Canvases 让 Cursor 创建在聊天侧边显示的交互式产出物。无需在冗长的 markdown 表格或代码块里来回滚动你会看到一个独立视图按分区、统计信息和表格组织展示并且可以重新打开、编辑和反复完善。向 agents 请求仪表盘、分析、审计或报告时如果更适合用 Canvas 呈现Cursor 就会在 Canvas 中打开结果。工作原理Cursor 判断你的任务更适合使用可视化或交互式视图或者你直接要求这样做。Cursor 构建 Canvas并在你的聊天中插入该 Canvas 的引用。你评审渲染后的视图切换到源代码进行调整或让 Cursor 修改它。Cursor 会保存 Canvas以便你稍后使用新数据重新打开并重新运行它。每个 Canvas 都会显示在你的工作区的 Canvas 列表中因此你可以随时返回查看之前的内容而无需重新运行它们。打开 Canvas从 Cursor当 Cursor 创建 Canvas 后回复末尾会出现一张卡片。点击即可打开。命令面板在面板中运行打开 Canvas该命令位于“视图”下。代理窗口可从 代理窗口 的新标签页菜单中直接打开 Canvas 标签页。迭代优化CanvasCanvas的设计便于反复优化。如果布局不理想请告诉 Cursor 该改哪些地方而不是手动编辑。如果数字看起来过时或不对请让 Cursor 重新运行底层查询或展示其推导过程。如果需要大幅重做可以先回退再给 Cursor 更多细节重新生成。这通常比围绕零散的后续提示一点点调整更快。如果只是小改动你也可以直接手动编辑源代码。封装为技能常见的 Canvas 工作流可以封装为技能这样每次你发出请求时Cursor 都能生成一致的布局。用于 Canvas 的技能通常包括触发描述让 Cursor 知道何时应调用它例如“季度营收报告”或“依赖审计”。布局说明定义 Canvas 应包含的版块、统计数据和表格。用于填充视图的数据源和查询也就是 Cursor 需要运行的内容例如 SQL 查询、API 调用或 shell 命令。格式规则例如单位、日期范围或排序方式。技能配置好后只需一个简短的提示词就能用最新数据重新生成 Canvas而且每位使用该技能的团队成员都会得到相同形式的输出。《动手学PyTorch建模与应用:从深度学习到大模型》是一本从零基础上手深度学习和大模型的PyTorch实战指南。全书共11章前6章涵盖深度学习基础包括张量运算、神经网络原理、数据预处理及卷积神经网络等后5章进阶探讨图像、文本、音频建模技术并结合Transformer架构解析大语言模型的开发实践。书中通过房价预测、图像分类等案例讲解模型构建方法每章附有动手练习题帮助读者巩固实战能力。内容兼顾数学原理与工程实现适配PyTorch框架最新技术发展趋势。