这个原型文件包含了26个目录，涵盖了登陆页、首页、书籍搜索、书籍筛选、扫一扫、分类榜、新书榜、借阅榜、大学必读、兴趣热推、收藏、收藏管理、圈子、个人动态、推书详情、选择书籍、写推书、求书详情、选择分类、写求书、我的、书评、个人、设置、书籍详情、章节目录、书评－书籍详情等内容。这些目录内容涵盖了用户登录、书籍搜索与筛选、书籍推荐与管理、个人信息设置等多个方面，为产品功能设计提供了全面的参考。

仅展示部分截图，请下载后编辑使用。

具体目录有：[‘登陆页’, ‘首页’, ‘书籍搜索’, ‘书籍筛选’, ‘扫一扫’, ‘分类榜’, ‘新书榜’, ‘借阅榜’, ‘大学必读’, ‘兴趣热推’, ‘收藏’, ‘收藏管理’, ‘圈子’, ‘个人动态’, ‘推书详情’, ‘选择书籍’, ‘写推书’, ‘求书详情’, ‘选择分类’, ‘写求书’, ‘我的’, ‘书评’, ‘个人’, ‘设置’, ‘书籍详情’, ‘章节目录’, ‘书评－书籍详情’]

https://axurehub.com/21912.html

cursor 三十六计（三）：一个 prompt，5 分钟把握任何陌生代码库

@Codebase 这是一个{简要描述}，请根据以下方式，帮助我学习这整个代码库：

项目结构 - 编译方式 - 入口 - 核心逻辑 - 时序图 - 各个步骤关键实现函数。

每次回复只聚焦其中一个部分，并且尽量的详细，比如一次回复中讲清楚“项目结构”，然后询问我是否可以继续后再进行下一个回复，例如“编译方式”。

请一步一步来，take your time

====

下面的插图中是具体效果。感谢 @Linus.ai 和我发起最初的讨论，并且优化了 prompt。

图 3 4 是 NextJS 源码，这种超大项目，它也能适应。

====

杂谈 1：

上面这个 prompting，实际上是一个资深程序员读代码的思路，然后 AI 现在的能力，就可以把这种元思路固化下来，别人也能调用。

我感觉 AI 应用技术有个特点一直会持续，“你知道那件事情怎么做，那么它就已经做成了”。

知道问什么问题越来越重要，因为你可以调用全人类积累下来的答案——直到你碰到一个谁都没问过的问题（这就是拓展人类知识边界了）。

====

杂谈 2：

cursor 是工程化的绝好例子。它并没有自己实现超出基座的能力，而是通过工程化充分释放了基座模型的能力，体验已经和基座不是一个档次的了。

应用开发现在就该向 cursor 看齐。他们是在探索 LLM 原生 app 交互的边界的，比如 at 这个交互，短时间内我就没看到别的应用做，但是体验过以后，发现如此自然。

用智能手机的说法，现在约等于汤姆猫时代，大家做的是在探索技术的交互能力，还有好几年时间才可能孵化出巨型应用乃至二维码这种超级入口。三五年内一定会有其他大应用杀出来，这些后来者都可以摸着 cursor 过河。