Trae 2.0 发布了，SOLO 模式的体验居然这么棒，你准备好一起聊聊了吗？

字节跳动推出了 AI 编程助手 Trae 的 2.0 版本，现在正逐渐开放使用权限。这次更新带来了一个新功能——SOLO 模式，它是一种可以理解上下文的系统，能够根据完整信息进行任务的规划与执行，涵盖从编写代码到功能交付的整个开发流程。

SOLO 是一个属于 Context Engineer 的 AI 工程师，能够独立完成软件生成，替代人类处理那些繁琐、重复的开发环节。

你可能感兴趣：你觉得 Trae 2.0 和新出的 SOLO 模式体验如何？一起来聊聊吧！

SOLO 模式的推出，被广泛认为是“AI 辅助”向“AI 主导”转变的重要一步。和传统的需要手动操作的智能工具相比，SOLO 能够在理解需求的基础上，主动调配工具来完成复杂的开发任务。目前，这个系统已经能够支持 Web 应用的全流程交付，未来还将拓展更多应用场景。

我看到很多开发者已经获得了内测资格，想请教一下大家对 SOLO 模式的使用体验怎么样呢？

谢谢邀请，顺便说一下，我是 Trae 的核心开发者。时间过得真快，我在这个领域已经摸索了半年，今天想和大家聊聊《重生之我在大厂搞 AI Coding》。

简而言之，就是一堆图~

---

重生之我在大厂搞 AI Coding

事情的经过其实很简单：

• 2022 年 11 月 15 日，突然收到蚂蚁大礼包，我不得不重新规划未来，还好很快就幸运地加入了字节。
• 2023 年 11 月 15 日，我接到一个电话，被召集到杭州闭关室，开始负责 MarsCode Cloud IDE 团队的云工作区等相关事务，那一年真的过得飞快。
• 2024 年 11 月 15 日，我再次进入闭关室，又是忙碌的半年，最终促成了大家看到的 Trae 1.0 和 2.0 的迭代。

我常常开玩笑说，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 日又会有什么新鲜事呢？我还真有点期待。

时间转眼过去半年，定坤在上个月的火山引擎 Force 大会中发表的主题演讲《聊聊 Al Coding》中提到，Trae 的月活跃用户已经突破了百万，这算是我们阶段性的一个小成就。

---

从 MarsCode 到 Trae

熟悉我们的朋友应该知道，2024 年我们推出了很多与 Cloud IDE 相关的产品，比如 MarsCode Cloud IDE、Coze IDE 和掘金 AI 刷题等，字节内部的 Cloud IDE 也在我们的服务范围内，用户覆盖率相当可观。

首先要澄清一个概念，Cloud IDE 并不等同于 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中运行，也可以在本地的 Electron 中运行，可以是完整版本，也可以是轻量版。
• 业务逻辑层可以在用户本地运行，也可以在远程的 K8S 容器中，甚至可以在浏览器的 WebContainer 中运行。

Cloud 的意思是 Code Anywhere，所以这两层可以自由组合，可以都在同一台机器上，也可以通过 SSH 远程连接，甚至可以通过 iPad 使用。这就是我对 Cloud IDE 的理解。

Cloud IDE 的远程容器，我们称之为云工作区，技术挑战其实挺大的：

• 常见的微服务是非实时的、无状态的，可以实现负载均衡，容量不足时可以慢慢扩展；
• FaaS 服务是实时调度的，但也是无状态的，因此可以提前进行预热；
• 而 Cloud IDE 是实时调度 + 有状态，每个项目对应一个容器，涉及磁盘数据依赖，启动速度非常敏感，用户打开后必须等着初始化和加载才能使用，因为有磁盘代码数据，所以是有状态的，不能实现负载均衡，也很难提前预热。

在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 Rust 化，还深入到 K8S 层面进行了深度定制，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 达到了 5 秒，而 GitHub Codespace 需要 30 秒，Google IDX 则需要 1 分钟，至少在这个指标上我们达到了国际一流水平。

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

当然，技术的成功并不一定意味着业务的成功，很多时候还需要在合适的时机选择合适的路线。就 Cloud IDE 场景而言，虽然它在字节的覆盖率很高，但 MarsCode 作为一个面向消费者的产品，天生就受到用户场景的限制，因为国内企业的代码很难上云，而程序员的副项目又无法支撑产品的健康发展。

因此，在 2024 年 11 月 15 日，我们决定回到起点，选择从 Native IDE 这条新路重新向 AI Coding 的巅峰发起挑战。当然，我依然相信 Cloud IDE 的价值，未来它会以云端一体的形式与我们再次相聚，殊途同归，大家一个都不能少。果然，到 2025 年中，业界也开始关注 Remote Agent 场景，而这方面我们已经有了足够的积累，静待时机即可。

