【TRAE】AI 编程:AI 驱动下的 Vue 全栈实战——从 TRAE 工具入门到项目落地

【TRAE】AI 编程:AI 驱动下的 Vue 全栈实战——从 TRAE 工具入门到项目落地

目录

一、TRAE 简介

(1)产品愿景

(2)核心定位

(3)核心模式

① SOLO 模式 / Builder 模式

② IDE 模式 / Chat 模式

(4)核心功能与体验

① 全场景开发支持

② Cue 智能续写(升级)

③ 深度上下文感知

④ 智能排查 Bug

(5)智能体生态

① 可自定义智能体

② 工具自由装配 (via MCP)

③ Trae Rules

④ 智能体市场

(6)支持模型

(7)平台与获取

(8)隐私与安全

① 原则

② 数据隐私

③ 安全控制

④ 区域化部署

(9)核心价值

二、TRAE 下载安装

(1)TRAE 下载

(2)TRAE 安装

三、TRAE 创建项目

(1)导入本地文件夹

(2)从 GitHub 克隆仓库

(3)直接从 Git 仓库的 URL 克隆

四、TRAE 插件管理

(1)插件安装

① 从 TRAE 的插件市场安装

② 从 VS Code 的插件市场安装

③ 导入本地 .vsix 文件

(2)插件卸载

五、TRAE 智能体协助 AI 编程

六、MCP 官方教程



一、TRAE 简介

TRAE 是由字节跳动开发的 AI 原生集成开发环境(AI IDE),它通过深度集成大语言模型,旨在提升各阶段开发者的编程效率。

Trae 官网https://www.trae.com.cn/Trae 官方说明文档https://docs.trae.cn/ide/what-is-trae?_lang=zh

主要特点与优势:本土化优化:TRAE 国内版针对中文开发环境和国内主流技术栈进行了深度适配,并对中文技术文档的理解能力进行了特别优化。多平台与获取方式:TRAE 提供 Windows 和 macOS 版本下载,Linux 版本也已开启预约,可以通过访问 Trae 中国官网下载体验。面向开发者的价值:TRAE 的出现,尤其对于初级开发者编程爱好者来说,大大降低了从想法到实现的门槛,让不具备深厚IT能力的人也能参与到创作中。同时,它也帮助专业程序员从大量重复性工作中解放出来,将更多精力投入到架构设计和业务创新上。
Trae 的核心概览信息
特性分类具体说明
基本定位AI 原生集成开发环境(AI IDE),基于 VS Code 内核
核心模式
  • Builder 模式:用自然语言描述需求,AI自主完成从需求分析到代码生成的多轮编码任务,适合从零启动项目。
  • Chat 模式:像与助手对话一样,进行代码问答、调试、优化等精细化协作。
支持模型
  • 国内版主要搭载 doubao-1.5-pro,支持切换 "满血版" DeepSeek R1 和 DeepSeek V3
  • 海外版曾接入 Claude 模型。
核心功能
  • 一键生成项目:用自然语言指令(如 "做一个带用户登录功能的论坛")生成完整的基础代码框架。
  • 代码自动补全:基于上下文实时预测和续写代码。
  • 智能排查 Bug:深入理解代码仓库,精准定位问题并提供解决方案。
  • 深度上下文感知:能分析整个项目的架构,而不仅仅是当前代码片段。
TRAE 引领 AI 编程新范式:TRAE 通过其革命性的 SOLO 模式和 AI 原生架构,正在将 AI 从编程助手升级为能自主完成开发任务的 “伙伴”,并通过实际案例证明了其能显著提升开发效率,引领着软件开发向人机协同的新范式演进。核心理念:从 “辅助工具” 到 “开发伙伴” 的范式转变TRAE 代表的不是简单的代码补全工具,而是一个能够理解项目上下文、自主执行任务的 “AI 工程师伙伴”。这标志着 AI 编程从 “工具增强” 进入 “流程重构” 的新阶段。革命性功能:SOLO 模式与 Context Engineering(上下文工程)SOLO 模式是 TRAE 的核心突破,它基于 “上下文工程” 理念,使 AI 能够主动感知需求、拆解任务、调度工具并交付完整的软件成果。用户只需用自然语言或图片描述需求,AI 即可自动完成从项目创建到编码、发布的整个流程,极大降低了开发门槛。技术架构:AI 原生的集成开发环境TRAE 是国内首个 AI 原生的 IDE,其 AI 能力深度集成,能理解整个项目代码,而非零散的插件补全。通过 CUE(上下文理解引擎)和 MCP(模型上下文协议)等技术,显著扩展了其自动化能力和上下文感知范围。已验证的实践效果:极高的人机协同开发效率字节跳动技术副总裁的案例:3 天内开发出完成度高的 “积流成江” 英语学习应用,85% 的代码由 AI 生成,证明了其生产环境可用性。行业应用:在字节、阿里等公司,AI 编程已规模化应用,能承担 30%-60% 的代码开发,甚至 50% 的简单需求。未来方向:从 AI Coding(编码)到 AI Development(全流程开发)TRAE 的终极目标是让AI成为软件开发全流程的调度者,自动处理需求、调试、部署、运维等环节(占软件开发 60% 以上的工作)。这将使开发者能更专注于创造性和架构设计等更高价值的工作。

