คู่มือ Cursor ฉบับสมบูรณ์ — สั่ง AI สร้างทุกอย่าง ไม่ต้องเขียน Code เอง

Cursor คือ Code Editor ที่มี AI ในตัว — คิดซะว่ามันคือ "ผู้ช่วยที่เขียนโค้ดให้คุณ" คุณแค่บอกว่าอยากได้อะไร แล้ว AI จัดการให้

คู่มือนี้แบ่งเป็น 9 หมวดหมู่ 38 หัวข้อ เรียงจากพื้นฐานไปขั้นสูง — อ่านทั้งหมดหรือเลือกอ่านเฉพาะหมวดที่สนใจได้เลย

1. Cursor คืออะไร — เริ่มต้นจากศูนย์

1.1 Cursor คืออะไร? ทำไมต้องเปลี่ยนจาก VS Code

Cursor คือ Code Editor ที่ fork มาจาก VS Code — หน้าตาเหมือนกันเป๊ะ Extension เดิมใช้ได้หมด แต่มี AI ฝังอยู่ข้างในตั้งแต่วันแรก

ผมเลือก Cursor เพราะมันเปลี่ยน workflow จาก "นั่งเขียน code" เป็น "นั่งสั่ง AI" — ผมบอกว่าอยากได้อะไร AI เขียนให้ ผมแค่ตรวจแล้วกด Accept

1.2 ติดตั้งและตั้งค่าครั้งแรก

ดาวน์โหลด Cursor จากเว็บไซต์ cursor.com — มีทั้ง Mac, Windows, Linux ติดตั้งเสร็จเปิดโปรเจกต์ได้เลย Extension จาก VS Code ใช้ได้หมด

สิ่งที่ต้องตั้งค่าหลังติดตั้ง:

1. เลือก AI Model — เริ่มจาก Auto Mode ก่อน (Cursor เลือกโมเดลที่เหมาะให้เอง)
2. Privacy Mode — ถ้าทำงานกับข้อมูลลูกค้า เปิด Privacy Mode เพื่อไม่ให้ code ถูกส่งไป train AI
3. Rules for AI — ใส่กฎส่วนตัว เช่น "ตอบเป็นภาษาไทย" หรือ "ใช้ Tailwind CSS เท่านั้น"

1.3 ปุ่มลัด 3 ปุ่มที่ต้องจำ

ทั้ง Cursor มีฟีเจอร์เยอะมาก แต่ถ้าจำแค่ 3 ปุ่มนี้ ก็ใช้งานได้ 80% แล้ว:

1.4 Tab Completion — ให้ AI เติมโค้ดให้อัตโนมัติ

นอกจาก 3 ปุ่มหลัก Cursor มีฟีเจอร์ Tab Completion ที่ทำงานเบื้องหลังตลอดเวลา — พอคุณเริ่มพิมพ์อะไรสักอย่าง AI จะเสนอ code ที่มันคิดว่าคุณจะพิมพ์ต่อ กด Tab เพื่อรับ หรือกดพิมพ์ต่อถ้าไม่ต้องการ

1.5 Checkpoints — ย้อนเวลากลับไปแก้ไข

ทุกครั้งที่คุณคุยกับ AI และ AI แก้ code ให้ Cursor จะสร้าง Checkpoint ไว้อัตโนมัติ — เหมือน "Save Point" ในเกม ถ้า AI แก้แล้วพังหรือไม่ชอบ กดกลับไป Checkpoint เก่าได้ทันที

คิดว่ามันเป็น "Git สำหรับการคุยกับ AI" — คุณไม่ต้องกลัวว่า AI จะทำอะไรพัง เพราะย้อนกลับได้เสมอ

2. @ Symbols — สอน AI ให้เข้าใจโปรเจกต์ของคุณ

ปัญหาใหญ่ที่สุดของ AI คือ "มันไม่รู้ว่าโปรเจกต์คุณมีอะไร" — @ Symbols คือวิธีบอก AI ว่า "ไปอ่านไฟล์นี้ โฟลเดอร์นี้ เว็บนี้ ก่อนตอบ"

