Cursor智能体开发：工作树

本页介绍的界面原生工作树功能仅在代理窗口中可用。在编辑器窗口中请使用下方的 工作树技能 命令。工作树可让智能体在隔离的 Git 检出中工作。每个任务都有各自独立的文件、依赖项和更改而你的主检出保持不变。如果你想在同一个仓库上同时启动多个 agents 且避免冲突请使用工作树。在代理窗口中创建工作树当你从代理窗口启动智能体或将智能体移到工作树中时Cursor 会为该智能体创建一个单独的检出。智能体会在工作树中继续执行任务因此更改会与主检出保持隔离。智能体完成后请在代理窗口中审查结果。你可以继续在工作树中工作从该检出创建提交或 PR或者将结果带回主工作区。工作树 设置如何运作你可以使用.cursor/worktrees.json自定义工作树设置。Cursor 会在代理窗口、编辑器窗口或 Cursor 命令行界面 中创建工作树时检查此文件。Cursor 按以下顺序查找.cursor/worktrees.json在工作树路径中在项目根路径中配置选项worktrees.json文件支持三个设置键setup-worktree-unix用于 macOS 和 Linux 的命令或脚本路径。在 Unix 系统上优先于setup-worktree。setup-worktree-windows用于 Windows 的命令或脚本路径。在 Windows 上优先于setup-worktree。setup-worktree适用于所有操作系统的通用后备项。每个键可接受以下任一形式Shell 命令数组在工作树中按顺序执行字符串文件路径相对于.cursor/worktrees.json的脚本文件路径设置配置示例使用命令数组Node.js 项目{ setup-worktree: [ npm ci, cp $ROOT_WORKTREE_PATH/.env .env ]}我们不建议通过符号链接将依赖项链接到工作树中。这可能会导致主工作树出现问题。请改用快速的包管理器例如bun、pnpm或uv。使用虚拟环境的 Python 项目{ setup-worktree: [ python -m venv venv, source venv/bin/activate pip install -r requirements.txt, cp $ROOT_WORKTREE_PATH/.env .env ]}包含数据库迁移的项目{ setup-worktree: [ npm ci, cp $ROOT_WORKTREE_PATH/.env .env, npm run db:migrate ]}构建并链接依赖项{ setup-worktree: [ pnpm install, pnpm run build, cp $ROOT_WORKTREE_PATH/.env.local .env.local ]}使用脚本文件对于更复杂的设置可改用脚本文件来替代内联命令{ setup-worktree-unix: setup-worktree-unix.sh, setup-worktree-windows: setup-worktree-windows.ps1, setup-worktree: [ echo Using generic fallback. For better support, define OS-specific scripts. ]}将脚本放在与worktrees.json同级的.cursor/目录中。setup-worktree-unix.sh(Unix 和 macOS)#!/bin/bashset -e# Install dependenciesnpm ci# Copy environment filecp $ROOT_WORKTREE_PATH/.env .env# Run database migrationsnpm run db:migrateecho Worktree setup complete!setup-worktree-windows.ps1(Windows)$ErrorActionPreference Stop# Install dependenciesnpm ci# Copy environment fileCopy-Item $env:ROOT_WORKTREE_PATH\.env .env# Run database migrationsnpm run db:migrateWrite-Host Worktree setup complete!针对不同操作系统的配置你可以为不同的操作系统提供不同的设置命令{ setup-worktree-unix: [ npm ci, cp $ROOT_WORKTREE_PATH/.env .env, chmod x scripts/*.sh ], setup-worktree-windows: [ npm ci, copy %ROOT_WORKTREE_PATH%\\.env .env ]}调试如需调试worktree 设置请在编辑器中打开 Output 面板并选择Worktrees Setup。工作树 清理Cursor 可以自动清理较早的 工作树以限制磁盘用量。清理会按固定间隔运行并将最新的 工作树 保留在已配置的最大数量以内。{ cursor.worktreeCleanupIntervalHours: 6, cursor.worktreeMaxCount: 20}使用这些设置来控制清理行为cursor.worktreeCleanupIntervalHoursCursor 检查旧工作树的频率。cursor.worktreeMaxCount在清理较早的工作树之前Cursor 保留的工作树最大数量。编辑器窗口中的工作树技能在编辑器窗口中你可以使用/worktree和/best-of-n命令在隔离的工作树中执行任务。使用 /worktree 进行一次隔离运行当你希望 Cursor 在单独的检出副本中继续处理这段聊天的其余工作时使用/worktree启动任务。让实验性修改远离主检出在不影响当前分支的情况下运行安装、构建和测试进行高风险重构并保留简单的清理路径/worktree fix the failing auth tests and update the login copy在很多情况下你可以直接在工作树中提交并推送。直接让智能体来做Commit and push these changes, then open a PR不过如果你想将更改带回主检出中进行测试使用/apply-worktree。完成这个独立检出后使用/delete-worktree。如果你想查看代码仓库中的所有工作树请运行git worktree list使用 /best-of-n 比较多个模型/best-of-n会同时在多个模型上运行同一个任务。每次运行都会获得各自的工作树因此这些候选结果彼此隔离也与您的主检出隔离。/best-of-n sonnet,gpt,composer fix the flaky logout test在你想要执行以下操作时使用它在同一个提示词上比较不同模型针对棘手的更改尝试多种方法在应用任何内容之前选出最佳结果/best-of-n只比较各次运行。它不会帮你将更改合并回你的主检出。选出最佳结果后你可以直接在工作树中 commit 和 push或使用/apply-worktree将更改带入你的主检出。《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。