(1)产品愿景


(2)核心定位


(3)核心模式

① SOLO 模式 / Builder 模式

② IDE 模式 / Chat 模式


(4)核心功能与体验

① 全场景开发支持

② Cue 智能续写(升级)

③ 深度上下文感知

④ 智能排查 Bug


(5)智能体生态

① 可自定义智能体

② 工具自由装配 (via MCP)

③ Trae Rules

④ 智能体市场


(6)支持模型


(7)平台与获取


(8)隐私与安全

① 原则

② 数据隐私

③ 安全控制

④ 区域化部署


(9)核心价值



二、TRAE 下载安装

(1)TRAE 下载

Trae 官网下载地址https://www.trae.cn/ide/download


(2)TRAE 安装



三、TRAE 创建项目

(1)导入本地文件夹


(2)从 GitHub 克隆仓库


(3)直接从 Git 仓库的 URL 克隆



四、TRAE 插件管理

(1)插件安装

① 从 TRAE 的插件市场安装

② 从 VS Code 的插件市场安装

VS Code 的插件市场https://marketplace.visualstudio.com/vscode

在搜索结果中,点击所需的插件下载。下载完成后,返回 TRAE 并打开插件市场。将下载的 .vsix 文件拖拽至 插件市场 面板中。TRAE 开始自动安装该插件。安装完成后,该插件会出现在 已安装 列表中。
点击 Version History,结合插件页的 URL 和 Version History 中的信息,提取出以下信息(以 SonarQube for IDE 为例):

1.itemName:URL Query 中的 itemName 字段,如截图中的 SonarSource.sonarlint-vscode,并将小数点(.)前后的内容分成以下两个字段:fieldA:SonarSourcefieldB:sonarlint-vscode

2. version:版本号version:如截图中的 4.34.0
使用提取出来的 3 个字段的值替换下方 URL 中的同名字段:在浏览器中输入修改后的 URL,然后按下回车键。浏览器开始下载该插件。下载完成后,返回 TRAE 并打开插件市场。将下载的 .vsix 文件拖拽至 插件市场 面板中。TRAE 开始自动安装该插件。安装完成后,该插件会出现在 已安装 列表中。

③ 导入本地 .vsix 文件

在弹窗中,选择目标 .vsix 文件导入至 TRAE IDE。

(2)插件卸载



五、TRAE 智能体协助 AI 编程

【TRAE】AI 编程:颠覆全栈开发,基于 TRAE AI 编程完成 Vue 3 + Node.js + MySQL 企业级项目实战,从环境搭建到部署上线https://gusanshang.blog.ZEEKLOG.net/article/details/154664599



六、MCP 官方教程

MCP 教程:将 Figma 设计稿转化为前端代码https://docs.trae.cn/ide/tutorial-mcp-figmaMCP 教程:实现网页自动化测试https://docs.trae.cn/ide/tutorial-mcp-playwrightMCP 教程:使用高德地图 MCP Server 规划行程https://docs.trae.cn/ide/tutorial-mcp-amap

