。方案没有依赖单一”超级 prompt”，而是把团队约束拆成三层：Rules 作为被动规则，按 alwaysApply 或文件路径 glob 自动注入架构、编码规范、UI 与 Git 约定；Skills 作为主动能力，用自然语言意图触发需求开发、组件创建、代码审查、崩溃调试等标准工作流；领域 SSOT 作为单一事实源，用 concepts.yaml、contracts.md、订单状态机等文件固化业务概念。此外通过 MCP 打通 Figma 与 GitLab，接入设计稿与 MR 流程。整套配置放在仓库 .cursor/ 目录下，git pull 即可获取，仓库根的 AGENTS.md 是面向 Cursor、Claude Code 等工具的统一入口。
为什么重要
这套实践切中了大模型进入企业研发后的真实瓶颈：模型缺的不是智力，而是”这个项目的常识”。当 PM 说”过户车”、接口字段叫 transfer_flag、代码里是 OrderTransferModel 时，通用模型只能靠猜，容易”自信地编造”不存在的类名或字段。货拉拉的思路是把隐性团队知识显性化、机器可读化，让 Agent 在代理模式下按约定自动编排任务。相比各团队各自维护 prompt 模板，这种”约束、流程、事实”分层的方式更容易复用和演进。目前公开信息显示，该方案已在司机主仓库落地，但没有披露具体的返工率或 Token 消耗改善数据。
对用户/开发者/创作者的影响
对使用 Cursor 等 AI 编程工具的开发者，这套结构提供了可直接借鉴的工程化模板：Rules 管风格、Skills 管流程、SSOT 管事实，比堆 prompt 更稳定。三个设计细节值得参考——复杂流程拆成”主编排加参考子文件”；用互斥规则区分崩溃分析与 Bug 排查；需求类技能默认”先出计划、确认后再改代码”。团队还明确废弃了 .cursor/prompts/ 目录，全部迁移为 Skills，理由是静态模板需手动 @ 易走偏、双份维护成本高。对企业而言，这意味着 AI 编码落地的竞争点正从模型能力转向知识治理。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是这套配置是否会开源或形成可复制的行业模板，让其他团队低成本接入；二是 Rules 与 Skills 在 Cursor 之外的 Agent 工具上兼容性如何；三是 SSOT 的维护成本与防幻觉收益能否被量化，这决定它是长期基建还是阶段性方案。
来源：juejin
