跳到主要内容
版本：V1.1.0

让 Cursor AI 助手秒懂 seekdb

在 AI 辅助编程时代，开发者越来越依赖智能工具来提升编码效率。然而，当你在 Cursor 中询问 seekdb 相关问题时，AI 可能无法给出准确的回答，因为它不了解 seekdb 这款新兴的 AI 原生搜索数据库。

本文以使用 AI 助手创建一个 seekdb 混合搜索应用为例，介绍如何通过 seekdb Cursor Extension，让 Cursor AI 助手拥有 seekdb 专业知识，从而在开发过程中获得精准的技术指导。

seekdb Cursor Extension 介绍​

seekdb Cursor Extension 是一款 Cursor 扩展，它通过在 .cursor/rules 目录下添加规则，使 Cursor AI 助手能够检索 seekdb 官方文档，从而理解 seekdb 数据库知识，使其能够：

  • 理解 seekdb 数据库概念：向量搜索、混合搜索、AI 函数等
  • 提供准确的代码建议：基于官方文档生成符合最佳实践的代码
  • 回答 seekdb 相关问题：直接在编辑器中获取技术支持
  • 加速开发流程：减少查阅文档的时间，专注于业务逻辑

核心特征​

  • 一键安装：通过 Cursor 扩展市场快速安装。
  • 完整文档：检索 seekdb 官方文档知识库，涵盖向量搜索、混合搜索、AI 函数等全面技术文档。
  • 双模式支持：优先从 GitHub 获取最新文档，本地文档作为备份。

工作原理​

seekdb Cursor Extension 的工作原理非常简单：

  • 规则文件注入：扩展将 seekdb 官方文档和 .mdc 规则文件添加到 .cursor/rules 目录。
  • AI 上下文增强：Cursor 会自动读取 .cursor/rules 目录中的内容，作为 AI 助手的上下文知识。
  • 智能检索：当你询问 seekdb 相关问题时，AI 助手会基于这些文档提供准确的回答。

步骤一：安装扩展​

  1. 在 Cursor 中打开扩展市场（Ctrl+Shift+X 或 Cmd+Shift+X）。
  2. 搜索 "seekdb"。
  3. 点击 Install 安装扩展。

步骤二：添加 seekdb 文档​

  1. 使用 Cursor 打开一个项目目录（文档将添加到该目录下）

  2. 打开命令面板：

    • Windows/Linux: 按 Ctrl+Shift+P。
    • macOS: 按 Cmd+Shift+P。

  3. 输入并选择命令：

    • 输入 "seekdb" 或 "Add seekdb Docs"。
    • 选择 Add seekdb Docs 命令。

  4. 文档将自动添加：

    • .cursor/rules/seekdb-docs 目录（官方文档）。
    • .cursor/rules/seekdb.mdc 文件（规则文件）。

  5. 重新加载窗口使规则生效

安装完成！现在你可以直接向 Cursor AI 助手询问任何 seekdb 相关问题了。

步骤三：使用 AI 助手创建一个 seekdb 混合搜索应用​

安装扩展并添加文档后，在 Cursor 中开始一个新对话，输入以下问题：

我想用 Python 创建一个简单的 seekdb 应用，实现文档的混合搜索功能，请帮我写代码

Cursor AI 助手会给出准确的回答：

"""
seekdb 混合搜索快速入门示例

这是一个最简化的混合搜索示例，帮助你快速上手。
"""

import pyseekdb

# 1. 创建客户端（嵌入式模式，无需部署数据库）
client = pyseekdb.Client()

# 2. 创建集合
collection = client.get_or_create_collection(name="my_docs")

# 3. 添加文档
documents = [
    "机器学习是人工智能的核心技术",
    "Python 是最流行的机器学习编程语言",
    "深度学习需要大量的训练数据",
    "自然语言处理让计算机理解人类语言",
    "向量数据库用于存储和检索向量数据",
]

metadatas = [
    {"category": "AI", "year": 2024},
    {"category": "Programming", "year": 2024},
    {"category": "AI", "year": 2023},
    {"category": "AI", "year": 2024},
    {"category": "Database", "year": 2024},
]

ids = [f"doc_{i}" for i in range(len(documents))]

collection.add(ids=ids, documents=documents, metadatas=metadatas)
print(f"已添加 {len(documents)} 个文档")

# 4. 执行混合搜索
# 结合全文搜索（包含"机器学习"）和向量语义搜索（查找与"AI技术"相似的内容）
results = collection.hybrid_search(
    query={
        "where_document": {"$contains": "机器学习"},  # 全文搜索：包含关键词
        "n_results": 10,
    },
    knn={
        "query_texts": ["AI技术"],  # 向量搜索：语义相似性
        "n_results": 10,
    },
    rank={"rrf": {}},  # 使用 RRF 算法融合结果
    n_results=3,
    include=["documents", "metadatas"],
)

# 5. 打印结果
print("\n混合搜索结果:")
for i, (doc_id, doc, meta) in enumerate(
    zip(results["ids"][0], results["documents"][0], results["metadatas"][0]), 1
):
    print(f"  [{i}] {doc}")
    print(f"      元数据: {meta}\n")

# 6. 清理（可选）
# client.delete_collection("my_docs")

步骤四：运行示例​

  1. 安装 pyseekdb

    pip install -U pyseekdb

  2. 创建文件并运行

    将上述代码保存为 quick_start_hybrid_search.py，然后运行：

    python quick_start_hybrid_search.py

  3. 查看结果

    已添加 5 个文档

    混合搜索结果:
      [1] 机器学习是人工智能的核心技术
          元数据: {'year': 2024, 'category': 'AI'}

      [2] 深度学习需要大量的训练数据
          元数据: {'year': 2023, 'category': 'AI'}

      [3] Python 是最流行的机器学习编程语言
          元数据: {'year': 2024, 'category': 'Programming'}

    混合搜索结合了关键词匹配（包含 "机器学习" 的文档）和语义搜索（与 "AI 技术" 语义相近的文档），通过 RRF（Reciprocal Rank Fusion）算法融合两路检索结果，返回最相关的文档。

步骤五：移除文档​

如果你不再需要 seekdb 文档，可以轻松移除：

  1. 打开命令面板（Ctrl+Shift+P 或 Cmd+Shift+P）。
  2. 输入 Remove seekdb Docs。
  3. 选择该命令执行。

文档将从 .cursor/rules 目录中移除。

Contents

编辑此页