Cursor智能体开发：权限
在命令行界面（CLI）配置中通过权限令牌设置代理的可执行操作。可在~/.cursor/cli-config.json（全局）或<project>/.cursor/cli.json（项目级）中进行配置。
权限类型
Shell 命令
格式：Shell(commandBase)
控制对 Shell 命令的访问。commandBase是命令行中的第一个标记（token）。支持通配符（glob）模式以及可选的command:args语法以实现更细粒度的控制。
| 示例 | 说明 |
|---|---|
Shell(ls) | 允许运行ls命令 |
Shell(git) | 允许任意git子命令 |
Shell(npm) | 允许使用 npm 包管理器命令 |
Shell(curl:*) | 允许带任意参数的curl命令 |
Shell(rm) | 拒绝具有破坏性的文件删除（通常用于deny） |
文件读取
格式：Read(pathOrGlob)
控制对文件和目录的读取权限。支持 glob 通配符。
| 示例 | 说明 |
|---|---|
Read(src/**/*.ts) | 允许读取src中的 TypeScript 文件 |
Read(**/*.md) | 允许在任意位置读取 Markdown 文件 |
Read(.env*) | 禁止读取环境文件 |
Read(/etc/passwd) | 禁止读取系统文件 |
文件写入
格式：Write(pathOrGlob)
控制对文件和目录的写入权限。支持 glob 模式。在打印模式下使用时，写入文件需加--force。
| 示例 | 说明 |
|---|---|
Write(src/**) | 允许写入src下的任意文件 |
Write(package.json) | 允许修改 package.json |
Write(**/*.key) | 禁止写入私钥文件 |
Write(**/.env*) | 禁止写入环境变量文件 |
Web fetch
格式：WebFetch(domainOrPattern)
控制 Agent 在使用 web fetch 工具时可以抓取哪些域名的内容（例如用来获取文档或网页）。如果没有在允许列表中配置，每次抓取都会提示确认。将域名添加到allow中，可以自动批准来自受信任来源的抓取请求。
| 示例 | 说明 |
|---|---|
WebFetch(docs.github.com) | 允许从docs.github.com抓取内容 |
WebFetch(*.example.com) | 允许从example.com的任意子域抓取内容 |
WebFetch(*) | 允许从任意域抓取内容（请谨慎使用） |
域名模式匹配：
*匹配所有域名*.example.com匹配子域名（例如docs.example.com、api.example.com）example.com仅匹配该精确域名
MCP 工具
格式：Mcp(server:tool)
控制 Agent 可以使用哪些 MCP（Model Context Protocol）工具。使用server（来自mcp.json）和tool名称，*可作为通配符。
| 示例 | 说明 |
|---|---|
Mcp(datadog:*) | 允许来自 Datadog MCP 服务器的所有工具 |
Mcp(*:search) | 允许任意服务器的search工具 |
Mcp(*:*) | 允许所有 MCP 工具（请谨慎使用） |
配置
在 CLI 配置文件的permissions对象中添加权限：
{ "permissions": { "allow": [ "Shell(ls)", "Shell(git)", "Read(src/**/*.ts)", "Write(package.json)", "WebFetch(docs.github.com)", "WebFetch(*.github.com)", "Mcp(datadog:*)" ], "deny": [ "Shell(rm)", "Read(.env*)", "Write(**/*.key)", "WebFetch(malicious-site.com)" ] }}模式匹配
- Glob 模式支持
**、*和?通配符 - 相对路径仅在当前工作区内生效
- 绝对路径可以指向项目外的文件
- 拒绝规则优先于允许规则
- 使用
command:args（例如curl:*）以通配符同时匹配命令和参数
《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。