为什么我从 Jupyter 换到了这个工具

先说清楚，我不是说 Jupyter 不好。

Jupyter 是我入门 Python 用的第一个工具，曾经以为会一直用它。直到有一天，在 Jupyter 里写一个 800 行的数据处理脚本，debug 调到凌晨两点，第二天打开从头跑，发现昨晚写的逻辑自己完全看不懂了。

不是因为代码差，是因为 Jupyter 的交互模式天然不适合做长线项目。

那之后开始找替代品，试了一圈，最后留在了 Cursor 上。今天说说我为什么换了，以及 Cursor 具体解决了我什么问题。

Jupyter 的三个真实痛点

痛点1：代码一长就成了灾难

Jupyter 的 Cell 机制在探索阶段很爽，但代码超过 200 行就开始出问题：

• 变量在哪个 Cell 定义的，忘了
• Cell 执行顺序不同结果不同，debug 半天发现是顺序问题
• 想复用某个函数，得把 Cell 里的代码复制粘贴，改了之后不知道该在哪个 Cell 执行
• 重启内核之后变量全没了，之前的结果白算了

做过最蠢的事：在 Jupyter 里写了 3 个小时的分析脚本，保存后第二天打开，内核重启，变量全空，从头跑。结果这次跑出来的结果跟昨天不一样，查了两小时才发现是某个 Cell 的数据没刷新。

痛点2：调试全靠 print

# Jupyter 里的 debug 方式
print("进来了")
print(f"x={x}")
print(f"y={y}")
print("到这里了")
# 删着删着把有用的也删了

想打断点？Jupyter 不支持。想看某个时刻的变量值？print。想看调用栈？没有。

写过正经项目的人都知道，print debug 在小脚本里够用，500 行以上就是自虐。

痛点3：版本控制噩梦

.ipynb 文件本质上是 JSON，里面包含代码、元数据、输出结果。每次 Git diff 看到的都是乱码，根本没法做 Code Review。

nbdime 或者 nbconvert 可以在一定程度上缓解，但治标不治本。

Cursor 是什么

简单说：Cursor 是基于 VS Code 的 AI 编程工具，拿来写 Python 比 VS Code 更顺手。

核心特点：

• 内置 AI 编程助手（能理解整个代码库）
• 原生支持 Python + Jupyter 混合模式
• 完整 IDE 功能：断点调试、Git 集成、终端
• .ipynb 文件直接打开编辑，不用额外配置
• 免费版够用，Pro 版体验更好

下载地址：cursor.com

迁移后解决了什么问题

问题1：长脚本终于能看了

在 Cursor 里，Python 脚本就是一个 .py 文件，不是 Cell 的堆叠。函数在哪就写在哪，IDE 侧边栏能看到整个文件的结构。

# 左侧有 Outline，所有函数/类一目了然
# 光标悬停在函数上，可以看到定义，不需要到处跳转

defload_data(path: str) ->pd.DataFrame:
    returnpd.read_csv(path)

defclean_data(df: pd.DataFrame) ->pd.DataFrame:
    df = df.dropna(subset=["date"])
    df["date"] = pd.to_datetime(df["date"])
    returndf

defmain():
    df = load_data("sales.csv")
    df = clean_data(df)
    print(f"处理完成，共{len(df)}条记录")

if__name__ == "__main__":
    main()

Jupyter 里这段得拆成 4 个 Cell，还得分清楚执行顺序。Cursor 里就是普通的 Python 文件，符合直觉。

问题2：AI 帮你读自己的代码

Cursor 的 @Codebase 功能可以问它任何关于代码的问题：

• “解释一下 clean_data 函数做了什么”
• “这个函数里有潜在的空值问题吗”
• “这个变量是什么类型”

接别人代码或者重读自己旧代码时特别有用。Jupyter 里完全没有这个能力。

问题3：断点调试有了

defcalculate_revenue(quantity, price, discount=0):
    subtotal = quantity*price  # 断点打这里
    revenue = subtotal* (1-discount)
    returnrevenue

点一下鼠标，断点触发，能看到所有变量的实时值、调用栈、单步执行。Jupyter 里这不可想象。

问题4：Jupyter 文件直接打开

Cursor 做得最聪明的地方——.ipynb 文件可以直接打开和编辑，不用任何额外配置。

原来在 Jupyter 里的笔记本，直接用 Cursor 打开，.py 和 .ipynb 混合用完全没问题。迁移成本几乎为零。

迁移成本有多高

说实话，不高。

最大的障碍是习惯。用 Jupyter 用了三年，刚转到 Cursor 头两天浑身不习惯。后来把项目拆成 .py 文件，用 Cursor 打开，一个下午就回不去了。

我的实际工作流

现在是这样用的：

Cursor 为主，Jupyter 为辅。

• 写业务逻辑、函数封装、项目代码 → Cursor 的 .py 文件
• 临时探索、数据探索、画图验证 → 在 Cursor 里新建 .ipynb
• 调试复杂逻辑 → Cursor 断点调试，不 print 了
• 遇到不熟悉的库、API → Cursor AI 问答，比 Google 快

给想迁移的人几点建议

不要一口气全部迁移。先把新项目放 Cursor 里跑，老项目留在 Jupyter，两边并行一段时间，感觉稳定了再全面切。

熟悉快捷键。VS Code 系的快捷键（Cmd+P 文件跳转，Cmd+Shift+P 命令面板，Cmd+B 侧边栏）用熟之后效率提升很明显。

AI 功能要主动用。Cmd+L 打开对话窗口，可以问任何关于代码的问题。我现在遇到不确定的逻辑，第一反应是问 Cursor，不 Google 了。

插件市场用起来。Cursor 基于 VS Code，所有 VS Code 插件都能装。Python 插件、Pylance、GitLens 都装上，体验更完整。

最后

我不是要说 Jupyter 不好，它在教学和探索阶段仍然是最好的工具之一。但如果你的代码开始超过 200 行，开始做需要长期维护的项目，Jupyter 的局限性就开始显现了。

Cursor 不是银弹，但它解决了 Jupyter 最痛的三个问题：长代码维护、断点调试、AI 辅助。如果这些痛你也感同身受，值得试试。

你们现在用的是哪个编辑器？评论区说说，我看看大家的选择。

“无他，惟手熟尔”！有需要的用起来！