03_Cursor配置

1. 资源准备

API Key：此项配置填写在一步API官网创建API令牌，一键直达API令牌创建页面

创建API令牌步骤请参考API Key的获取和使用

API Host：此项配置填写https://yibuapi.com/v1

查看支持的模型请参考这篇教程模型在线查询

2. Cursor 安装

默认情况下访问 VS Code 官网 https://www.cursor.com/，页面会根据你的系统自动匹配安装包，比如我是 WINDOWS，就会出现 Download for WINDOWS 按钮：

下载完成后，双击.exe文件启动安装程序。
按照提示接受许可协议，选择安装路径，可以选择创建桌面快捷方式或添加到系统路径以方便命令行访问。
完成安装后，点击“Finish”退出安装程序

3.注册与登录

在安装包安装后要设置一些配置信息，语言我们选择中文：

如果本机之前安装过 VS Code，可以导入 VS Code 的扩展：

首次使用 Cursor 时，需要注册一个新账号或使用已有账号进行登录，也可以用 Github 等授权登录。

这里勾选默认即可，点 Continue 按钮完成设置：

4. Cursor 配置

▌ 配置路径
› 打开 Settings → 进入 Models 面板

▌ 核心参数设置
› OpenAI API Key
- 填入创建的自定义令牌
› OpenAI Base URL
- https://yibuapi.com/v1
› Add model 选项：
- 输入与令牌绑定的「自定义模型名称」，查看支持的模型请参考这篇教程模型在线查询

5.成功验证

▌ 测试流程
› 重启 Cursor IDE 激活配置
› 按住ctrl+K键，弹出一行窗口，输入自己想要的功能。

他会自己一行一行快速写代码。这里我把他写的alexnet模型代码贴在这里。


class AlexNet(nn.Module):
    def __init__(self, num_classes=1000):
        super(AlexNet, self).__init__()
        self.features = nn.Sequential(
            nn.Conv2d(3, 64, kernel_size=11, stride=4, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
            nn.Conv2d(64, 192, kernel_size=5, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
            nn.Conv2d(192, 384, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(384, 256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(256, 256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
        )
        self.avgpool = nn.AdaptiveAvgPool2d((6, 6))
        self.classifier = nn.Sequential(
            nn.Dropout(),
            nn.Linear(256 * 6 * 6, 4096),
            nn.ReLU(inplace=True),
            nn.Dropout(),
            nn.Linear(4096, 4096),
            nn.ReLU(inplace=True),
            nn.Linear(4096, num_classes),
        )

    def forward(self, x):
        x = self.features(x)
        x = self.avgpool(x)
        x = x.view(x.size(0), 256 * 6 * 6)
        x = self.classifier(x)
        return x

6. 联系客服

客服微信：xuexiv5876

微信二维码

1. 资源准备#

2. Cursor 安装#

3.注册与登录#

4. Cursor 配置#