Trae 2.0 发布了，SOLO 模式体验竟然这么棒，你一定要试试！

字节跳动的 AI 编程助手 Trae 刚刚推出了 2.0 版本，现在逐步开放给大家使用。这次更新带来了一个全新的 SOLO 模式 —— 这就像是一个拥有上下文理解能力的系统，能够根据完整的信息来规划和执行任务，支持从写代码到功能交付的全过程。

SOLO 是一个 Context Engineer，实际上就是一个能独立完成软件开发的 AI 工程师，能替代人类处理那些繁琐、重复的开发步骤。

你可能感兴趣：我：想要一个任务系统！Trae：前端、后端、文档统统搞定，还给你开源，真是太贴心了！

SOLO 模式被视为 AI 从“辅助”转变为“主导”的一个重要里程碑。相较于传统的需要手动操作的智能助手或代码补全工具，SOLO 可以在理解需求的基础上，主动安排工具来完成复杂的开发任务。目前，这个系统已经支持 Web App 的完整交付，未来还会扩展到更多场景。

我注意到已经有不少开发者获得了内测资格，想问问大家对 SOLO 模式的实际使用感受如何呢？

感谢邀请，我有点小关系，毕竟我是 Trae 的核心开发者。这半年多来，我在这个领域里摸爬滚打，今天想聊聊《重生之我在大厂搞 AI Coding》。

简而言之，图多说少~

---

重生之我在大厂搞 AI Coding

时间线其实简单明了：

• 2022 年 11 月 15 日，我突然收到“蚂蚁大礼包”，让我不得不重新规划未来，庆幸的是，我很快就加入了字节。
• 2023 年 11 月 15 日，我接到一个电话，被召回杭州闭关室，从此负责 MarsCode Cloud IDE 团队的云工作区等相关事务，那一年真是疯狂。
• 2024 年 11 月 15 日，我再次走进闭关室，又是疯狂的半年，于是 Trae 1.0 和 2.0 的进化就这样诞生了。

我常开玩笑说，11 月 15 日是我的“受难日”，重生之我在大厂搞 AI Coding。今年的 11 月 15 日又会发生什么呢？我不知道，但心里还是有点期待的。

转眼半年过去了，上个月在火山引擎 Force 大会上，定坤的主题演讲《聊聊 AI Coding》中提到Trae 的月活跃用户已经突破百万，算是阶段性成果了。

---

从 MarsCode 到 Trae

熟悉我们的小伙伴应该知道，2024 年我们发布了不少与 Cloud IDE 相关的产品，比如 MarsCode Cloud IDE、Coze IDE、掘金 AI 刷题等，字节内部的 Cloud IDE 的用户覆盖面也相当广泛。

这里我得澄清一下，Cloud IDE ≠ Web IDE。从我个人的理解来看，IDE 可以分为前端交互层和业务逻辑层：

• 前端交互层可以在浏览器运行，也可以在本地 Electron 中，形式可以是完整版也可以是轻量版。
• 业务逻辑层可以在用户本地，也可以在远程的 K8S 容器里，甚至可以在浏览器的 WebContainer 中运行。

Cloud 的意思就是 Code Anywhere，这两层可以灵活组合，可以在同一台机器上，也可以通过 SSH 远程连接，甚至可以用 iPad 来使用。这就是我对 Cloud IDE 的理解。

Cloud IDE 的远程容器，我们通常称为云工作区，这里的技术挑战还是相当大的：

• 一般的微服务是非实时的，且无状态的，可以负载均衡，容量不足的时候可以慢慢扩容；
• FaaS 服务是实时调度的，但也是无状态的，所以可以提前预热；
• Cloud IDE 是实时调度 + 有状态，每个项目对应一个容器，有磁盘数据的依赖，对启动速度要求很高，用户打开时就得等着初始化和加载，才能使用。由于有磁盘代码数据，所以它是有状态的，无法负载均衡，也难以提前预热。

2024 年，我们在这方面投入了大量精力进行优化，不仅大幅度将 VSCode 转为 Rust，还深入定制 K8S，最终在性能、成本、稳定性等方面取得了不错的成果。我们的端到端启动性能 P90 达到 5 秒，而 GitHub Codespace 需要 30 秒，Google IDX 更是要 1 分钟，至少在这个指标上，我们达到了全球顶尖水平。

