# 策展 · X (Twitter) 🔥🔥🔥🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：Cursor (@cursor_ai) · 平台：X (Twitter) · 日期：2026-06-12

> 原始來源：https://x.com/cursor_ai/status/2065137803084857845

## 中文摘要

Cursor 推出 Auto-review 功能強化操作安全性。

**核心功能與運作機制**
Cursor 團隊開發的「Auto-review」旨在解決 Agent 自主性與安全性之間的矛盾。過去頻繁的權限請求會導致使用者疲勞，而「Auto-review」則將自主權視為連續光譜，透過一個專門的分類器 Agent 在執行路徑上進行即時審核。
- 該分類器會根據上下文判斷操作風險，若風險較低則允許執行，風險較高時則採取阻擋或要求確認。
- 分類器具備 Agent 特性，必要時可透過 `ReadFile`、`Grep`、`Glob` 或 `ListDir` 等工具檢查 `workspace`，以確保判斷準確。
- 系統評估顯示其準確度高達 97%，且僅在必要時介入，大幅降低了對使用者的干擾。

**技術架構與設計考量**
為了維持高效能，開發團隊在架構上做了關鍵決策：
- 採用小型且具備推理能力的模型，確保在執行路徑上能快速反應，避免過度推理導致的延遲。
- 整合於與父 Agent 相同的 RPC 串流中，省去了額外的網路往返（round trip）時間。
- 當分類器阻擋某項操作時，會向父 Agent 回傳解釋，讓父 Agent 有機會修正路徑或選擇更安全的工具，而非直接中斷使用者。

**實際影響與測試**
根據 David Gomes 與 Travis McPeak 的說明，該功能透過內部開發者工作階段與合成資料進行嚴格測試，確保能有效捕捉讀取機密、觸碰生產環境資料等高風險行為。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/f293e2d42d535ed0.png)
> 分類器在明確案例上具有高度準確性（整體準確度達 97.39%），僅在模糊的邊緣案例附近性能有所下降，其中 Allow 的召回率達 99.22%，而 Block 的召回率為 91.21%。

- 數據顯示，目前僅約 4% 的操作會被分類器阻擋，且僅 7% 的對話會導致使用者被中斷，遠低於部分企業環境中高達 40% 的阻擋率。
- 現有使用者可透過 `Settings` > `Agents` 手動啟用此功能。

## 媒體內容

**分類器在明確案例上具有高度準確性（整體準確度達 97.39%），僅在模糊的邊緣案例附近性能有所下降，其中 Allow 的召回率達 99.22%，而 Block 的召回率為 91.21%。**

**數據表**

| 項目 | 數值 |
| --- | --- |
| Accuracy | 97.39% |
| Precision | 97.45% |
| Recall | 99.22% |
| Precision | 97.18% |
| Recall | 91.21% |

## 標籤

IDE, 功能更新, Agent, 自動化, Cursor