آموزش اتصال Cursor به درواره؛ راهنمای کامل استفاده از کرسر با چند صد مدل هوش مصنوعی
Cursor را تنها با یک API به صدها مدل هوش مصنوعی متصل کنید. در این راهنما یاد میگیرید چگونه Cursor را به درواره متصل کنید و از مدلهایی مانند GPT 5.5، Claude، Gemini، Grok، DeepSeek، Qwen و دهها مدل دیگر بدون نیاز به حسابهای جداگانه و پرداخت ارزی استفاده کنید.
Cursor چیست؟
امروزه ابزارهای برنامهنویسی مبتنی بر هوش مصنوعی، شیوۀ توسعه نرمافزار را متحول کردهاند. در میان این ابزارها، Cursor یکی از محبوبترین و قدرتمندترین محیطهای توسعه (IDE) مبتنی بر هوش مصنوعی است که به توسعهدهندگان کمک میکند سریعتر کدنویسی کنند، خطاها را رفع کنند، کدهای قدیمی را بازنویسی کنند و حتی پروژههای کامل را تنها با چند دستور ایجاد کنند.
Cursor بر پایۀ Visual Studio Code توسعه یافته است؛ بنابراین اگر پیشتر از VS Code استفاده کرده باشید، تقریباً همه چیز برایتان آشنا خواهد بود. تفاوت اصلی این است که Cursor قابلیتهای هوش مصنوعی را بهصورت عمیق در تمام بخشهای محیط توسعه ادغام کرده است.
با Cursor میتوانید:
- کد تولید کنید.
- پروژههای بزرگ را تحلیل کنید.
- خطاها را پیدا و اصلاح کنید.
- تست بنویسید.
- مستندات تولید کنید.
- فایلهای متعدد را همزمان ویرایش کنید.
- با Agent هوشمند پروژه را توسعه دهید.
به همین دلیل Cursor امروز به یکی از محبوبترین ابزارهای برنامهنویسان حرفهای، تیمهای نرمافزاری و شرکتهای فناوری تبدیل شده است.
چرا Cursor به API مدلهای هوش مصنوعی نیاز دارد؟
برخلاف تصور بسیاری از کاربران، Cursor خودش یک مدل هوش مصنوعی نیست.
Cursor یک محیط توسعه هوشمند است که درخواستهای شما را به مدلهای زبانی (LLM) ارسال میکند و پاسخ آنها را در اختیار شما قرار میدهد.
به همین دلیل، برای استفاده از قابلیتهای هوش مصنوعی Cursor باید به یکی از ارائهدهندگان مدلهای هوش مصنوعی متصل شوید.
معمولاً کاربران از سرویسهایی مانند:
- OpenAI
- Anthropic
- xAI
- OpenRouter
- Azure OpenAI
استفاده میکنند.
اما هرکدام از این سرویسها محدودیتهای خاص خود را دارند:
- نیاز به پرداخت دلاری
- نیاز به کارت اعتباری بینالمللی
- نیاز به ساخت حساب جداگانه
- مدیریت چندین API Key
- صورتحسابهای متعدد
- دسترسی محدود در برخی کشورها
اگر بخواهید امروز از GPT 5.5 استفاده کنید و فردا Claude Opus را امتحان کنید، معمولاً باید حساب جدید، API جدید و روش پرداخت جداگانه داشته باشید.
اینجاست که درواره این فرایند را بسیار سادهتر میکند.
درواره چیست؟
درواره یک زیرساخت دسترسی به مدلهای هوش مصنوعی است که امکان استفاده از صدها مدل پیشرفته را تنها از طریق یک API سازگار با OpenAI فراهم میکند.
به جای آنکه برای هر ارائهدهنده حساب جداگانه بسازید، تنها کافی است:
- یک حساب در درواره ایجاد کنید.
- کیف پول ریالی خود را شارژ کنید.
- یک API Key بسازید.
- همان API را در Cursor معرفی کنید.
از این لحظه میتوانید تنها با تغییر نام مدل، بین صدها مدل مختلف جابهجا شوید.
برخی از مهمترین مزایای درواره عبارتاند از:
- دسترسی به بیش از ۴۵۰ مدل هوش مصنوعی
- API سازگار با OpenAI
- پرداخت کاملاً ریالی
- پنل مدیریتی فارسی
- یک کیف پول برای تمام مدلها
- یک API Key برای تمام سرویسها
- امکان تغییر مدل بدون تغییر کد
- مناسب برای توسعهدهندگان، استارتاپها و سازمانها
چرا Cursor را به درواره متصل کنیم؟
اگر از Cursor بهصورت حرفهای استفاده میکنید، احتمالاً در طول یک پروژه به مدلهای مختلف نیاز خواهید داشت.
برای مثال:
- تولید کد با GPT 5.5
- بازبینی کد با Claude
- تحلیل اسناد با Gemini
- تولید کد سریع با Qwen
- حل مسائل پیچیده با DeepSeek
- نمونهسازی سریع با Grok
اگر هر مدل را مستقیماً از ارائهدهندۀ اصلی تهیه کنید، باید چندین حساب، چندین API Key و چندین روش پرداخت را مدیریت کنید.