MarsCode 启动速度https://www.zhihu.com/video/1930983846276466605

当然，技术的成功不代表业务的成功，很多时候需要在合适的时机选择合适的方向。虽然 Cloud IDE 在字节的覆盖率很高，但作为一个面向消费者的产品，MarsCode 自然受到用户场景的限制，因为国内企业的代码难以上云，而程序员的副业项目又不足以支撑产品的可持续发展。

于是，在 2024 年 11 月 15 日，我们决定回归原点，选择从 Native IDE 这条新路出发，继续攀登 AI Coding 的高峰。当然，我依然相信 Cloud IDE 的价值，它会以全新的云端方式与我们再次相聚，殊途同归，一个都不能少。果不其然，到 2025 年中，业界也开始探索 Remote Agent 场景，而我们在这方面已经有了足够的积累，随时可以大展拳脚。

---

我对 AI Coding 的理解

之前在播客中也聊过这个话题：《探秘AI IDE，对话字节Trae & 迪魔王Devmore》

LLM 大模型的本质其实是预测下一个字符。相比复杂的自然语言，编程语言更加简洁、严谨且可预测，因此 AI Coding 领域成为这波浪潮中第一个找到市场契合点的产品。在这个领域的实践每天都在进步，几乎每个月都在刷新我们的认知。

AI 编程的演变：从辅助到自主

我觉得AI编程就像自动驾驶一样，经历了几个阶段：首先是AI 辅助编程 → AI 结对编程 → AI 自主编程。现在我们像Trae Builder、Cursor Composer和Windsurf Cascade等工具，正处于AI结对编程的阶段。

---

AI 辅助编程

代码补全

回想早期写代码时，我们主要依赖“下拉列表”来接收代码提示，选择对象的方法和属性。

随着ChatGPT的问世，我们渐渐意识到大模型其实就是预测下一个字符的工具。相比复杂的自然语言，编程语言显得更简洁和严谨，这让Copilot迅速崛起，带来了惊艳的代码补全体验。它的Ghost Text交互方式，只需轻轻一按Tab键，就能轻松采纳建议，真是让程序员们的心情大好。

不过，这种补全方式主要是针对新增的代码。于是，我们看到了Codeium和Cursor在超级补全方面的创新。举个简单的例子，假设你在做一个前端的地区下拉列表，最开始是英文的，后来你想换成中文。如果你修改了第一行的字段，再按一次Tab，下面所有字段都能一键更新。最近，我们也推出了Trae Cue超级代码补全功能。

从“代码提示”到“代码补全”，再到“超级补全”，这体现了AI编程能力的飞跃。

Trae Cue 超级补全https://www.zhihu.com/video/1930973686283896348

---

代码生成

接下来聊聊“代码生成”。在ChatGPT刚问世的时候，程序员们感受到的另一种震撼是它的对话式生成算法。可是，这需要在聊天机器人里逐个对话，再复制到IDE里，实在有点繁琐。

那有没有可能直接在IDE里和AI对话呢？于是，IDE里出现了SideChat等插件，比如Copilot Chat和Codeium，它们可以直接获取IDE和代码仓库中的上下文，再也不用麻烦地复制粘贴了。

虽然看起来这些功能相当高大上，其实它的原理很简单。比如你对AI说：“帮我实现这个HTTP请求函数”，它其实是在拼接一段描述：“用户在打开xx文件，光标位于xx行，当前函数名是xxx，最近访问过a、b、c文件，整个项目结构是xxx，现在用户要求在当前位置实现HTTP请求逻辑。”然后将这段描述交给大模型生成代码，最后再合并代码。是不是跟手动和ChatGPT对话的过程差不多？只是IDE为你准备好了合适的上下文。

这里的技术含量在于：项目理解、上下文裁剪、模型能力以及工程实践能力，Cursor在这方面表现出色。Claude Sonnet 3.5的出现更是标志着模型能力的重大突破，去年引发了一波热潮。

