编辑 | Tina
今天，字节跳动正式推出了 AI 编程助手 Trae 的 2.0 版本，并逐步向用户开放。这次更新带来了一个新功能——SOLO 模式，它是一个能处理上下文工程的系统，能够根据完整的信息来规划和执行任务，涵盖从代码编写到功能交付的整个开发流程。
字节跳动还表示，Trae 2.0 带来了全新的视觉体验，同时引入了核心的 SOLO 模式。
SOLO 这个新模式可不仅仅是个聪明的上下文工程师，它的能力超越了简单的代码协助，甚至可以进行思考、规划、构建并交付完整的功能。具体来说，SOLO 模式能够处理从需求文档到技术设计、再到浏览器内容和终端输出等丰富的上下文信息，全面覆盖整个开发周期，包括规划、编码、测试和部署。
而且，SOLO 模式将代码、文档、终端和浏览器整合到一个窗口中。用户无需编写任何代码，只需用自然语言或语音描述开发需求，SOLO 就能自动生成需求文档、编写代码、调试测试，最后部署上线，真正实现了从想法到应用的无缝交付。
举个例子，如果后端工程师想在用户重置密码时添加邮件通知，只需说出：“当用户重置密码时发送电子邮件，使用队列系统，并包含 IP 和设备信息。”SOLO 会自动找到合适的代码位置，重用模块，编写代码、添加测试，并提交干净的请求，整个过程都在上下文环境中完成，完全不需要额外的设置或手动操作。
字节跳动的 TRAE 负责人杨石在发布前也提到，“新 Trae 的推出意味着上下文工程可能会成为未来的趋势。”
追风口的人，都开始讲 Context 了
随着 Trae 在上下文工程方面的新突破，这也反映出这个领域的热度正在急速上升。
越来越多的开发者意识到，当大型模型表现不佳时，往往不是模型本身的问题，而是其所依赖的系统没有为其创造良好的条件——上下文不充分、组织混乱，甚至完全错误。
上下文工程的兴起，最早可以追溯到一个名为 Qodo 的团队。最近，他们开展了一项关于 AI 生成代码质量的研究，调查了大量开发者。其中一个重要发现是：76.4% 的开发者表示，他们对未经人工审核的 AI 生成代码缺乏信任。主要原因在于 AI 容易产生错误和幻觉，这成为 AI 实际应用中的主要障碍。
在这项报告中，研究人员指出，尽管 AI 工具已经成为软件开发的一部分，但开发者对其产出的信任度仍然难以建立。问题并不是 AI 的编码能力，而是当代码未经审核就被上线时，更容易出错。而这一切的根本原因在于上下文的缺乏。AI 通常获取不到足够的信息，很多时候甚至不知道自己错过了哪些重要信息。
Shopify 的 CEO Tobi Lutke 在 Twitter 上也发表了一个引发广泛共鸣的看法。他表示：“与其称之为提示工程，我更喜欢用上下文工程来形容。这更准确地反映了我们需要掌握的核心技能：如何提供完整的上下文信息，让大型语言模型能够执行复杂的任务。”
上下文工程：AI开发的新趋势
说到“上下文工程”，我们不得不提到 Andrej Karpathy，他可是这个领域的风向标。去年他提到的“vibe coding”一时间引起了大家的热议。借助像 Cursor、Windsurf、Replit 这样的工具，开发者只需要用简单的自然语言描述他们的需求，AI 就能自动生成代码，快速搭建出应用的原型，真的很方便。
上个月，Karpathy 在 X（以前的 Twitter）上转发了 Tobi 的一条帖子，并表示：“我觉得用‘上下文工程’这个说法更合适，远比‘提示工程’来得准确。”
Karpathy 进一步强调，我们现在已经不再是拼谁的提示词写得好，而是要关注“上下文工程”。这意味着我们需要有策略地组织和传递信息，让大模型能够发挥出最佳的效果。