اما با درواره تمام این مدلها از طریق یک API در دسترس هستند.
مزایای استفاده از درواره در Cursor
- دسترسی به صدها مدل هوش مصنوعی تنها با یک API
- پرداخت ریالی بدون نیاز به کارت اعتباری بینالمللی
- سازگاری کامل با رابط OpenAI
- امکان تغییر مدل تنها با تغییر نام مدل
- مناسب برای پروژههای شخصی، تیمی و سازمانی
- مدیریت متمرکز هزینهها
- یک داشبورد برای مشاهده میزان مصرف
- امکان استفاده از جدیدترین مدلها بهمحض اضافه شدن به درواره
قابلیتهای هوش مصنوعی Cursor
پیش از شروع اتصال Cursor به درواره، بهتر است با مهمترین قابلیتهای Cursor آشنا شوید.
۱. Chat
بخش Chat امکان گفتوگو با مدل هوش مصنوعی را فراهم میکند.
میتوانید سؤالات فنی بپرسید، معماری پروژه را بررسی کنید یا از مدل بخواهید بخشی از کد را توضیح دهد.
۲. Agent
Agent یکی از مهمترین قابلیتهای Cursor است.
در این حالت، مدل تنها به پاسخ دادن محدود نیست؛ بلکه میتواند فایلهای مختلف پروژه را بررسی کند، تغییرات لازم را اعمال کند و پیشنهادهای هوشمند ارائه دهد.
برای مثال میتوانید از Agent بخواهید:
- یک قابلیت جدید به پروژه اضافه کند.
- خطاهای پروژه را برطرف کند.
- تستها را بنویسد.
- ساختار پروژه را بازآرایی کند.
- مستندات ایجاد کند.
۳. Edit
در حالت Edit کافی است بخشی از کد را انتخاب کنید و توضیح دهید چه تغییری میخواهید.
برای نمونه:
این تابع را به Async تبدیل کن.
یا:
این کد را مطابق استاندارد PSR-12 بازنویسی کن.
Cursor تغییرات را پیشنهاد میدهد و شما میتوانید آنها را تأیید یا رد کنید.
۴. Tab Completion
یکی از محبوبترین قابلیتهای Cursor، تکمیل هوشمند کد است.
هنگام تایپ، مدل بر اساس فایل فعلی، سایر فایلهای پروژه و الگوهای برنامهنویسی، ادامۀ کد را پیشنهاد میدهد.
در بسیاری از موارد، تنها با فشردن کلید Tab میتوانید چندین خط کد را بهصورت خودکار وارد کنید.
۵. Codebase Understanding
Cursor میتواند کل پروژه را درک کند.
برخلاف بسیاری از ابزارهای قدیمی که فقط فایل جاری را مشاهده میکنند، Cursor روابط بین فایلها، کلاسها، توابع و وابستگیها را نیز تحلیل میکند.
به همین دلیل پاسخهای آن بسیار دقیقتر و کاربردیتر هستند.
چرا استفاده از مدل مناسب اهمیت دارد؟
تمام مدلهای هوش مصنوعی عملکرد یکسانی ندارند.
برخی در برنامهنویسی بسیار قدرتمند هستند، برخی در استدلال منطقی، برخی در سرعت و برخی در هزینۀ کمتر.
یکی از مزیتهای بزرگ اتصال Cursor به درواره این است که هر زمان بخواهید میتوانید مدل مناسب هر وظیفه را انتخاب کنید؛ بدون آنکه نیاز باشد تنظیمات پیچیده یا حسابهای کاربری متعدد داشته باشید.
در بخشهای بعدی، بهصورت عملی نحوۀ اتصال Cursor به درواره، ایجاد API Key، تنظیم Base URL، انتخاب مدل مناسب و استفاده از قابلیتهای مختلف Cursor را گامبهگام بررسی خواهیم کرد.

آموزش اتصال Cursor به درواره (مرحلهبهمرحله)
در این بخش، Cursor را به درواره متصل میکنیم تا بتوانید تنها با یک API به صدها مدل هوش مصنوعی دسترسی داشته باشید.
پس از پایان این راهنما میتوانید از آخرین مدلهایی مانند:
- GPT
- Claude Opus
- Claude Sonnet
- Gemini
- Grok
- DeepSeek
- Qwen
- Kimi
- Llama
- Mistral
و صدها مدل دیگر مستقیماً در Cursor استفاده کنید.
پیشنیازها
پیش از شروع، مطمئن شوید موارد زیر را در اختیار دارید:
- آخرین نسخه Cursor نصب شده باشد.
- در درواره حساب کاربری ایجاد کرده باشید.
- کیف پول خود را شارژ کرده باشید.
- یک API Key ساخته باشید.
- اتصال اینترنت برقرار باشد.
اگر هنوز حساب درواره ندارید، ابتدا ثبتنام کرده و کیف پول خود را شارژ کنید.
مرحله اول: نصب Cursor
اگر Cursor را نصب نکردهاید، ابتدا آخرین نسخه را از وبسایت رسمی Cursor دانلود و نصب کنید.
پس از نصب، وارد حساب کاربری خود شوید.
