调试模式帮助你定位问题根源并修复那些难以复现或理解的棘手错误。智能代理不会立刻编写代码而是先生成假设、添加日志语句并利用运行时信息精确定位问题然后再进行有针对性的修复。何时使用 Debug ModeDebug Mode 最适合用于你能复现但搞不清原因的 bug当你知道有问题但光看代码看不出原因时竞争条件和时序问题依赖执行顺序或异步行为的问题性能问题和内存泄漏需要运行时分析才能理解的问题曾经能用但现在失效的回归问题当你需要追踪到底改了什么时当标准 Agent 交互难以解决某个 bug 时Debug Mode 会基于运行时证据而不是凭猜测来给出修复方案提供一种不同的排查方式。工作原理探索并提出假设Agent 会探索相关文件、构建上下文并针对潜在根本原因生成多个假设。添加埋点Agent 会添加日志语句将数据发送到运行在 Cursor 扩展中的本地调试服务器。复现 bugDebug Mode 会让你复现 bug并提供具体步骤。这能让你始终参与调试流程并确保 Agent 捕获到真实的运行时行为。分析日志复现完成后Agent 会审查收集到的日志根据运行时证据识别实际根本原因。实施针对性修复Agent 会进行有针对性的修复直接解决根本原因通常只需改动几行代码。验证并清理你可以重新运行复现步骤来验证修复。一旦确认无误Agent 会移除所有埋点。调试模式使用提示提供详细上下文你对 bug 及其复现方式描述得越详细Agent 的调试信息收集效果就会越好。请包含错误信息、堆栈跟踪以及具体操作步骤。严格按照复现步骤执行执行 Agent 提供的步骤以确保日志能捕获到真实问题。必要时多次复现多次复现 bug 可以帮助 Agent 识别诸如竞态条件之类的棘手问题。明确预期行为与实际行为帮助 Agent 理解「应该发生什么」与「实际发生了什么」。切换模式使用 Agent 中的模式下拉菜单按 ShiftTab 快速切换《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。