核心用法
Cursor Council 是一款基于 tmux 的多 Cursor Agent 编排工具，提供两种核心工作模式：
并行施工模式：将大型开发任务拆分为互不冲突的子任务，通过 tmux session 同时运行多个 Cursor Agent 实例。典型场景包括前后端分离开发、多模块并行重构、测试补全与文档同步等。使用时需严格遵循文件隔离原则，确保每个 Agent 工作在独立分支或不同文件域，避免代码冲突。
前辈议会模式：针对复杂技术决策，让不同 AI 模型扮演特定技术专家角色（如 Joe Armstrong 代表并发哲学、TJ Holowaychuk 代表极简工程），通过预设 prompt 激活模型内部的专家知识，形成多角度技术审议。支持辩论模式、红队模式和共识收敛等进阶玩法。
显著优点
1. 开发效率倍增：并行执行可将大型项目的开发周期压缩 40%-60%，特别适合 Monorepo 架构和全栈开发场景。
2. 决策质量提升：多模型视角有效避免技术决策的盲区，"批判者"角色能主动挑战假设，减少架构债务。
3. 知识激活巧妙：通过 persona engineering 技术，让模型以特定专家身份思考，显著改善复杂技术问题的分析深度。
4. 架构清晰可扩展：基于 tmux 的 session 管理方案成熟稳定，不引入额外依赖，与现有 Cursor CLI 工作流无缝融合。
5. 会议归档完善：提供标准化的会议记录模板和持久化方案，便于后续审计和知识沉淀。
潜在缺点与局限性
1. 资源消耗显著：16GB 内存建议最多 3-4 个并行 Cursor，大规模并行需要高配硬件支持。
2. 任务拆分门槛高：需要开发者具备清晰的模块化思维，错误的任务拆分会导致依赖混乱和集成困难。
3. 模型成本叠加：议会模式下同时调用 Opus/Sonnet/GPT 等多模型，单次审议的成本可能达到单一模型的 3-5 倍。
4. 人设效果不稳定：Persona 激活效果因模型版本和具体问题而异，部分复杂人设可能出现"角色扮演"而非"知识激活"的浅层表现。
5. 输出整合耗时：多 Agent 输出的综合分析和冲突解决仍需要人工介入，自动化收敛能力有限。
适合的目标群体
- 技术负责人/架构师：需要快速获得多视角技术评估，降低架构决策风险
- 全栈开发者：在 Monorepo 或前后端分离项目中追求并行开发效率
- 技术攻坚团队：面对复杂技术选型、性能优化等需要深度分析的场景
- 个人高效开发者：习惯使用 Cursor CLI 且具备 tmux 操作基础的用户
使用风险与注意事项
1. 代码安全风险：--force 参数会自动执行变更，必须在独立 Git 分支上使用，避免直接修改主分支。
2. 文件冲突风险：并行任务之间绝对禁止文件交叉，否则会互相覆盖导致代码丢失。
3. 会话卡死处理：若 tmux session 5 分钟无输出，可能因网络或模型响应问题卡住，需手动发送中断信号。
4. 敏感信息泄露：Council prompts 和归档输出可能包含项目机密，需妥善保管避免上传至公共仓库。
5. 依赖稳定性：功能依赖 tmux 和 cursor-agent 两个外部工具，需确保前置条件已满足且版本兼容。
6. 内存监控建议：大规模并行时建议配合系统监控，防止 OOM 导致开发环境不稳定。