---

我对 AI Coding 的看法

之前在播客中也提到过：《探秘AI IDE，对话字节Trae & 迪魔王Devmore》

LLM 大模型的核心在于预测下一个字符，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 成为了这个浪潮中的第一个真正实现产品市场匹配（PMF）的领域。这个领域的实践几乎每个月都在更新我们的认知。

标题：聊聊AI编码的演变之路

在我看来，AI编码其实就像是自动驾驶，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。目前我们的一些工具，比如Trae Builder、Cursor Composer和Windsurf Cascade，都是专注于AI结对编程这个阶段的。

---

AI辅助编程

代码补全

最开始，我们写代码时主要依靠代码提示，通过“下拉列表”来选择方法和属性。

随着ChatGPT的出现，我们明白了LLM大模型其实是通过预测下一个字符来工作的。相比复杂的自然语言，编程语言要简单严谨得多，所以不久后，Copilot就横空出世，在代码补全上带来了巨大的创新。它的Ghost Text交互方式真是让人惊艳，只需按个Tab键，就能迅速接受建议，刺激程序员的多巴胺。

不过这种方式只能用于新增代码的补全，因此Codeium和Cursor在超级补全（也称为Tab Tab）方面进行了进一步的创新。举个简单的例子，假设你有一个前端地区下拉列表，开始是英文的，后来改成中文。如果你改动了第一行的某个字段，接着再按一次Tab，就能一键更新下面所有相关字段。我们最近也推出了Trae Cue超级代码补全功能。

从“代码提示” → “代码补全” → “超级补全”，这体现了AI编码能力的飞跃。

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”。当ChatGPT刚出来时，程序员们感到震撼，因为它可以进行对话式生成算法或页面，但这需要在聊天机器人里进行人工对话，然后再复制回IDE，实在是太麻烦了。

那么，能不能直接在IDE里和AI对话呢？于是，IDE里开始出现了SideChat，这个阶段主要是通过插件实现，比如Copilot Chat、Codeium等。它的优势在于可以直接获取IDE和代码仓库的上下文，省去了人工复制的麻烦。

虽然看起来很高大上，但其实原理很简单。比如你和AI说“帮我实现这个HTTP请求函数”，它其实是在拼凑一段描述：“用户当前正在打开xx文件，光标在xx行，这行的函数名和注释是xxx，最近他访问过a、b、c文件，整个项目的目录结构是xxx，现在要求在当前位置实现一个HTTP请求逻辑。”然后把这段信息发给LLM生成代码，最后再进行合并。是不是和你自己去和ChatGPT对话差不多？只是IDE帮你把合适的上下文组合好了。

这里的技术要点包括：项目理解能力、上下文裁剪、模型能力以及工程上的PE能力。Cursor在这方面表现得很出色，而Claude Sonnet 3.5的出现更是标志着模型能力的一次飞跃，因此去年引发了一波热潮。

到现在为止，开发者可以在IDE里直接和AI共享上下文，不用再费力地转述。下一个要解决的问题是生成后的代码，如何避免手动复制到各个文件中，这就是Fast Apply代码合并的场景。

简单来说，就是如何让AI生成适合的代码，并自动合并到相应位置。这里有多种实现方式，比如全文重写、Search Replace代码片段替换、Diff合并，业界也有很多实践结合使用，而Cursor则训练了一个Fast Apply的小模型，我们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能力的不断提升，用户的需求也变得越来越复杂。我们希望AI能展现出更多的自主性，就像一个有潜力的实习生与我们一起结对编程，社区称这种角色为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，模型会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，产生观察结果。这些动作和观察结果会被附加到上下文中，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的核心在于：AI具备了思考和调度能力，同时还有上下文感知能力和工具调用能力。它能够感知所处环境，根据目标进行思考并拆解子任务，然后调度各种工具实现任务。

碎碎念：如果你在使用Trae时发现总是要手动“Apply应用”，请务必检查一下在聊天对话框里是不是没有@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，终于推出了大家看到的Trae 1.0版本。

在Agent 1.0的架构中，由于当时大模型的能力还不够强大，我们的流程更加依赖于Workflow，即思考→规划→执行→观察的循环。在Trae IDE环境中运行，借助IDE功能收集信息、构建上下文，并利用大语言模型进行思考和规划。同时，依靠IDE提供的文件操作和命令行操作等功能来实现编码相关需求。

除了Agent的流程，还有Code Knowledge Graph知识图谱（代码召回）、Fast Apply代码合并等功能。

顺便说一句：有时在社区看到有人说AI IDE只是LLM的外壳，我只能说他连基本的领域认知都没有。

---

Trae Agent 2.0

随着大量用户的反馈，我们收到了不少吐槽。经过努力推出的1.0架构在许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Proposal + Plan的固定Workflow方式，反而可能限制了大模型的发挥，导致效果不如预期。