اگر قبلاً از VS Code استفاده کرده باشید، Cursor میتواند تنظیمات، افزونهها و حتی میانبرهای صفحهکلید شما را نیز وارد کند.
مرحله دوم: ایجاد API Key در درواره
اکنون باید یک API Key ایجاد کنید.
وارد داشبورد درواره شوید.
از منوی سمت راست وارد بخش:
API Keys
شوید.
سپس روی گزینه:
ایجاد API Key
کلیک کنید.
برای کلید خود یک نام انتخاب کنید؛ برای مثال:
Cursor Personal
یا
Laptop Cursor
سپس کلید ایجادشده را در محلی امن ذخیره کنید.
نکته: به دلایل امنیتی، معمولاً API Key فقط یک بار نمایش داده میشود. اگر آن را گم کنید باید کلید جدیدی ایجاد کنید.
نمونهای از API Key:
dv_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
مرحله سوم: باز کردن تنظیمات Cursor
اکنون Cursor را اجرا کنید.
از منوی بالا وارد:
Settings
شوید.
سپس بخش مربوط به Models یا AI را باز کنید.
در نسخههای جدید Cursor، تنظیمات مدلهای هوش مصنوعی در همین بخش قرار دارد.
مرحله چهارم: انتخاب OpenAI Compatible API
یکی از مزیتهای مهم درواره این است که API آن با استاندارد OpenAI سازگار است.
به همین دلیل Cursor بدون هیچ افزونهای میتواند به درواره متصل شود.
در قسمت Provider گزینه OpenAI Compatible را انتخاب کنید (در نسخههایی که این گزینه وجود دارد)، یا تنظیمات OpenAI را بهگونهای تغییر دهید که از Base URL سفارشی استفاده کند.
مرحله پنجم: وارد کردن Base URL
در قسمت Base URL مقدار زیر را وارد کنید:
https://api.darvareh.ir/v1
این همان آدرسی است که تمام درخواستهای Cursor به آن ارسال میشود.
پس از ثبت این مقدار، Cursor به جای اتصال مستقیم به یک ارائهدهنده، از طریق درواره به مدل انتخابی شما متصل خواهد شد.
مرحله ششم: وارد کردن API Key
در قسمت API Key، کلیدی را که در مرحله دوم ایجاد کردید وارد کنید.
برای مثال:
dv_xxxxxxxxxxxxxxxxxxxxxxxxx
پس از ذخیره تنظیمات، Cursor آماده برقراری ارتباط با درواره خواهد بود.
مرحله هفتم: انتخاب مدل
اکنون مهمترین بخش آغاز میشود.
به جای اینکه تنها به یک مدل محدود باشید، میتوانید از میان صدها مدل موجود در درواره انتخاب کنید.
برای نمونه:
| کاربرد | مدل پیشنهادی |
|---|---|
| توسعه عمومی نرمافزار | GPT 5.5 |
| Refactoring پروژههای بزرگ | Claude Opus |
| برنامهنویسی روزمره | Claude Sonnet |
| تحلیل کد | Gemini |
| سرعت بالا | Qwen |
| هزینه کمتر | DeepSeek |
| استدلال پیچیده | Grok |
یکی از مزیتهای درواره این است که در آینده نیز با اضافه شدن مدلهای جدید، بدون تغییر تنظیمات Cursor میتوانید از آنها استفاده کنید.
اولین تست اتصال
برای اطمینان از اینکه همه چیز بهدرستی تنظیم شده است، یک پروژه جدید باز کنید.
سپس در پنجره Chat بنویسید:
Explain this project.
اگر پروژه خالی است، میتوانید این دستور را امتحان کنید:
Create a simple FastAPI application with one endpoint.
یا:
Create a Todo app using Next.js and TypeScript.
اگر پاسخ مدل نمایش داده شد، اتصال Cursor به درواره با موفقیت انجام شده است.
تست قابلیت Agent
یکی از بهترین روشهای اطمینان از عملکرد صحیح، استفاده از Agent است.
برای مثال بنویسید:
Analyze the entire project and suggest improvements.
یا:
Find bugs in this project.
یا:
Refactor the authentication module.
اگر Agent بتواند فایلهای پروژه را بررسی و پیشنهاد ارائه کند، یعنی اتصال شما بهدرستی برقرار شده است.
بهترین تنظیمات پیشنهادی Cursor برای استفاده با درواره
اگر بهصورت حرفهای برنامهنویسی میکنید، این تنظیمات معمولاً بهترین تجربه را فراهم میکنند:
| تنظیم | مقدار پیشنهادی |
|---|---|
| Provider | OpenAI Compatible |
| Base URL | https://api.darvareh.ir/v1 |
| API Key | کلید ایجادشده در درواره |
| مدل پیشفرض | GPT 5.5 |
| Agent | فعال |
| Chat | فعال |
| Edit | فعال |
| Tab Completion | فعال |
امنیت API Key
API Key شما همانند رمز عبور حساب کاربری است.
بنابراین:
- آن را در Git Commit نکنید.
- در فایلهای عمومی قرار ندهید.
- در مخازن GitHub منتشر نکنید.