Read more

安装 Microsoft Visual C++ Build Tools

安装 Microsoft Visual C++ Build Tools

Microsoft Visual C++ Build Tools下载安装 安装Microsoft Visual C++ Build Tools是为了在windows系统上编译和运行需要C++支持的程序或库(例如某些Python包,Node.js模块等)。 1.下载 打开浏览器,访问 Visual Studio Build Tools下载页面。 在页面上找到“下载”按钮,点击下载 Build Tools for Visual Studio 的安装程序(vs_BuildTools.exe)。 2. 安装 双击下载好的软件(vs_BuildTools.exe)。 点击继续。 等待下载安装。 在安装Visual Studio Build Tools的时候,选择“C++生成工具”

By Ne0inhk
Elasticsearch + Kibana 实战指南:从安装部署到 C++ 客户端封装,解锁搜索引擎开发核心技能

Elasticsearch + Kibana 实战指南:从安装部署到 C++ 客户端封装,解锁搜索引擎开发核心技能

文章目录 * 本篇摘要 * 一.ES 介绍及简单使用 * 1·介绍 * 2.安装过程 * 检测是否安转成功 * 对应配置文件修改 * 3.ES核心知识概念 * **1. 索引(Index-->库)** * **2. 文档(Document)** * **3. 字段(Field)** * **4. 类型(Type-->类似表)**(7.x后已废弃) * **5. 映射(Mapping)** * 4.kibana介绍 * **Kibana 是什么?** * **Kibana 和 Elasticsearch 的关系** * 5.安装Kibana过程 * 6.kibana-es使用 * 7.es-client使用及封装使用接口 * es接口 * 1.

By Ne0inhk
工程必学!红黑树从概念到手撕实现,讲透平衡树的 “折中智慧”----《Hello C++ Wrold!》(22)--(C/C++)

工程必学!红黑树从概念到手撕实现,讲透平衡树的 “折中智慧”----《Hello C++ Wrold!》(22)--(C/C++)

文章目录 * 前言 * 红黑树的概念 * 红黑树的性质 * AVL树跟红黑树的比较 * 红黑树的模拟实现 * 插入新节点的处理 * 红黑树的验证 * 作业部分 前言 学完 AVL 树后,你是不是也有过这样的疑惑:明明 AVL 树是 “严格平衡” 的二叉搜索树,查询效率还更高,可为啥 C++ STL 的map/set、Linux 内核里的关键结构,偏偏选红黑树而不用它?难道 “更平衡” 反而成了缺点? 其实答案藏在 “工程取舍” 里 —— 红黑树的精髓,从来不是 “比 AVL 树更平衡”,而是 “在‘查询效率’和‘写入开销’之间找最优解”。它不像 AVL 树那样追求 “极致的矮”,而是用

By Ne0inhk
【C++----红黑树封装set / map底层大致封装】在C++的世界里,每一次编译都是对智慧的考验,每一次调试都是对耐心的磨砺。开发者们在这里不断学习、成长,用代码编织出一个个精彩纷呈的故事。

【C++----红黑树封装set / map底层大致封装】在C++的世界里,每一次编译都是对智慧的考验,每一次调试都是对耐心的磨砺。开发者们在这里不断学习、成长,用代码编织出一个个精彩纷呈的故事。

红黑树 set / map封装 * 1 封装红⿊树实现set和map * 1.1对底层源码及框架分析 * 2. 模拟实现map和set * 2.1 实现出复⽤红⿊树的框架,并⽀持insert * 2.2 ⽀持iterator的实现 * 2.2.1红黑树迭代器结构 * 2.2.2 迭代器++ * 2.2.4 iterator-- * 3 注意须知 [实现map/set] * 3.1 map[]实现 * 3.2代码实现 1 封装红⿊树实现set和map 1.1对底层源码及框架分析 SGI-STL30版本源代码,map和set的源代码在map/set/stl_

By Ne0inhk