上下文工程可不是简单的提示技巧，而是一个综合了科学方法、工程直觉与系统设计的复杂能力。它需要考虑到任务描述、少样本示例、检索增强生成（RAG）、多种数据的使用、工具调用及历史上下文等多个方面。正是这种系统性的设计能力，让现实中的 AI 应用不断落地，超越了大家常说的“ChatGPT 套壳”。
Karpathy 的这番话一出，立刻在 AI 社区引发了热烈的讨论。
LangChain 的联合创始人兼 CEO Harrison Chase 也注意到了“上下文工程”这一新趋势，他认为它是“建立动态系统，以合适的格式提供合适的信息和工具，让大语言模型实现目标任务的关键。”
总之，上下文工程的核心能力就是在每一个环节中，精准地选择、组织和管理 AI 所需的信息，确保既不遗漏重要细节，也不过载信息，从而高效地完成任务。
BloomTech 的创始人 Austen Allred 更是直言：“上下文工程的威力是提示工程的十倍，甚至比‘靠感觉写代码（vibe coding）’还要强大一百倍。”
产业界也开始迅速跟进。上周，Manus 宣布全力投入上下文工程，这周 Trae 也在技术博客中表示，SOLO 的核心就是上下文工程。
想要打造高效的 AI 开发方案，关键不在于你写了什么代码，或是最初的提示如何。随着任务变得更加复杂，完整、精准和结构化的上下文比一个“神奇的提示”要重要得多。
SOLO 的设计充分考虑了上下文工程。它首先理解你的知识架构，帮助你思考和规划，然后把复杂的任务分解成易于实施的逻辑步骤。
当你说“构建一个带有电子邮件身份验证的用户登录页面”时，SOLO 会用项目规范的方式进行响应，分析你的项目架构，运用丰富的信息和工具执行，并为你提供清晰的构建内容摘要。
紧跟潮流，Trae 这半年没落下
Trae 是字节跳动在今年年初首次对外发布的产品，它是一款非常年轻的 AI 开发工具。但在短短的时间里，它已经展现出强劲的发展势头，迅速融入了 AI 开发的大潮。
Trae的飞速进化：从基础编程助手到智能AI系统
自从去年开始，AI的发展简直是突飞猛进，各种相关的产品也如雨后春笋般涌现。你可能听说过GitHub的Copilot、Cursor等，它们把AI和IDE紧密结合，成为了一种潮流，而Trae显然也在朝着这个方向努力。
开发者们对AI编程的期待主要集中在两个方面：更聪明的代码补全和更主动的决策支持。在代码补全这块，AI带来了新的互动方式。以前，用户需要通过IDE来索引API进行补全，还得点一下弹出的提示。而现在，通过“ghosttext”（幽灵代码）功能，用户只需按下Tab键，补全就完成了，真是方便多了。
而Cursor在这个基础上更进一步，增加了多点补全的机制，AI可以预测你下一个要编辑的位置，并给出实时建议。这种互动升级，成为吸引用户的重要特性，Trae也在努力实现这种“多点预测”的体验。
再说到代码问答和辅助分析方面，大模型逐渐超越了早期的ChatBot。例如，GPT不仅能回答代码问题，还推出了代码解释器功能，允许用户在类似沙箱的环境中执行Python代码。其他竞争对手也在向这个方向发展，比如Claude的Artifacts和GPT的Canvas画布，这些功能都在努力拓展AI的编辑能力。
Trae的进化速度真的是飞快，刚开始它只能进行基本的问答，用户还得手动把代码放到编辑器中。但不久后，它上线了“Builder模式”，实现了自动读取和修改代码，甚至可以修复错误，初步具备了“自动驾驶”的能力。
到了4月份，Trae又推出了MCP模块和自定义Agent系统，支持用户组合不同功能，打造专属的智能助手。这一MCP的引入，也解决了之前“第一方和第三方工具如何混用”的问题，使用标准协议加速了与生态工具的接入。Trae团队表示，为了不被竞争对手甩在后头，并满足用户对三方工具复用的需求，他们迅速决定将MCP接入系统，这是构建上下文工程基础能力的重要一步。
