Plan 模式会在你编写任何代码之前先生成详细的实现方案。Agent 会分析你的代码库、提出澄清性问题，并生成一个可审阅的计划，你可以在开始实现前对其进行编辑。
在聊天输入框中按 Shift+Tab 可切换到 Plan 模式。当你输入表明任务较为复杂的关键词时，Cursor 也会自动建议使用该模式。
工作原理
- Agent 会先提出澄清性问题，以更好地理解你的需求
- 在你的代码库中进行检索，收集相关上下文
- 制定一个完整的实现方案
- 你可以通过对话或 Markdown 文件来审阅并编辑方案
- 准备好后，点击开始构建方案
方案默认保存在你的主目录中。点击 “Save to workspace” 可将其移动到你的工作区，以便后续查阅、团队共享和文档记录。
何时使用 Plan 模式
Plan 模式最适合：
- 具有多种可行方案的复杂功能
- 涉及大量文件或系统的任务
- 需求不清晰、需要先探索再弄清工作范围的任务
- 你希望先审查整体方案的架构决策
对于一些简单修改或你已经做过很多次的任务，可以直接使用 Agent 模式。
从计划重新开始
有时 Agent 生成的结果与你的预期不符。与其用后续提示一点点修修补补，不如回到最初的计划。
撤销这些更改，把计划写得更具体、更清晰，然后再重新运行。这样通常比修复一个进行中的 Agent 更快，输出也更干净利落。
对于较大的改动，多花点时间制定一个精确且范围明确的计划。困难的部分往往是先弄清楚应该做什么改动。有了合适的指令后，就把具体实现交给 Agent。
切换模式
- 使用 Agent 中的模式选择器下拉菜单
- 按 Shift+Tab 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。
