Cursor 現在可以透過建立畫布來回應，以視覺化方式呈現資訊。這讓你可以探索並與自訂介面互動，而不必閱讀聊天或 Markdown 檔案中那些難以消化的大段文字。

有了畫布，Agent 可以建立用於真實世界資料的儀表板，以及根據你的請求量身打造、具備特定邏輯與互動性的自訂介面。Agent 可以用它們來協助你審查 PR、學習新函式庫，甚至在 Cursor 中管理其他 Agent。在 Agent 視窗 中，畫布是可持續存在的產物，會和你的其他工具 (例如終端機、瀏覽器和版本控制) 一同存在。

#作為基礎積木的元件

Cursor 會使用以 React 為基礎的 UI 程式庫來呈現畫布，其中包含表格、方框、示意圖和圖表等內建元件。我們讓 Agent 能存取 Cursor 中現有的元件，例如差異檢視和待辦清單，也指示它遵循資料視覺化的最佳做法。

你可以建立技能，教 Agent 如何建立不同類型的畫布。例如，Docs Canvas 技能可讓 Cursor 為你的儲存庫產生互動式架構圖。

#我們如何在 Cursor 運用畫布

我們發現，畫布特別適合資料密集的任務。它們能讓代理以非線性的方式整理資訊，比純文字更容易消化。

#事件回應儀表板

Cursor 中的 Datadog、Databricks 和 Sentry MCP，讓我們能透過 Agent 深入探索可觀測性資料，而且往往能找出我們自己可能會錯過的洞見。在畫布功能推出之前，代理會用 Markdown 表格呈現時間序列資料，不但難以解讀，還得額外經過幾個步驟才能視覺化。

現在，代理可以直接在畫布中建立視覺化內容，將來自多個來源的資料 (包括本機偵錯檔案) 整合成單一圖表。

#PR 審查介面

現在要審查的差異規模比以往都更大。傳統工具對所有變更一視同仁地呈現，讓我們必須自行判斷差異中哪些部分最重要。

有了畫布，Cursor 可以按邏輯將相關變更分組，優先標示最值得你審查的內容，並提供豐富的介面，讓你探索整個變更集。它甚至還能為棘手的演算法產生偽程式碼表示。

#Eval 分析

在 Cursor，我們花很多時間研究 eval 結果，因為我們會持續調整 harness，並將新模型釋出到產品中。過去，工程師必須逐一檢查 request ID，才能找出其中的模式。我們原本考慮打造並部署一個 Web app 來自動化這個流程，但最後選擇直接在 Cursor 中透過一項技能將其投入實際使用。

這項技能讓 Agent 能讀取單次 eval 中的所有 rollout、將失敗分組，並建立一個畫布，用來調查 eval 失敗並將失敗模式分群。這讓我們找出了先前未被察覺的 harness 錯誤，並且最近也幫助我們以少得多的心力在 Cursor 中釋出兩個新模型。

#Autoresearch 實驗

我們一直在調整並應用 autoresearch 的想法，讓 Agent 能夠處理與我們客戶端效能相關的複雜最佳化挑戰。透過畫布，代理在執行實驗時可以將研究進度視覺化，讓使用者隨時查看進展，並了解代理目前正在測試的假設。

#提升資訊頻寬

近期推出的改進，像是 設計模式 和 升級版語音輸入，都是我們為了提升資訊頻寬所做努力的一部分。我們希望減少人與代理協作時的摩擦，讓你不只透過純文字，也能更輕鬆地表達自己的意圖。

在 Cursor 3.1 中試用畫布，或到我們的文件了解更多。