不过，MCP目前只开放了Prompt部分，早期用户使用得并不多。因此，Trae团队在不干扰原系统提示的情况下，增加了一个叫“userprompt”的结构，用于注入用户输入，还引入了优先级限制机制，以确保模型的行为可控。这一改进也为4月份自定义Agent能力的上线铺平了道路。
就在7月4日，Trae团队正式宣布开源其核心组件Trae-Agent。
仅仅半年时间，Trae从一个只能处理基本问答的编程助手，逐渐演变成了一个能够自动理解代码、调用工具、规划执行流程，并支持自定义和多Agent协作的智能系统，建立了“能听懂、能看懂、能做事”的完整能力体系，已经成为一款真正“能干”的AI编程助手，在众多AI IDE中占据了一席之地：
参考链接：
https://www.trae.ai/blog/product_solo
今天的精彩推荐，让你不容错过！
声明：本文为 InfoQ 整理，不代表平台观点，未经许可禁止转载。
好文推荐
听说某位创始人“背刺”了员工，结果他们都实现了财富自由，Devin 迅速兑现了员工的期权，而一位华人 CEO 还调侃说：“不如去做个人吧！”
想知道怎么靠 AI 副业月入 5 万美元？我试过十几款热门工具，效果真不错！
让人震惊的是，AI 编码居然让资深程序员的效率下降了 19%！OpenAI 的前研究员也直言不讳：别再花冤屈钱在“AI 工具智商税”上了，连谷歌的大佬都支持这个观点呢！
醒醒吧！有些 CEO 大肆夸赞 AI 能写 95% 的代码，但在绩效考核的时候却还是在看程序员的手速，真是矛盾啊！
会议推荐
首届 AICon 全球人工智能开发与应用大会（深圳站）将在 8 月 22-23 日如期举行！本次大会以“探索 AI 应用边界”为主题，专注于 Agent、多模态、AI 产品设计等热门话题，讨论企业如何运用大模型来降低成本、提升效率，届时将有来自各大企业和明星创业公司的专家分享他们的实践经验和前沿见解。快来一起探索 AI 应用的更多可能性，寻找 AI 驱动业务增长的新机会吧！
SOLO模式的引入确实令人期待，但我仍然担心AI生成的代码质量，特别是在没有人工审核的情况下，可能会带来潜在风险。
SOLO模式确实很先进，但我认为在推广之前，字节应该加强对AI生成代码的质量监管，毕竟用户的信任很重要。
SOLO模式的功能很强大，但在实际应用中，用户可能会遇到如何准确描述需求的问题，建议提供更多使用案例和指导。
SOLO模式的设计理念很不错，但我希望字节能加强对用户需求描述的引导，帮助他们更准确地表达想法，这样才能充分发挥AI的能力。
SOLO模式的确很前沿，但我觉得字节需要提供更多的实际应用案例，让用户了解如何更好地使用这个功能，避免使用中的困惑。
SOLO模式的确很有潜力，但我希望字节能提供更多培训和示范，让用户熟悉如何有效使用这个新功能。
SOLO模式确实是个创新，但字节在推广时需要加强对用户需求描述的指导，帮助他们更清晰地表达想法，以便更好地利用这个功能。
SOLO模式的确是个不错的创新，但我对AI生成代码的质量仍有疑虑，特别是缺乏人工审核的情况下，错误风险可能很高。
SOLO模式的功能确实令人印象深刻，但我对AI生成代码的准确性仍感到不安，尤其是在没有人工审核的情况下，错误的可能性依然存在。希望字节能加强这方面的监管。
SOLO模式的确很有潜力，但字节应该更加关注用户在使用过程中的反馈，尤其是如何准确描述需求，这样才能更好地提升用户体验。
SOLO模式的确创新，但我对其生成代码的准确性仍有疑虑，尤其是没有人工审核的情况下，错误风险可能很高。
SOLO模式确实很先进，但我担心在没有人工审核的情况下，生成的代码可能会出现错误，影响项目的稳定性。
SOLO模式的功能确实很强大，但我担心在复杂项目中，AI是否能处理所有上下文信息，精准生成代码仍需验证。