- در اسکرینشاتها نمایش ندهید.
- در صورت افشای کلید، بلافاصله آن را غیرفعال کرده و یک کلید جدید ایجاد کنید.
اگر روی چند دستگاه کار میکنید، بهتر است برای هر دستگاه یک API Key جداگانه بسازید تا در صورت نیاز بتوانید دسترسی همان دستگاه را لغو کنید، بدون اینکه سایر دستگاهها تحت تأثیر قرار گیرند.
عالی. از اینجا به بعد مقاله وارد بخشی میشود که معمولاً در مقالات فارسی وجود ندارد؛ یعنی آموزش استفاده واقعی از Cursor در پروژههای واقعی. این بخش باعث میشود مقاله هم برای موتورهای جستجو ارزش بالاتری داشته باشد و هم نرخ ماندگاری کاربران افزایش پیدا کند.
استفاده از Cursor با درواره در پروژههای واقعی
اتصال Cursor به درواره تنها اولین قدم است. ارزش واقعی این ترکیب زمانی مشخص میشود که از مدلهای مختلف هوش مصنوعی در سناریوهای واقعی توسعه نرمافزار استفاده کنید.
در این بخش چند نمونه از کاربردهای عملی Cursor را بررسی میکنیم.
توسعه پروژههای Laravel
اگر روی پروژههای Laravel کار میکنید، Cursor میتواند بسیاری از وظایف روزمره را بهصورت خودکار انجام دهد.
برای مثال فرض کنید یک پروژه فروشگاهی دارید و میخواهید سیستم مدیریت سفارشها را اضافه کنید.
میتوانید از Agent درخواست کنید:
Create a complete Order module for Laravel.
Requirements:
- Migration
- Model
- Controller
- Resource Controller
- Validation
- API Resources
- Routes
- Feature Tests
Follow Laravel 12 best practices.
Cursor ابتدا ساختار پروژه را بررسی میکند، سپس فایلهای موردنیاز را ایجاد کرده و کدها را مطابق ساختار پروژه شما تولید میکند.
بازنویسی کدهای قدیمی
فرض کنید پروژهای چند ساله دارید و میخواهید آن را مطابق استانداردهای جدید Laravel بازنویسی کنید.
کافی است بنویسید:
Refactor this controller using Laravel best practices.
Remove duplicated code.
Improve readability.
Keep existing functionality.
در بیشتر موارد Cursor تغییرات را پیشنهاد میدهد و قبل از اعمال، آنها را برای تأیید نمایش میدهد.
توسعه پروژههای Next.js
یکی از بهترین ترکیبها، استفاده از Cursor برای توسعه برنامههای React و Next.js است.
برای مثال:
Create a complete dashboard page.
Use Next.js App Router.
Use TypeScript.
Responsive design.
Add loading state.
Add error handling.
یا:
Convert this page into reusable components.
توسعه React
برای پروژههای React نیز Cursor عملکرد بسیار خوبی دارد.
نمونه درخواست:
Convert this component into reusable hooks.
Optimize rendering.
Improve performance.
یا:
Split this component into smaller components.
توسعه FastAPI
اگر از Python استفاده میکنید، Cursor میتواند در طراحی API، مدلهای داده و مستندات کمک زیادی کند.
نمونه:
Create a production-ready FastAPI project.
Requirements:
JWT Authentication
SQLAlchemy
Alembic
Docker
Pytest
OpenAPI
Logging
Environment variables
توسعه Django
نمونه:
Create an authentication system using Django REST Framework.
Use JWT.
Add Swagger documentation.
Write unit tests.
توسعه Flutter
برای توسعه اپلیکیشنهای Flutter نیز Cursor میتواند صفحات، Providerها، مدیریت وضعیت و معماری پروژه را تولید کند.
نمونه:
Create a clean Flutter architecture.
Use Riverpod.
Add Authentication.
Create Login and Register screens.
استفاده از Agent برای توسعه قابلیتهای جدید
یکی از قدرتمندترین قابلیتهای Cursor، Agent است.
بهجای اینکه فایلها را یکییکی ویرایش کنید، میتوانید هدف خود را بیان کنید.
برای مثال:
Add multi-language support.
Update all pages.
Use i18n.
Don't break existing functionality.
یا:
Add role-based access control to the whole project.
Agent فایلهای مرتبط را پیدا کرده و تغییرات لازم را پیشنهاد میدهد.
تولید تستهای خودکار
نوشتن تست یکی از زمانبرترین بخشهای توسعه نرمافزار است.
Cursor میتواند برای بسیاری از پروژهها تستهای مناسبی تولید کند.
برای مثال:
Write unit tests for this service.
یا:
Write Feature Tests for this API.
Cover edge cases.
Use PHPUnit.
مستندسازی پروژه
اگر پروژه بزرگی دارید، تولید مستندات معمولاً زمان زیادی میگیرد.
Cursor میتواند:
- README
- مستندات API
- توضیح کلاسها
- توضیح توابع
- راهنمای نصب
را تولید کند.
نمونه:
Generate a professional README for this project.
بررسی امنیت پروژه
Cursor میتواند بسیاری از مشکلات امنیتی را نیز شناسایی کند.
برای مثال:
Review this project for security vulnerabilities.
OWASP Top 10
Authentication
Authorization
SQL Injection
XSS
CSRF
Secrets
بهینهسازی عملکرد
نمونه:
Analyze this project.
Find performance bottlenecks.
Suggest improvements.
Do not change functionality.
مهاجرت نسخههای قدیمی
فرض کنید پروژه شما روی Laravel 10 نوشته شده است.
میتوانید از Cursor بخواهید:
Upgrade this project to Laravel 12.
Follow official upgrade guide.
List breaking changes.
یا:
Upgrade React 18 to React 19.
تولید مستندات API
برای پروژههای بزرگ:
Generate OpenAPI documentation for this project.
تحلیل کل پروژه
یکی از کاربردیترین Promptها:
Analyze the entire codebase.
Explain architecture.
Identify technical debt.
Suggest improvements.
Estimate project complexity.
تولید Feature جدید
فرض کنید پروژه فروشگاهی دارید.
Prompt:
Implement Wishlist feature.
Include:
Database
Models
Controllers
Routes
Validation
Tests
API Documentation
پیدا کردن باگ
یکی از قابلیتهایی که بسیاری از توسعهدهندگان از آن استفاده میکنند:
Find the root cause of this bug.
Explain why it happens.
Provide the safest fix.
Code Review
قبل از Merge کردن Pull Request میتوانید بنویسید:
Review this code.
Focus on:
Performance
Security
Readability
Maintainability
Best Practices
بهبود کیفیت کد
یکی از Promptهای بسیار مفید:
Improve code quality.
Do not change business logic.
Reduce complexity.
Improve naming.
Remove duplication.
تولید Commit Message
پس از اعمال تغییرات:
Generate Conventional Commit message.
یا:
Generate Git commit message.
Short.
Professional.
استفاده از مدل مناسب برای هر وظیفه
یکی از مزیتهای بزرگ درواره این است که مجبور نیستید برای تمام کارها از یک مدل استفاده کنید. بسته به نوع فعالیت، میتوانید مدل مناسب را انتخاب کنید تا هم کیفیت بهتری بگیرید و هم هزینه را بهینه کنید.
| وظیفه | مدل پیشنهادی | دلیل |
|---|---|---|
| تولید کد پیچیده | GPT 5.5 | دقت بالا در منطق و معماری |
| بازآرایی (Refactoring) | Claude Opus | تحلیل عمیق و حفظ ساختار پروژه |
| توسعه روزمره | Claude Sonnet | تعادل مناسب بین کیفیت و سرعت |
| تحلیل مستندات | Gemini | عملکرد خوب در پردازش متنهای طولانی |
| تولید کد اقتصادی | Qwen | سرعت بالا و هزینه کمتر |
| نمونهسازی سریع | DeepSeek | مناسب برای ایدهپردازی و توسعه اولیه |
| تحلیل و استدلال | Grok | مناسب برای بررسی سناریوهای پیچیده |
بهترین Promptها برای استفاده از Cursor
یکی از مهمترین عواملی که کیفیت خروجی Cursor را تعیین میکند، نحوۀ نوشتن Prompt است. هرچه درخواست شما دقیقتر و همراه با جزئیات باشد، پاسخ مدل نیز کاربردیتر خواهد بود.
در ادامه مجموعهای از Promptهای کاربردی را میبینید که میتوانید متناسب با پروژه خود از آنها استفاده کنید.
نکته: بیشتر این Promptها با مدلهای مختلف در دسترس از طریق درواره، مانند GPT 5.5، Claude، Gemini و سایر مدلهای برنامهنویسی، عملکرد بسیار خوبی دارند.
تحلیل پروژه
اگر بهتازگی وارد یک پروژه شدهاید یا قصد دارید ساختار آن را بهتر درک کنید، ابتدا از مدل بخواهید کل پروژه را بررسی کند.
Analyze the entire codebase.
Explain:
- Project architecture
- Folder structure
- Design patterns
- Main services
- Data flow
- Potential technical debt
Generate a summary for a new developer.
تولید قابلیت جدید
به جای درخواستهای کوتاه، ویژگی موردنظر را با جزئیات کامل توضیح دهید.
Implement a complete notification system.
Requirements:
- Database
- REST API
- Email notifications
- Retry queue
- Unit Tests
- Documentation
Follow existing project architecture.
Refactoring حرفهای
Refactor this module.
Goals:
- Improve readability
- Reduce complexity
- Remove duplicated logic
- Keep behavior unchanged
- Follow SOLID principles
پیدا کردن باگ
Find the root cause.
Don't guess.
Analyze execution flow.
Explain why this bug happens.
Suggest the safest fix.
بررسی امنیت
Review this project for security issues.
Check:
Authentication
Authorization
Input Validation
SQL Injection
XSS
CSRF
Secrets
Rate Limiting
Recommend improvements.
افزایش سرعت پروژه
Analyze performance.
Find slow operations.
Suggest optimizations.
Estimate expected improvement.
تولید تست
Write comprehensive unit tests.
Cover:
Happy Path
Edge Cases
Error Cases
Validation
Mock external services.