到目前为止，开发者可以在IDE里与AI共享同样的上下文，再也不需要冗长的转述。接下来需要解决的就是生成后的代码，如何自动合并到各个文件中，这就是快速应用代码合并的场景。

简单来说，就是如何让AI生成合适的代码，并自动合并到相应位置。实现方式有很多，比如全文重写、代码片段替换、Diff合并等。业界有多种实践结合使用，而Cursor则训练了一个快速应用的小模型，Trae则支持多种方式。

这两个能力的阶段，我称之为AI辅助编程。

---

AI 结对编程

AI Agent 是什么？

随着AI能力的不断进步，用户的需求也越来越复杂，我们更希望AI能有更多的自主性，像一个高潜力的实习生在旁边协助我们编程，这就是社区所称的AI Agent。

那么，一个典型的Agent是如何运作的呢？Manus前几天的文章提到：

『在接收用户输入后，Agent通过一系列工具来完成任务。在每次迭代中，模型根据当前上下文从预定义的动作空间中选择一个动作。然后该动作在环境中执行以产生观察结果。动作和观察结果被附加到上下文中，形成下一次迭代的输入，这个循环持续到任务完成。』

简单来说，Agent的核心是：AI具备思考能力和调度能力，同时也有环境感知能力和工具调用能力。它能感知自身所处的环境，并根据接收到的目标进行思考，拆解子任务，再调度工具来完成任务。

碎碎念：如果使用Trae时发现总是需要手动“应用”，一定要检查聊天框里有没有@builder。下次一定会优化！

---

Trae Agent 1.0

Trae Agent于2024年12月17日立项，经过20天的努力，大家看到了Trae 1.0版本。

在Agent 1.0的架构中，由于大模型能力还不够强大，我们的流程更多依赖于工作流，即思考→规划→执行→观察的循环。它在Trae IDE环境中运行，借助IDE的功能采集信息、构建上下文，并利用大语言模型进行思考和规划。同时，通过IDE提供的文件操作和命令行操作来进行工具调用，完成编码需求。

除了Agent的流程，还有代码知识图谱、快速应用代码合并等功能。

顺便吐槽：有时看到有人说AI IDE仅仅是LLM的外壳，真是让人无奈，因为他们连领域认知的门槛都没碰到。

---

Trae Agent 2.0

随着大量用户的反馈，我们收到不少意见，发现1.0架构在很多场景下的表现并不理想。同时，随着LLM大模型能力的不断提升，依赖于固定的提案+规划工作流的方式反而会限制模型的发挥。

Agent 2.0 的新突破

好吧，到了2025年4月8号，我们又一次闭关了整整21天，终于推出了Agent 2.0架构。这次的升级主要是让LLM有了更大的自主权，能够主动理解需求、感知环境，并驱动工具执行任务，获取反馈，这样就能更好地发挥LLM的强大能力。

与此同时，我们针对各种工具进行了特别优化。例如，File工具的代码合并成功率得到了提升，代码召回也变得更加抽象，转而采用了Search Codebase工具，方便AI按需调用，并且支持语义化的多路召回。

和AI斗智斗勇的过程其实挺折磨人的，分享一个PUA的案例给大家：

• 背景：我们希望在不降低效果的前提下，让AI用更少的轮次完成任务。
• 方法：PUA一下它，告诉它只有N轮机会，让它感受到紧迫感。
• 结果：在claude 3.5中效果非常显著，轮次明显减少。
• 意外：然而在claude 3.7中，AI反而变得懒惰。经过分析发现，3.7的性格更加发散，当它意识到完成任务的机会有限时，会选择“摆烂”，需要我们去刺激它一下。结果我们又花了不少时间去理解它的个性才解决了这个问题。

---

Trae Agent 3.0 的新方向

在我们的架构中，Agentic和Workflow并不是黑白分明的开关，而是一个连续的光谱。我们希望架构能够支持可持续的迭代，能够在LLM能力足够的地方实现更高的自主化，而在LLM尚不擅长的地方通过固定编排来固化专家经验，随着模型的进步能够低成本地替换节点。

