为什么想自己搭工具
我们组的招聘数据分散在三个地方：HR 系统的导出 Excel、部门负责人填的飞书多维表格、以及我自己记的面试跟进表。每周周报要整合这三份数据，手工 vlookup 半小时起步，错一列就得重来。
同事推荐我试试 Cursor，说现在已经可以帮非技术人写代码了。我本来对这类说法保持怀疑，但抱着试一试的心态装了。
第一步：安装和基本配置
去 cursor.sh 下载安装包，Mac 直接拖进 Applications，Windows 有安装向导。首次启动要登录账号，免费版够用。
打开后界面和 VS Code 几乎一样，如果你用过 VS Code 可以直接上手。没用过也没关系——你主要用它的 AI 对话功能，不用真的懂代码编辑器。
关键设置： 按 Cmd+Shift+J（Mac）或 Ctrl+Shift+J（Windows）打开 AI Chat 面板。这是你主要工作的地方。
第二步：建项目目录
新建一个文件夹，比如叫 hr-weekly-merge，把三份示例数据放进去（可以先放几行测试数据，不要放真实员工信息）。
在 Cursor 里打开这个文件夹：File → Open Folder。
第三步：第一个 Prompt（以及为什么它失败了）
我的第一个 Prompt 是这样的：
帮我写一个 Python 脚本，合并三个 Excel 文件它写出来了，但跑不起来，因为我电脑上没装 Python。
坑 1：要先说清楚你的环境。 改成这样：
我的电脑上没有 Python，帮我用不需要安装任何东西的方式，
合并三个 Excel 文件（文件路径：data/hr_system.xlsx、
data/feishu_export.xlsx、data/interview_log.xlsx）。
输出一个合并后的 Excel 文件，按岗位名称和候选人姓名对齐。它改成了用 Node.js 的方案，但我电脑上同样没有 Node.js……
坑 2：不要假设对方知道你有什么。 最终我说：
我的电脑只有 Mac 系统自带的工具，或者你能告诉我装什么最简单。
帮我合并三个 Excel，输出合并结果。这次它给了我一个方案：用 Mac 自带的 Python3（macOS 自带）+ 一个安装命令。
第四步：让 AI 知道你的数据结构
把示例文件的表头截图或者直接粘贴到对话里：
hr_system.xlsx 的表头：岗位名称、候选人姓名、简历来源、投递日期、当前阶段
feishu_export.xlsx 的表头：职位、姓名、面试官、面试日期、评分
interview_log.xlsx 的表头：候选人、岗位、我的备注、是否推进
合并的关键字段是：候选人姓名 + 岗位名称有了这个，AI 生成的脚本就准确多了，字段名称和合并逻辑都对上了。
第五步：跑起来
按照它给的命令：
pip3 install openpyxl pandas
python3 merge_recruitment.py第一次跑会报错，因为 Excel 里有合并单元格。把报错信息贴给 AI，它会修复。
一般来回 2-3 轮就能跑通。
最终结果和实际体验
最终脚本：
- 自动读取三个文件
- 以姓名+岗位为 key 合并数据
- 输出一个
merged_output.xlsx，有 pipeline 阶段、面试评分、我的备注 - 每次跑脚本大约 3 秒
周报整合从 30 分钟降到 5 分钟。
复盘和建议
Cursor 真正帮你的地方：
- 把你的需求翻译成代码
- 根据报错修复问题
- 解释某段代码是什么意思
它不帮你做的：
- 理解你公司的业务逻辑（要你自己描述清楚）
- 保证数据安全（不要把真实员工数据上传给 AI）
- 维护代码（下次改需求还得回来继续对话）
给同样零代码基础的 HR 的建议： 描述需求时像写需求文档一样，说清楚输入是什么、输出是什么、字段怎么对应。AI 不懂 HR，但它懂逻辑。
整个过程我花了大约 4 小时，分两个周末完成。对于一个完全不会写代码的人来说，这个结果超出了我的预期。