تولید مستندات
Generate documentation.
Include:
Architecture
Installation
Environment Variables
API
Examples
Deployment
بررسی Pull Request
Review this Pull Request.
Focus on:
Correctness
Performance
Security
Maintainability
Coding Style
Best Practices
مهاجرت نسخه
Upgrade this project.
List:
Breaking Changes
Required Changes
Migration Steps
Testing Checklist
توضیح کد
Explain this code.
Assume I'm a new team member.
Use simple language.
تولید Commit Message
Generate Conventional Commit message.
تولید Release Notes
Generate Release Notes from recent changes.
ساخت Docker
Create production-ready Dockerfile.
Optimize image size.
Follow Docker best practices.
ساخت CI/CD
Create GitHub Actions workflow.
Run:
Lint
Tests
Build
Deploy
طراحی دیتابیس
Design database schema.
Requirements:
Scalable
Normalized
Index strategy
Soft Deletes
Audit Fields
طراحی API
Design REST API.
Follow REST best practices.
Include:
Authentication
Pagination
Filtering
Sorting
Validation
Error Responses
تولید Migration
Create database migration.
Include indexes.
Use foreign keys.
Optimize performance.
تولید README
Generate professional README.
Include badges.
Installation.
Configuration.
Examples.
Deployment.
بهترین روش استفاده از مدلهای مختلف در Cursor
یکی از مزیتهای اصلی درواره این است که برای هر وظیفه میتوانید مدل مناسب را انتخاب کنید؛ بدون اینکه لازم باشد تنظیمات پیچیدهای انجام دهید یا چندین حساب کاربری داشته باشید.
در جدول زیر پیشنهادهای کلی برای انتخاب مدل آمده است. توجه داشته باشید که عملکرد مدلها با انتشار نسخههای جدید ممکن است تغییر کند و بهتر است در پروژههای مهم، چند مدل را نیز مقایسه کنید.
| سناریو | مدل پیشنهادی |
|---|---|
| طراحی معماری پروژه | GPT 5.5 |
| تولید کد | GPT 5.5 |
| Refactoring | Claude Opus |
| بررسی Pull Request | Claude Opus |
| تحلیل پروژههای بزرگ | Claude Sonnet |
| مستندسازی | Gemini |
| نمونهسازی سریع | Qwen |
| کاهش هزینه | DeepSeek |
| تحلیل منطقی | Grok |
چگونه هزینه استفاده از Cursor را کاهش دهیم؟
اگر روزانه ساعتهای زیادی از Cursor استفاده میکنید، مدیریت هزینه اهمیت زیادی پیدا میکند. با درواره میتوانید بسته به نوع کار، مدل مناسب را انتخاب کنید و از مدلهای گرانتر فقط زمانی استفاده کنید که واقعاً به توانایی آنها نیاز دارید.
۱. برای کارهای ساده از مدلهای اقتصادی استفاده کنید
کارهایی مانند:
- توضیح کد
- تولید README
- تولید تستهای ساده
- اصلاح متن
- تغییر نام متغیرها
معمولاً نیازی به قدرتمندترین مدلها ندارند و میتوان آنها را با مدلهای اقتصادی انجام داد.
۲. مدلهای پیشرفته را برای کارهای پیچیده نگه دارید
برای مثال:
- طراحی معماری سیستم
- تحلیل پروژههای بزرگ
- Refactoring گسترده
- بررسی امنیت
- تحلیل خطاهای پیچیده
استفاده از مدلهای پیشرفته معمولاً ارزش بیشتری ایجاد میکند.
۳. از Context مناسب استفاده کنید
ارسال کل پروژه در هر درخواست، علاوه بر افزایش زمان پاسخ، ممکن است هزینه بیشتری نیز ایجاد کند. بهتر است تنها فایلها و بخشهایی را در اختیار مدل قرار دهید که برای حل مسئله لازم هستند.
۴. Prompt دقیق بنویسید
هرچه درخواست شما واضحتر باشد، احتمال نیاز به تکرار و اصلاح پاسخ کمتر میشود. این کار علاوه بر صرفهجویی در زمان، مصرف توکن را نیز کاهش میدهد.
خطاهای رایج هنگام اتصال Cursor به درواره
در ادامه، رایجترین خطاهایی که ممکن است هنگام استفاده از Cursor با API درواره با آنها روبهرو شوید را بررسی میکنیم.
خطای Unauthorized یا Invalid API Key
علتهای احتمالی:
- API Key اشتباه وارد شده است.
- کلید غیرفعال یا حذف شده است.
- فاصله اضافی در ابتدای یا انتهای کلید وجود دارد.
راهحل:
- کلید را دوباره بررسی کنید.
- در صورت نیاز، یک API Key جدید در درواره ایجاد کنید.
- از کپی شدن کامل کلید مطمئن شوید.
خطای Model Not Found
علتهای احتمالی:
- نام مدل را اشتباه وارد کردهاید.
- مدل موردنظر دیگر در دسترس نیست یا تغییر نام داده است.
راهحل:
- فهرست مدلهای موجود در درواره را بررسی کنید.
- از نام دقیق مدل استفاده کنید.
