Natuurlijk! Hier is een stapsgewijze aanpak om een persoonlijke Cursor-assistent te ontwikkelen die je Python-codebase voor je webapplicatie voor data-analyse continu analyseert op efficiëntie, stijlconsistentie, prestaties en beveiliging: Stap 1: Voorbereiding en Vereisten vaststellen - Zorg dat je een werkende Python-omgeving hebt. - Installeer Cursor en gerelateerde tools: ```bash pip install cursor ``` - Zorg dat je toegang hebt tot je codebase, bijvoorbeeld via een Git-repository. Stap 2: Cursor Configuratie en Integratie - Maak een Cursor-project aan: ```bash cursor init ``` - Voeg je project toe: ```bash cursor add /pad/naar/je/codebase ``` - Configureer Cursor via `.cursor/config.yaml` om specifieke analysethema's te richten: ```yaml themes: - style - performance - security ``` Stap 3: Analysethema's specificeren Voor elk thema kun je specifieke checks en regels instellen: a) **Stijl en Efficiëntie** - Gebruik de ingebouwde PEP8- en Pylint-controles. - Voeg custom regels toe voor coding style, bijvoorbeeld: ```yaml style: include: - pep8 - pylint ``` b) **Prestaties** - Installeer en configureer tools zoals line_profiler of cProfile om codeprestaties te monitoren. - Voeg aangepaste scripts toe die je code kunnen analyseren op veelgebruikte bottlenecks. c) **Beveiliging** - Voeg scripts toe die bijvoorbeeld controleren op: - Hardcoded wachtwoorden - Onveilige imports of gebruik van onveilige functies - Open poorten of debug-modi in productie - Gebruik statische analysetools zoals Bandit: ```bash pip install bandit ``` - Integreer Bandit in Cursor via aangepaste checks. Stap 4: Automatiseren en Continu Integreren - Configureer een CI/CD pipeline die: - Bij elke commit of pull request automatisch Cursor analyses uitvoert. - Rapporten genereert met verbeterpunten. - Gebruik bijvoorbeeld GitHub Actions of GitLab CI. Stap 5: Rapportage en Feedback - Bekijk de rapporten in Cursor dashboards. - Stel alerts in voor kritieke beveiligingsissues of prestatieproblemen. - Implementeer automatische feedback of suggesties op basis van de analyses. Stap 6: Optimalisatie en Onderhoud - Pas de configuratie aan op basis van de resultaten. - Voeg nieuwe checks toe naarmate je project evolueert. - Houd Cursor en dependencies up-to-date. Door deze stappen te volgen, ontwikkel je een krachtige, continue analyse-assistent die je codebase optimaliseert op stijl, prestaties en beveiliging met behulp van Cursor.

Hier is een stapsgewijze aanpak om je persoonlijke Cursor-assistent te ontwikkelen voor je Python webapplicatie: ## Stap 1: Cursor Installatie en Basisconfiguratie ```bash # Installeer Cursor via de officiële website # Maak een .cursorrules bestand in je projectroot ``` ## Stap 2: Configureer Analyse Regels Maak een `.cursorrules` bestand met: ```python # CURSOR CONFIGURATIE - DATA-ANALYSE WEBAPPLICATIE TAAL: Python FOCUS: Prestaties & Beveiliging # PRESTATIE ANALYSE REGELS - Identificeer trage database queries (N+1 problemen) - Analyseer algoritmische complexiteit (Big-O) - Controleer caching strategieën - Optimaliseer geheugengebruik bij data-verwerking - Scan voor overbodige database calls - Controleer response times van API endpoints # BEVEILIGING ANALYSE REGELS - Detecteer SQL injection kwetsbaarheden - Valideer input sanitization - Controleer authentication/authorization flows - Scan voor hardcoded credentials - Analyseer session management - Check CSRF bescherming - Review dependency vulnerabilities ``` ## Stap 3: Project-specifieke Context Voeg projectcontext toe aan je regels: ```python # PROJECT CONTEXT PROJECT_TYPE: Data-analyse webapplicatie TECH_STACK: Python, mogelijk Flask/Django, database, data-processing libraries DATA_SCALE: Medium tot grote datasets BEVEILIGINGSNIVEAU: Hoog (data-sensitive applicatie) # SPECIFIEKE CONTROLEPUNTEN - Data processing efficiency bij grote datasets - API endpoint security voor data-access - Query optimalisatie voor analytische queries - Rate limiting implementatie - Data encryption in transit en at rest ``` ## Stap 4: Implementatie Workflow 1. **Eerste Codebase Scan** ```bash # Gebruik Cursor's AI om complete codebase te analyseren # Vraag: "Analyseer mijn complete codebase voor prestatie-issues" ``` 2. **Prestatie-specifieke Commando's** ``` /analyse prestaties: database queries /analyse prestaties: algoritmische complexiteit /analyse prestaties: caching optimalisatie ``` 3. **Beveiligings-specifieke Commando's** ``` /scan beveiliging: input validatie /scan beveiliging: authentication /scan beveiliging: data protection ``` ## Stap 5: Continue Optimalisatie ### Automatische Checks ```python # Voeg deze regels toe voor automatische detectie AUTOMATISCHE_DETECTIE: - Trage queries in data-processing functies - Onveilige string concatenatie in SQL - Missing input validation - Inefficiënte loops bij data-verwerking - Overhead in API response generatie ``` ### Prestatie Metrics Tracking ```python # Focus op deze prestatie-indicatoren PRESTATIE_METRICS: - Query execution time > 100ms - Memory usage spikes - Response time > 500ms - Concurrent user handling - Data processing throughput ``` ## Stap 6: Beveiligings Audit Regels ```python BEVEILIGING_AUDIT: CRITICAL: - SQL injection mogelijkheden - Authentication bypass - Sensitive data exposure HIGH: - CSRF vulnerabilities - Session fixation - Insecure direct object references MEDIUM: - Missing security headers - Information disclosure in errors ``` ## Stap 7: Gebruikspatronen voor Dagelijks Gebruik 1. **Voor Nieuwe Features** ``` "Review deze nieuwe feature code voor prestatie-impact en beveiligingsrisico's" ``` 2. **Voor Code Reviews** ``` "Analyseer deze pull request op: prestatie-regressie, beveiligingsissues" ``` 3. **Periodieke Health Checks** ``` "Voer complete security audit uit op de codebase" "Identificeer prestatie bottlenecks in de data-verwerkingslaag" ``` ## Stap 8: Optimalisatie en Fine-tuning ### Feedback Loop ```python # Leer van eerdere analyses LEER_PATRONEN: - Herhaalde prestatie issues - Veelvoorkomende beveiligingsantipatterns - Project-specifieke optimalisatie kansen ``` ### Contextuele Verbeteringen - Pas regels aan op basis van je specifieke frameworks - Voeg domein-specifieke beveiligingsregels toe - Optimaliseer voor je data-analyse use cases ## Start Commando's om Mee te Beginnen: 1. `"Scan mijn complete codebase voor kritieke beveiligingsissues"` 2. `"Identificeer de top 5 prestatie bottlenecks in mijn applicatie"` 3. `"Analyseer mijn database access layer voor optimalisatie kansen"` Deze setup zorgt voor een proactieve assistent die continu je codebase monitort en specifiek focust op de prestatie en beveiligingsaspecten van je data-analyse webapplicatie.