【付费内容，投简历后可读】

【付费内容，投简历后可读，后端：https://job.toutiao.com/s/5IEbI9PKBco】

【付费内容，投简历后可读，前端：https://job.toutiao.com/s/mMPAHQSoPFA】

【付费内容，投简历后可读】

---

Trae SOLO 模式的探索

随着Trae不断进化，我们渐渐意识到AI和IDE的关系正在发生变化：

• 之前是程序员在IDE里Coding，AI只是辅助。
• 现在，AI反而主导了Coding，而IDE、浏览器、终端等工具只是它的助手。

所以，我们开始探索SOLO模式，希望从“AI辅助IDE”升级为“AI主导IDE”的新协作模式。在SOLO中，AI可以利用内置的编辑器、浏览器等多种工具，未来还会有更多工具的整合。

此次发布的2.0版本主要提供了：

1. 一种以AI为中心的交互模式。
2. 内置了针对Web APP场景的端到端交付Agent，未来还会推出更多Agent。

目前它还在预览和打磨阶段，空间很大，欢迎大家使用并反馈。

这是我们一些邀测用户做出来的效果：

SOLO做的任务看板https://www.zhihu.com/video/1930971734917505941

⬆️ @徐飞做的任务看板：https://traekanbanqnwk-lfne48lzn-xufeis-projects.vercel.app

目前的海外版已经上线，传送门：https://www.trae.ai。不过由于资源紧张，我们还在定向邀测中，大家可以关注官方Twitter或飞书群技术运营的通知，我这边也没有SOLO代码。
传送门：关于TRAESOLO Code后续发放方式的说明

---

如何与AI实习生高效协作？

我一直以来对AI的看法是：每个人都有一个高潜力的实习生。

现在很多人对AI编程的表现感到惊讶，但也有不少人觉得无用，其实这主要是没找到与不同阶段的实习生相处的方式，管理预期也不够好，短期高估而长期低估。

我的理解是：AI是每个人的专属高潜实习生。对于当前的AI实习生，应该分配合适的任务，提供必要的指导和信息输入，并随时准备帮它兜底，随时接手，跟带一个真人实习生没有太大区别，要么没用好，要么没招好。

• 甩手掌柜 → 不给足够的上下文，却希望一句话的需求能完成正式项目。
• 超出能力边界的任务 → 它是写代码的，你却期望它生成不堪入目的内容。不同模型的打开方式各有不同。
• 招聘标准过低 → 想让claude 4做的事情，却只愿意用openai 3.5的免费版。
• 一分钱一分货 → $20的月费想实现$2000的token产出。

观察社区内不同人对AI编程的评价其实也挺有趣的，可以看出平时是怎么带实习生的：

1. 有些人事无巨细地拆解问题，提供信息，强势指挥，让你别费脑子。
2. 有些人则适度放权，只给必要的信息，同时随时准备给出帮助。
3. 还有些人缺乏耐心，遇到问题就发脾气，然后放任不管，自己忙自己的，只丢一些琐事过去。

---

结语与加入我们

记得刚开始项目时，TL跟我们说过：“我们有意愿、有能力、有机会、有想法、有支持，我坚信我们能做出一款世界级的产品。”当时我把这当成了“愿景”。没想到在2024年底做总结时，看着MarsCode的技术指标，2025年中看到Trae的百万月活数据，以及团队积累的一篇篇洞察，我意识到我们确实在这条路上踏实前行，这让我真的相信了。

我们秉持“预研一代、部署一代、分享一代”的理念，正在落实Trae Agent 3.0架构，以支持Multi Agent和Remote Agent等探索。

未来的道路还很漫长，我们在AI Coding这条路上仍在摸索，比起行业里的许多先行者，我们还有许多需要学习的地方，但请相信我们在认真地做这件事。

专业生产力工具的颠覆性创新，必将重塑开发者的认知和开发方式，未来的IDE可能不再是以代码为中心的形态，这一切很可能在3年内发生。我们每个人都应该学会如何与AI协作。

---

最后，我们团队人少但干劲十足，欢迎大家加入Trae团队，杭州、北京、上海、广州、深圳都有基地，正在招募前端、后端、AI等人才。