خطای Rate Limit
علتهای احتمالی:
- تعداد درخواستها در مدت کوتاهی بیش از حد مجاز بوده است.
راهحل:
- چند لحظه صبر کنید و دوباره تلاش کنید.
- در صورت نیاز، محدودیتهای مصرف API Key خود را بررسی کنید.
خطای Timeout
علتهای احتمالی:
- مدل انتخابشده مشغول است.
- درخواست بسیار بزرگ است.
- اتصال اینترنت ناپایدار است.
راهحل:
- دوباره تلاش کنید.
- در صورت امکان، حجم درخواست را کاهش دهید یا از مدلی سریعتر استفاده کنید.
پاسخهای نامرتبط یا بیکیفیت
این مورد همیشه به مدل مربوط نیست و اغلب به کیفیت Prompt بستگی دارد.
برای بهبود نتیجه:
- هدف را دقیق بیان کنید.
- اطلاعات زمینه (Context) کافی ارائه دهید.
- محدودیتها و انتظارات خود را مشخص کنید.
- در صورت نیاز، نمونه خروجی مطلوب را نیز ارائه کنید.
عالی. حالا به بخش پایانی مقاله میرسیم. این قسمت برای سئو اهمیت زیادی دارد، چون شامل FAQ، نکات حرفهای و جمعبندی است؛ بخشهایی که معمولاً بیشترین شانس را برای نمایش در نتایج جستجو و پاسخهای هوش مصنوعی دارند.
نکات حرفهای برای استفاده از Cursor با درواره
اگر قصد دارید از Cursor بهصورت روزانه و در پروژههای واقعی استفاده کنید، رعایت چند نکته ساده میتواند کیفیت خروجی، سرعت توسعه و حتی هزینه استفاده از مدلهای هوش مصنوعی را بهبود دهد.
۱. از مدل مناسب برای هر وظیفه استفاده کنید
هیچ مدلی برای تمام سناریوها بهترین نیست. برای مثال، ممکن است یک مدل در تحلیل معماری پروژه عملکرد بهتری داشته باشد و مدل دیگری در تولید کد یا بازآرایی فایلهای بزرگ.
از آنجا که درواره دسترسی به صدها مدل را از طریق یک API فراهم میکند، میتوانید بسته به نیاز پروژه، مدل مناسب را انتخاب کنید و بدون تغییر تنظیمات اصلی Cursor بین مدلها جابهجا شوید.
۲. درخواستهای بزرگ را به مراحل کوچکتر تقسیم کنید
بهجای اینکه از مدل بخواهید کل پروژه را در یک مرحله بازنویسی کند، بهتر است کار را به چند مرحله تقسیم کنید.
برای مثال:
- تحلیل معماری
- شناسایی مشکلات
- پیشنهاد راهکار
- اعمال تغییرات در هر ماژول
- تولید تست
- بازبینی نهایی
این روش معمولاً خروجی دقیقتر و قابلکنترلتری ایجاد میکند.
۳. قبل از اعمال تغییرات، آنها را بررسی کنید
اگرچه Cursor در بسیاری از موارد پیشنهادهای بسیار خوبی ارائه میدهد، اما بهتر است تغییرات را قبل از پذیرش نهایی مرور کنید؛ بهویژه در پروژههای تولیدی (Production).
بازبینی انسانی همچنان نقش مهمی در حفظ کیفیت کد و جلوگیری از خطاهای ناخواسته دارد.
۴. از سیستم کنترل نسخه استفاده کنید
پیش از انجام تغییرات گسترده با کمک هوش مصنوعی، یک Commit جدید ایجاد کنید یا شاخه (Branch) جداگانهای بسازید.
این کار باعث میشود در صورت نیاز بتوانید به نسخه قبلی پروژه بازگردید.
۵. اطلاعات حساس را با دقت مدیریت کنید
از قرار دادن اطلاعات محرمانه مانند موارد زیر در Promptها خودداری کنید:
- کلیدهای API
- گذرواژهها
- توکنهای دسترسی
- اطلاعات بانکی
- کلیدهای خصوصی
- دادههای شخصی کاربران
در صورت نیاز، از مقادیر نمونه (Placeholder) استفاده کنید.
۶. مستندات پروژه را بهروز نگه دارید
پس از اضافه شدن قابلیتهای جدید یا تغییرات مهم، از Cursor بخواهید مستندات پروژه را نیز بهروزرسانی کند. این کار باعث میشود اعضای تیم و توسعهدهندگان جدید سریعتر با ساختار پروژه آشنا شوند.
۷. خروجی مدل را معیار نهایی ندانید
مدلهای هوش مصنوعی ابزارهای قدرتمندی هستند، اما ممکن است در برخی موارد پیشنهادهایی ارائه دهند که با نیازهای پروژه یا استانداردهای سازمان شما همخوانی نداشته باشد.
همیشه پیشنهادها را با منطق کسبوکار، استانداردهای کدنویسی و نیازهای واقعی پروژه تطبیق دهید.
