Feed Cursor Live Docs
El modelo de Cursor aprendió a programar con un conjunto de entrenamiento que tiene una fecha de corte. Tu framework no consulta esa fecha antes de publicar una nueva versión. Pídele que trabaje contra una librería que publicó un cambio incompatible el mes pasado, y generará con total confianza sintaxis que era correcta hace seis meses. La función de docs de Cursor existe justamente para cerrar esa brecha.
Por qué el modelo adivina
Todo LLM tiene una fecha de corte de entrenamiento: un punto en el tiempo después del cual no ha visto nada. Pregúntale sobre un paquete publicado, o modificado sustancialmente, después de esa fecha, y recurrirá a lo más parecido que sí conoce: la API de una versión anterior, el nombre de un método obsoleto, un formato de configuración que la librería abandonó hace dos versiones mayores. El resultado parece confiado y plausible porque el modelo no es consciente de estar desactualizado; simplemente busca coincidencias con lo que aprendió.
Esto es invisible hasta que rompe algo. Un parámetro alucinado compila perfecto en tu cabeza pero falla en tiempo de ejecución o, peor aún, hace lo incorrecto en silencio. La solución no es un modelo más inteligente: es darle al modelo la información actual que le falta, en contexto, en el momento en que preguntas.
Qué hace realmente la función de docs
La función de docs de Cursor te permite apuntarlo a cualquier sitio de documentación para que rastree e indexe las páginas, manteniendo el contenido disponible como contexto para futuras indicaciones. En la práctica esto significa que Cursor puede ingerir cientos de páginas de un solo sitio de documentación —el uso real ha mostrado que indexa varios cientos de páginas en un único rastreo— construyendo una base de conocimiento funcional de la superficie real y actual de la API en lugar de depender de lo que quedó fijado durante el entrenamiento.
Una vez agregada una fuente de documentación, puedes indicarle a Cursor que la consulte explícitamente: "sigue la documentación de auth de Supabase" trae el contenido indexado a la conversación en lugar de la conjetura interna y desactualizada del modelo.
Cómo configurarlo
- En el chat, escribe
@y selecciona Docs. - Elige Add new doc.
- Pega la URL de la documentación que quieres indexar: la guía de configuración de un proveedor de bases de datos, la referencia de un SDK de auth, la documentación de la API de un framework.
- Espera a que Cursor rastree e indexe las páginas (los sitios de documentación más grandes tardan más).
- En tu indicación, referencia la documentación explícitamente: "usando la documentación que agregué, construye el flujo de auth".
De ahí en adelante, esa fuente de documentación queda disponible para referenciarla en ese proyecto, así no necesitas volver a pegar la URL cada vez que trabajes con esa librería.
Dónde vale la pena
- Una librería o SDK que nunca has usado. En lugar de que el modelo infiera convenciones a partir de librerías de nombre similar, trabaja desde la referencia real.
- Un framework o API publicado recientemente. Cualquier cosa lanzada o modificada de forma significativa después de la fecha de corte del modelo es un punto ciego por defecto; alimentarle la documentación es la solución directa.
- Un servicio con convenciones inusuales o estrictas (el flujo de tokens de un proveedor de auth específico, la sintaxis particular de migraciones de una base de datos) donde una conjetura plausible pero incorrecta es cara de depurar.
Errores comunes
- No te saltes este paso y luego culpes al modelo por un error de sintaxis. Si trabajas contra algo publicado en los últimos meses, asume que el modelo no lo conoce hasta que le hayas alimentado la documentación.
- Agregar documentación no significa usarla automáticamente. Cursor no necesariamente consultará una documentación indexada a menos que se lo indiques: di "sigue esta documentación" explícitamente.
- Los sitios de documentación grandes tardan un buen rato en indexarse. Lanza el rastreo antes de necesitar la respuesta, no a mitad de una tarea cuando ya estás bloqueado.
¿Estás construyendo una función con IA? Yeda AI diseña, audita y despliega sistemas LLM en producción.