在画布中与智能体创建的可视化内容交互

Cursor 现在可以通过创建画布来以可视化方式呈现信息。这样一来，您无需再阅读聊天或 Markdown 文件中那些难以消化的大段文字，而是可以直接探索并与自定义界面交互。

借助画布，智能体可以创建用于展示现实世界数据的仪表盘，以及根据您的请求量身定制、具备特定逻辑和交互能力的界面。智能体可以借助它们帮助您进行 PR 代码审查、学习新库，甚至在 Cursor 中管理其他智能体。在智能体窗口中，画布是可持久保留的产物，与终端、浏览器和源代码控制等其他工具并列存在。

作为构建基础的组件

Cursor 使用基于 React 的 UI 库来渲染画布，其中包含表格、框体、示意图和图表等原生组件。我们让智能体可以使用 Cursor 中现有的组件，例如 diff 视图和待办事项列表，并要求它遵循数据可视化的最佳实践。

您可以创建技能，教智能体如何创建不同类型的画布。例如，Docs Canvas 技能可让 Cursor 为您的代码库生成交互式架构图。

我们发现，画布特别适合处理数据密集型任务。它能让智能体以非线性、比纯文本更易消化的方式组织信息。

Cursor 中的 Datadog、Databricks 和 Sentry MCP，让我们能够借助智能体深入挖掘可观测性数据，而智能体常常能发现仅凭人工分析容易遗漏的洞察。在引入画布之前，智能体通常会用 Markdown 表格来呈现时间序列数据，不仅难以解读，还需要额外操作才能将其可视化。

现在，智能体可以在画布中创建可视化，将来自多个来源的数据 (包括本地调试文件) 整合到同一张图表中。

我们正在审查规模空前的 diff。传统工具对所有改动一视同仁，因此我们需要自己判断 diff 里哪些部分最值得关注。

借助画布，Cursor 可以从逻辑上将改动归类，优先突出最值得您审查的内容，并提供丰富的界面供您探索整组变更。它甚至还能为棘手的算法写出伪代码表示。

在 Cursor，我们会花大量时间研究 eval 结果，同时持续调整 harness，并将新模型发布到产品中。此前，工程师必须逐个检查请求 ID，才能找出其中的规律。我们曾考虑构建并部署一个 Web 应用来自动化这一流程，但最后选择通过 Cursor 中的一项技能直接实现。

这项技能让智能体能够读取一次 eval 中的所有 rollout，对失败项进行分组，并构建一个画布，用于调查 eval 失败并对失败模式进行聚类。这样一来，我们发现了此前被隐藏的 harness 缺陷，最近也帮助我们以小得多的投入在 Cursor 中发布了两个新模型。

我们一直在借鉴并改造 autoresearch 中的创意，让智能体能够应对与我们客户端性能相关的复杂优化挑战。借助画布，智能体可以在运行实验的同时将其研究进展可视化，方便用户随时查看进度，并了解智能体当前正在测试的假设。

最近推出的改进，例如 Design Mode 和升级后的语音输入，都是我们为提升信息带宽所做努力的一部分。我们希望减少人与智能体协作中的阻力，让你更轻松地通过纯文本之外的方式表达意图。

在 Cursor 3.1 中试用画布，或在我们的文档中了解更多。

您可以创建技能，教智能体如何创建不同类型的画布。例如，Docs Canvas 技能可让 Cursor 为您的代码库生成交互式架构图。