پرسشهای متداول (FAQ)
آیا Cursor بهصورت پیشفرض از درواره پشتیبانی میکند؟
Cursor از APIهای سازگار با OpenAI پشتیبانی میکند و درواره نیز همین استاندارد را ارائه میدهد. بنابراین با وارد کردن Base URL و API Key میتوانید از مدلهای درواره در Cursor استفاده کنید.
آیا برای هر مدل باید API Key جداگانه بسازم؟
خیر. با یک API Key درواره میتوانید به تمام مدلهایی که در حساب شما در دسترس هستند متصل شوید.
آیا میتوانم بین مدلها جابهجا شوم؟
بله. یکی از مزیتهای اصلی درواره این است که میتوانید بدون ساخت حسابهای جداگانه، مدل موردنظر خود را انتخاب کنید و در صورت نیاز آن را تغییر دهید.
آیا برای استفاده از درواره به کارت اعتباری بینالمللی نیاز دارم؟
خیر. درواره از پرداخت ریالی پشتیبانی میکند و نیازی به کارتهای اعتباری بینالمللی نیست.
آیا Cursor فقط برای زبانهای خاصی مناسب است؟
خیر. Cursor از زبانها و فناوریهای مختلف پشتیبانی میکند، از جمله:
- Python
- JavaScript
- TypeScript
- PHP
- Go
- Java
- C#
- C++
- Rust
- Kotlin
- Swift
- Dart
- SQL
و بسیاری از زبانها و فریمورکهای دیگر.
آیا میتوانم از Cursor برای پروژههای بزرگ استفاده کنم؟
بله. Cursor برای تحلیل و توسعه پروژههای بزرگ نیز طراحی شده است و میتواند با بررسی چندین فایل، پیشنهادهای مرتبط ارائه دهد. با این حال، کیفیت خروجی به مدل انتخابی، میزان Context و نحوۀ نگارش Prompt نیز بستگی دارد.
آیا امکان استفاده تیمی از درواره وجود دارد؟
بله. بسته به نیاز سازمان، میتوانید از APIهای درواره در پروژههای تیمی نیز استفاده کنید و مصرف API را از طریق داشبورد مدیریت کنید.
اگر مدل جدیدی به درواره اضافه شود، باید تنظیمات Cursor را تغییر دهم؟
در بیشتر موارد خیر. کافی است نام مدل جدید را انتخاب کنید؛ نیازی به تغییر Base URL یا ایجاد API Key جدید نیست.
آیا میتوان از Cursor برای توسعه عاملهای هوش مصنوعی (AI Agent) استفاده کرد؟
بله. Cursor برای توسعه، بازبینی و نگهداری پروژههای مرتبط با عاملهای هوش مصنوعی، ابزارهای اتوماسیون، سامانههای مبتنی بر مدلهای زبانی و سایر نرمافزارهای هوشمند بسیار کاربردی است.
آیا استفاده از Cursor بهتنهایی جایگزین تجربه برنامهنویسی میشود؟
خیر. Cursor یک دستیار هوشمند برای توسعه نرمافزار است، نه جایگزین دانش فنی. هرچه شناخت شما از معماری نرمافزار، زبان برنامهنویسی و اصول مهندسی نرمافزار بیشتر باشد، میتوانید از قابلیتهای Cursor نیز بهره مؤثرتری ببرید.
جمعبندی
Cursor یکی از پیشرفتهترین محیطهای توسعه مبتنی بر هوش مصنوعی است که میتواند بخش قابلتوجهی از فرایند توسعه نرمافزار را سریعتر و کارآمدتر کند. از تولید کد و بازآرایی پروژه گرفته تا نوشتن تست، مستندسازی و تحلیل معماری، این ابزار در کنار مدلهای زبانی قدرتمند به دستیار ارزشمندی برای توسعهدهندگان تبدیل شده است.
با اتصال Cursor به درواره، علاوه بر دسترسی به API سازگار با OpenAI، میتوانید از طریق یک حساب کاربری و یک API Key به مجموعه گستردهای از مدلهای هوش مصنوعی دسترسی داشته باشید. این رویکرد مدیریت مدلها را سادهتر میکند، نیاز به حسابهای متعدد را از بین میبرد و امکان انتخاب مدل مناسب برای هر سناریو را فراهم میسازد.
اگر تاکنون از Cursor تنها با یک ارائهدهنده استفاده میکردید، اتصال آن به درواره میتواند انعطاف بیشتری در انتخاب مدلها، مدیریت هزینه و یکپارچهسازی گردشکار توسعه در اختیار شما قرار دهد.
مقالات مرتبط
- آموزش اتصال Claude Code به درواره؛ راهنمای کامل نصب و استفاده
- آموزش اتصال OpenClaw به درواره؛ راهنمای استفاده از صدها مدل هوش مصنوعی
- OpenAI Compatible API چیست؟ راهنمای کامل سازگاری APIهای هوش مصنوعی
- هوش مصنوعی چیست؟ راهنمای کامل AI، یادگیری ماشین، یادگیری عمیق و هوش مصنوعی مولد
- ظهور سیستمعامل عاملهای هوش مصنوعی (Agent Operating System)
- معرفی شاخص درواره؛ مقایسۀ مدلهای هوش مصنوعی و انتخاب بهترین مدل