2.1 @Files & @Folders — ระบุไฟล์ที่เกี่ยวข้อง

@Files — ระบุไฟล์ที่ต้องการให้ AI อ่าน AI จะเห็นเนื้อหาทั้งหมดของไฟล์นั้น 100%

@Folders — ระบุโฟลเดอร์ทั้งหมด เหมาะกับคำถามเชิงโครงสร้าง

2.2 @Codebase — ค้นหาทั่วทั้งโปรเจกต์

@Codebase ให้ AI ค้นหาเชิงความหมาย (Semantic Search) ทั่วทั้งโปรเจกต์ — ไม่ใช่แค่หาคำ แต่เข้าใจ "ความหมาย" ของ code

2.3 @Docs — ดึงคู่มือ API ล่าสุดมาใช้

AI ถูก train มาจากข้อมูลเก่า — @Docs แก้ปัญหานี้โดยให้คุณเพิ่ม URL ของคู่มือ API ล่าสุดเข้าไป AI จะอ่านจากเอกสารจริงแทนที่จะเดา

วิธีเพิ่ม @Docs:

1. กด Cmd+Shift+P แล้วพิมพ์ "Cursor: Add Documentation"
2. ใส่ URL ของคู่มือ API ที่ต้องการ
3. รอ Cursor ทำ Index เสร็จ
4. ใช้ @Docs ในแชทเพื่อเรียกข้อมูลจากคู่มือนั้น

2.4 @Git — ดูประวัติการแก้ไข

@Git ให้ AI เข้าถึง Git history ของโปรเจกต์ — ดู diff ล่าสุด ดูว่าใครแก้อะไร เมื่อไหร่ ช่วยรีวิว code ก่อน commit ได้

2.5 @Web — ค้นหาข้อมูลจากอินเทอร์เน็ต

@Web ให้ AI ค้นหาข้อมูลจากเว็บ — เหมาะกับคำถามเกี่ยวกับ error message ที่ไม่เคยเจอ หรือต้องการข้อมูลล่าสุดที่ AI ยังไม่รู้

2.6 Notepads — บันทึกข้อมูลถาวรข้ามเซสชัน

Notepads คือบล็อกข้อความถาวรที่ AI อ่านได้ตลอดเวลา — ต่างจากแชทที่หายไปเมื่อเปิดใหม่ Notepads จะคงอยู่จนกว่าคุณจะลบ

ใช้ Notepads เก็บข้อมูลที่ต้องใช้บ่อย เช่น:

• โครงสร้าง database
• API endpoints ที่มีอยู่
• กฎของบริษัทหรือมาตรฐานการเขียน code

3. สามโหมดทำงาน — Chat, Plan, Agent

Cursor มี 3 โหมดหลักที่ทำงานคนละแบบ — เลือกให้ถูกโหมดเท่ากับได้ผลลัพธ์ดีขึ้น 10 เท่า

3.1 Chat Mode (Cmd+L) — ถาม-ตอบ + Mermaid Diagrams

Chat Mode คือโหมดพื้นฐานที่สุด — ถามอะไรก็ได้ AI ตอบ ขออธิบาย code ขอ debug ขอเขียน code ใหม่

จุดเด่น: สั่งให้ AI วาด Mermaid Diagram ในแชทได้ — เห็นผังการทำงานเป็นภาพโดยไม่ต้องเปิดโปรแกรมอื่น

3.2 Plan Mode (Shift+Tab) — ให้ AI เป็น "สถาปนิก" วางแผนก่อนทำ

Plan Mode คือ game changer — แทนที่จะให้ AI เขียน code ทันที สั่งให้มันวิเคราะห์ก่อน วางแผนก่อน แล้วค่อยลงมือทำ

วิธีเข้า Plan Mode:

1. กด Cmd+L หรือ Cmd+I เปิดแชท
2. กด Shift+Tab เพื่อสลับเป็น Plan Mode
3. AI จะเน้น "วิเคราะห์" แทน "เขียน code"

3.3 Agent Mode (Cmd+I) — สั่ง AI ทำงานข้ามหลายไฟล์

Agent Mode คือโหมดที่ทรงพลังที่สุด — AI ทำงานแบบ autonomous สร้างไฟล์ใหม่ แก้ไฟล์เก่า รัน command ใน Terminal ทำทุกอย่างเองจนเสร็จ

3.4 เมื่อไหร่ใช้โหมดไหน — Quick Decision Guide

4. เทคนิค Prompt — สั่ง AI ให้ได้ผลลัพธ์ที่ต้องการ

4.1 หลักการเขียน Prompt ที่ดี

Prompt ที่ดีต้องมี 3 องค์ประกอบ:

4.2 เทคนิค "AI Lead" — ปล่อยให้ AI นำทางก่อน

เทคนิคนี้สำคัญมาก — แทนที่จะบอก AI ทุกรายละเอียด ให้อธิบายเป้าหมายกว้างๆ แล้วให้ AI เสนอแผนเองก่อน แล้วค่อยปรับ

ข้อดีคือ AI จะเสนอแนวทางที่เข้ากับ codebase ของคุณ — ไม่ใช่แค่ copy template จากที่อื่นมาวาง

4.3 Prompt สำหรับวางโครงโปรเจกต์ใหม่

ถ้าเริ่มโปรเจกต์ใหม่ ใช้ Plan Mode + Agent Mode ร่วมกัน:

4.4 Prompt สำหรับ Refactor โค้ดเก่า

5. เลือก AI Model ให้เหมาะกับงาน

Cursor ให้เลือก AI Model ได้หลายตัว — แต่ละตัวเก่งคนละแบบ เลือกให้ถูกจะได้ผลลัพธ์ดีขึ้นเยอะ

5.1 Claude vs GPT vs Gemini vs DeepSeek

5.2 ตารางเลือก Model ตามประเภทงาน

5.3 Auto Mode — ให้ Cursor เลือกให้อัตโนมัติ

ถ้าไม่แน่ใจว่าจะใช้ model ไหน — เลือก Auto Mode แล้ว Cursor จะประเมินความซับซ้อนของงานและเลือก model ที่เหมาะสมให้เอง

5.4 กลยุทธ์สลับ Model เมื่อคุณภาพเริ่มตก

ถ้าใช้ model หนึ่งแล้วคำตอบเริ่มแย่ลง — อย่าส่ง prompt เดิมซ้ำ ให้สลับไปใช้ model อื่นแทน

6. .cursorrules — สร้างกฎให้ AI ทำตามเสมอ

ปัญหา: ทุกครั้งที่เปิดแชทใหม่ AI ลืมหมดว่าโปรเจกต์คุณใช้เทคโนโลยีอะไร มีกฎอะไร — .cursorrules แก้ปัญหานี้โดยสร้างไฟล์กฎที่ AI อ่านทุกครั้งโดยอัตโนมัติ

6.1 .cursorrules คืออะไร ทำไมต้องมี

ไฟล์ .cursorrules คือ "คำสั่งระบบ" (System Prompt) ที่ถูกส่งไปพร้อมกับทุกคำถามที่คุณถาม AI — ไม่ว่าจะใช้ Cmd+K, Cmd+L หรือ Cmd+I

ประโยชน์ที่วัดผลได้: ลดเวลาอธิบายบริบทซ้ำๆ ได้ 23-38 นาทีต่อ 1 ฟีเจอร์

6.2 โครงสร้างไฟล์ที่ดี

ไฟล์ .cursorrules ที่ดีควรมีหัวข้อเหล่านี้:

6.3 ตัวอย่าง .cursorrules สำหรับ Next.js

ถ้าคุณใช้ Next.js นี่คือ template ที่ copy ไปใช้ได้เลย:

6.4 บังคับ Testing & Edge Cases

คุณสามารถบังคับให้ AI เขียน Test ทุกครั้งที่สร้าง function ใหม่ — โดยเพิ่มกฎใน .cursorrules:

6.5 Security Guardrails

ป้องกันไม่ให้ AI สร้าง code ที่มีช่องโหว่ — เพิ่มกฎความปลอดภัยใน .cursorrules:

6.6 Protected Zones — ป้องกันไม่ให้ AI แก้โค้ดส่วนสำคัญ

ถ้ามี code ส่วนที่ห้ามแตะ — เช่น ส่วน performance-critical หรือ core logic:

7. Memory Bank — สมองส่วนนอกให้ AI จำได้ข้ามเซสชัน

7.1 ปัญหา "AI ความจำสั้น"

ปัญหาใหญ่ของ AI ใน Cursor คือ Stateless Sessions — ทุกครั้งที่เปิดแชทใหม่ AI ลืมทุกอย่างที่เคยคุยกัน ต้องอธิบายใหม่ตั้งแต่ต้น

และเมื่อแชทยาวเกินไป คุณภาพคำตอบจะเริ่มตกเพราะ "หน้าต่างบริบท" (Context Window) รับข้อมูลไม่ไหว

ทางแก้: สร้าง Memory Bank — "สมองส่วนนอก" ที่ AI อ่านได้ทุกครั้งที่เริ่มงาน

7.2 สร้าง .cursor/memory/ — 3 ไฟล์หลัก

สร้างโฟลเดอร์ .cursor/memory/ ที่ Root ของโปรเจกต์ และใส่ 3 ไฟล์นี้:

7.3 เชื่อมต่อ Memory Bank กับ .cursorrules

เพิ่มคำสั่งนี้ใน .cursorrules เพื่อบังคับให้ AI อ่าน Memory Bank ก่อนเริ่มงาน:

7.4 Session-end Ritual — อัปเดตความจำก่อนจบงาน

ก่อนจบการทำงานแต่ละครั้ง สั่งให้ AI อัปเดต Memory Bank:

8. การทำงานเป็นทีมกับ Cursor

8.1 .cursor/plans/ — บันทึกและแชร์แผนงาน

ก่อนเริ่มงานใหญ่ ใช้ Plan Mode สร้างแผนงานแล้วบันทึกไว้ใน .cursor/plans/ — Commit ลง Git เพื่อให้ทีมเห็นและรีวิวร่วมกัน

8.2 Phased Implementation — แบ่งงานเป็นเฟส

งานใหญ่ต้องแบ่งเป็นเฟส — ทำทีละส่วนแล้ว test ก่อนขยับไปเฟสถัดไป ถ้าพัง จะรู้ว่าเพราะเฟสไหน

8.3 Reference Implementation — สร้างตัวอย่างให้ AI เลียนแบบ

เทคนิคที่ได้ผลดีมากกับงานซ้ำๆ เช่น migration หลายไฟล์:

1. ทำไฟล์แรกให้ถูกต้อง 100% ด้วยตัวเอง (หรือ AI + คุณช่วยตรวจ)
2. Commit ไฟล์นั้น
3. บอก AI ว่า "ใช้ไฟล์นี้เป็นตัวอย่าง ทำที่เหลือตามแบบนี้"

AI จะเรียนรู้จาก "ตัวอย่างจริง" ได้แม่นกว่าอ่านกฎเป็นตัวอักษร

8.4 Code Review ด้วย Agent Mode + @Git

ก่อน commit หรือสร้าง Pull Request ใช้ Agent Mode + @Git ให้ AI ช่วยรีวิว code:

8.5 Custom Slash Commands

สร้างคำสั่งลัดใน Cursor เพื่อให้ทีมใช้ร่วมกัน — วางไฟล์ .mdc ไว้ใน .cursor/rules/:

• /commit — AI ร่างข้อความ commit ให้อัตโนมัติ
• /pr — AI สรุปงานเป็น Pull Request description
• /test — AI เขียน Unit Test สำหรับ function ที่เลือก

8.6 MCP — เชื่อม AI กับระบบภายนอก

MCP (Model Context Protocol) คือมาตรฐานสำหรับเชื่อม AI กับเครื่องมือภายนอก — เช่น database, API, ระบบ project management

ตัวอย่างที่ใช้ได้จริง:

• เชื่อม AI กับ Supabase — ถาม AI ว่า "ตารางนี้มีข้อมูลกี่แถว" แล้ว AI query ให้เลย
• เชื่อม AI กับ GitHub — สั่ง AI สร้าง issue หรือรีวิว PR
• เชื่อม AI กับ Slack — สั่ง AI ส่งสรุปงานให้ทีม

9. แก้ปัญหา — เมื่อ AI ไม่ทำตามสั่ง

9.1 AI หลอน (Hallucination) — สาเหตุและวิธีแก้

Hallucination คือเมื่อ AI "แต่งคำตอบขึ้นมาเอง" — ใช้ API ที่ไม่มีจริง แนะนำ function ที่ไม่ได้อยู่ใน codebase ของคุณ

วิธีลด Hallucination:

1. ใช้ @Files ระบุไฟล์ตรงๆ (แม่นยำ 100%) แทน @Codebase (แม่นยำ ~80%)
2. ใช้ @Docs เพิ่มคู่มือ API ล่าสุด ไม่ให้ AI เดา
3. ใช้ Plan Mode วิเคราะห์ก่อนลงมือทำ
4. ให้ AI อ้างอิง Memory Bank ก่อนตอบ

9.2 AI ลืม .cursorrules — 5 วิธีแก้ที่ได้ผล

ถ้า AI เริ่มไม่ทำตามกฎใน .cursorrules:

1. เปิดแชทใหม่ — แชทที่ยาวเกินไปจะทำให้บริบทล้น AI เริ่มลืมกฎ
2. ใช้ Memory Bank — แยกข้อมูลที่เปลี่ยนบ่อยไปไว้ใน .cursor/memory/
3. ลดขนาด .cursorrules — ห้ามเกิน 10,000 คำ ถ้ายาวเกินให้แยกไปเป็นไฟล์อ้างอิง
4. ใส่ตัวอย่าง code จริง — AI เรียนจากตัวอย่างได้ดีกว่าอ่านกฎ
5. สลับ model — Claude Sonnet มักทำตามกฎซับซ้อนได้ดีกว่า model อื่น

9.3 บริบทล้น — Start Fresh + /summarize

เมื่อแชทยาวเกิน 20-30 ข้อความ คุณภาพจะเริ่มตก:

• สรุปงานด้วย /summarize ก่อนปิดแชท
• เปิดแชทใหม่ทุกครั้งที่เริ่มงานใหม่
• อัปเดต activeContext.md ก่อนจบ session

9.4 Privacy & Security — ป้องกันข้อมูลรั่วไหล

ถ้าทำงานกับข้อมูลที่ sensitive:

• เปิด Privacy Mode — code ของคุณจะไม่ถูกส่งไป train AI
• ใช้ .cursorrules — เพิ่มกฎ "ห้ามแนะนำให้ใส่ secrets ใน code"
• ใช้ DeepSeek (Local) — ถ้าต้องการ privacy สูงสุด
• อย่าใส่ API Keys จริงในแชท — ใช้ placeholder แล้วเปลี่ยนทีหลัง

สรุป — Workflow ที่ผมใช้ทุกวัน

นี่คือ workflow ที่ผมใช้จริงกับ Cursor ทุกวัน:

คู่มือนี้จะอัปเดตเรื่อยๆ ตามที่ Cursor มีฟีเจอร์ใหม่ — Bookmark ไว้แล้วกลับมาอ่านได้เลย