重磅发布！Agent 2.0 架构来了

在2025年4月8日，我们又一次闭关了整整21天，终于推出了全新的Agent 2.0架构。通过赋予LLM更大的自主权，它能够主动理解用户需求、感知周围环境，并自主驱动工具执行任务并获取反馈，这样一来，LLM的能力得到了极大的提升。

同时，我们也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，代码召回功能被抽象为Search Codebase工具，方便AI按需调用，支持语义化的多路召回。

和AI斗智斗勇的过程，确实是个磨人的事情。让我来分享一个PUA的案例：

• 背景：我们的目标是让AI在不降低效果的情况下，用更少的轮次完成任务。
• 方法：通过PUA的方式，告诉AI仅有N轮机会，让它感受到紧迫感。
• 结果：在claude 3.5中，这个方法相当有效，从线上数据来看，轮次明显减少。
• 意外：不过在claude 3.7中，我们发现AI变得懒散了。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，反而选择了消极应对，得我们得主动出击才能激活它。结果花了不少时间才摸清它的个性，才解决了这个问题。

---

Trae Agent 3.0：新的探索之旅

Agentic和Workflow并不是非黑即白的选择，而是一种连续的光谱。我们的架构旨在提供可持续的迭代能力，在LLM表现出色的地方更加强调自主，而在LLM尚不擅长的部分则通过固定编排来固化专家经验，随着模型的进化，我们可以以较低的成本更换节点，实现逻辑的灵活调整。

【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】

---

探索 Trae SOLO 模式

随着Trae的不断演进，我们逐渐意识到，AI和IDE之间的主导关系正在发生变化：

• 以前是程序员在IDE里编码，AI作为辅助。
• 现在则更像是AI主导编码，而IDE、浏览器、终端这些不过是它的工具罢了。

因此，我们开始探索SOLO模式，希望实现“AI主导IDE”的新协作模式。在SOLO模式下，AI可以使用内置的编辑器、浏览器等多种工具，未来还将集成更多的工具。

这次发布的2.0版本，主要提供了：

1. 以AI为中心的SOLO交互模式。
2. 针对Web APP场景的端到端交付Agent，未来还会推出更多Agent。

目前还处于预览和打磨阶段，空间还很大，欢迎大家使用和反馈。

以下是一些邀请测试用户的成果：

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

⬆️ @徐飞制作的任务看板：https://traekanbanqnwk-lfne48lzn-xufeis-projects.vercel.app

目前海外版已发布，传送门：https://www.trae.ai。不过由于资源有限，我们仍在进行定向邀测，大家可以关注官方Twitter或飞书群技术运营同学的通知，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实习生进行有效合作？

我一直认为AI就是每个人都能拥有的高潜力实习生。

现在很多人觉得AI编程很神奇，也有不少人觉得不怎么样，其实这主要是因为没有找到与不同阶段的实习生相处的正确方式，导致预期管理不当，短期高估，长期低估。

我的看法是：AI是每个人专属的高潜实习生。对当前的AI实习生，我们需要安排合适的任务，提供适当的指导和信息输入，并随时准备给它兜底，随时接手，就像带一个真实的实习生一样，这没啥区别，要么没用好，要么没雇好。

• 甩手掌柜 → 不提供充分的上下文，就想着一句话需求就能让AI完成正式项目。
• 给予超出能力范围的任务 → 它是写代码的，别指望它能生成不合规范的内容。不同模型的能力也各有不同。
• 招聘标准低 → 想让claude 4完成的任务，却只愿意用openai 3.5的免费版本。
• 一分价钱一分货 → 你想用$20的月费实现$2000的token产出。

在社区中观察大家对AI编码的看法，也挺有趣的，能看出平时如何带实习生和新人：

1. 一些人事无巨细地拆解问题，给出详细信息，强势指挥，自己则只管动手。
2. 有些人则适度放权，仅提供必要的信息输入，但随时准备兜底。
3. 还有一些人没有耐心，遇到问题就发脾气，然后放任不管，只丢一些杂活过去。

---

最后的话 & 加入我们

记得刚立项时，TL对我们说：“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”来听。但没想到到2024年底总结时，看到MarsCode的技术指标，2025年中Trae的百万月活数据，以及团队积累的一篇篇见解，我突然意识到我们真的在踏踏实实地朝着这个目标前进，我由衷地相信这一切。

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

前路漫漫，其修远兮，我将上下而求索。在AI编码这条路上，我们仍在摸索前行，相比许多行业前行者，还有很多需要学习的地方，但请相信我们对此事是非常认真的。

专业生产力工具的颠覆性创新，必将全面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，这一变化可能在三年内发生。我们每个人都应学会如何与AI协作。

---

最后，我们人少事多但充满干劲，诚邀大家加入Trae团队，我们在杭州、北京、上海、广州、深圳都有基地，正在招聘前端、后端、AI等各类人才。