Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com24. Mai 2025 · Q011403

How I Built a 17,000-Line Codebase with Cursor for Just $0.80

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Autor berichtet, mit Cursor und Claude Sonnet 4 in drei Stunden mehr als 17.000 Codezeilen für 80 Cent erzeugt zu haben. Er empfiehlt dafür ein vorbereitetes Boilerplate, präzise Aufgaben, einen Aufgabenmanager und Regeln für Stil und Dateiablage; seine Kosten- und Leistungsangaben werden im persönlichen Erfahrungsbericht nicht unabhängig belegt.

Mittel

Code Coup behauptet, mit Cursor und Claude Sonnet 4 in drei Stunden über 17.000 Codezeilen für 80 Cent und weniger als 20 Premium-Anfragen erzeugt zu haben. Als Erklärung führt er eine knappe, gut strukturierte Arbeitsweise an: ein vorbereitetes Next.js-Boilerplate mit TypeScript, Tailwind, Linting und Validierung, eine präzise Projektbeschreibung sowie einzelne Aufgaben in einem Aufgabenmanager, besonders TaskMaster AI. Cursor Rules sollen Stil und Konventionen aus vorhandenen Dateien ableiten und fortlaufend ergänzen; klare Ordnerregeln sollen die Codebasis ordnen. Weitere Tipps sind, Dateien über 500 Zeilen aufzuteilen, Fehler konkret mit gewünschtem Verhalten zu beschreiben, Skizzen oder API-Dokumentation bereitzustellen und für neue Aufgaben einen frischen Chat zu starten. Der Text ist ein persönlicher Erfahrungsbericht: Er liefert keine unabhängige Überprüfung der Zeilenzahl, Kosten oder Codequalität. Unklar bleiben auch die Zählweise und die Übertragbarkeit der Kostenangabe auf andere Projekte und Konfigurationen.

Ausführlich lesen

Der Autor Code Coup beschreibt, wie er nach eigener Darstellung mit Cursor und Claude Sonnet 4 in drei Stunden mehr als 17.000 Codezeilen erzeugt und dafür weniger als einen US-Dollar ausgegeben habe. Er beziffert den Aufwand mit weniger als 20 Premium-Anfragen und 80 Cent. Seine Erklärung: Ein vorbereiteter Projektaufbau und eine klar organisierte Arbeitsweise hätten die Prompts knapp gehalten, während Cursor im Hintergrund mehrere Werkzeugeinsätze ausführen könne. Diese Angaben und die daraus gezogene Kosten-Erklärung sind persönliche Aussagen des Autors; der Bericht dokumentiert sie nicht durch unabhängige Messungen oder einen überprüfbaren Projektbeleg.

Als Grundlage empfiehlt er ein Boilerplate für Next.js mit TypeScript, Tailwind CSS, einer Komponentenbibliothek, Linting und Datenvalidierung, etwa mit Zod. Ein solches Grundgerüst soll der KI technische Entscheidungen vorgeben und unnötiges Raten vermeiden. Vor der Umsetzung solle man das gewünschte Produkt in einer kurzen, konkreten Beschreibung festhalten. Als Beispiel nennt er ein Dashboard mit JWT-Anmeldung, mobiler Tabelle, Recharts-Balkendiagramm, Hell-Dunkel-Modus und nach Funktionen gruppierten Dateien.

Für größere Vorhaben setzt der Autor auf einen Aufgabenmanager, insbesondere TaskMaster AI. Einzelne, beschriebene Aufgaben sollen die Arbeit und Prompts überschaubar halten. Außerdem empfiehlt er, mit Cursor Rules den Stil und die Konventionen des bestehenden Codes aus Beispieldateien abzuleiten: etwa Tailwind-Klassen, TypeScript-Props und festgelegte Ablageorte. Die Regeln könnten während der Arbeit ergänzt werden. Eine definierte Ordnerstruktur – beispielsweise für gemeinsame Komponenten, Funktionen, Hilfsprogramme und APIs – soll das Projekt konsistent halten.

Zu seinen weiteren Empfehlungen gehören, Dateien von mehr als 500 Zeilen aufzuteilen, Fehler als konkrete Aufgaben samt gewünschtem Verhalten zu formulieren und der KI bei Bedarf Skizzen oder API-Dokumentation mitzugeben. Für jede neue Aufgabe solle ein frischer Chat begonnen werden. Aufgaben und Regeln seien bei Änderungen fortlaufend anzupassen; Cursor solle zudem Vorschläge für neue Aufgaben oder Regeln machen.

Der Beitrag ist ein praxisorientierter Erfahrungsbericht und beschreibt einen Ansatz, keine kontrollierte Untersuchung. Er nennt weder den vollständigen erzeugten Code noch ein Verfahren, mit dem die Zeilenzahl, die Qualität des Ergebnisses oder die tatsächlichen Kosten überprüft werden könnten. Auch bleibt offen, was genau als Codezeile oder Premium-Anfrage gezählt wurde und ob die genannten Kosten auf andere Projekte, Modelle oder Cursor-Konfigurationen übertragbar sind.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Zusammenfassung ist im Kern treu, lässt aber die Tool-Call-Erklärung des Autors weg und stellt die Zählweise als unklar dar, obwohl der Bericht sie benennt. Die Einordnung ist als Einschätzung zu lesen; Lunas Stufen werden hier nicht bewertet, nur die Belegstärke des Berichts.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Erklärung, warum nur wenige Premium-Anfragen anfielen: Jeder Prompt löst viele Tool-Calls aus, die Cursor nur als eine Anfrage zählt (in der kurzen Fassung fehlt dies vollständig)
  • Der Autor selbst deutet die Kostenfrage als offene Wette auf einen Trick statt als belegte Tatsache

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Tempo und Grenzen
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 36 %gleiches Oberthema, hilft nicht
    • JEV 27 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 33 %nur am Rande erwähnt
    • JEV 48 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung einzelne zitierbare Belege
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 33 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 36 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 31 %einzelne zitierbare Belege
    • amos 59 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →