【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

低代码 vs 传统开发:亲历轻骑兵与用友 BIP 后的深度思考

低代码 vs 传统开发:亲历轻骑兵与用友 BIP 后的深度思考

📅 引言:当我也开始“拖拽”时 曾经,我也是“手写代码原教旨主义者”,认为真正的程序员就应该在 IDE 里敲下每一行逻辑。直到最近两年,我先后参与了两个截然不同的项目: 1. 一个需要3 天上线的营销活动中台,我们使用了轻骑兵。 2. 一个涉及多组织、多币种的集团财务供应链系统,我们基于用友 BIP 进行实施和二开。 这两段经历彻底打碎了我的偏见。低代码没有杀死程序员,但它重新定义了程序员的战场。 今天,我想聊聊在真实战场上,轻骑兵、用友 BIP 与传统自建项目到底有何不同。 ⚔️ 三大阵营的真实体感对比 为了更直观,我将轻骑兵(代表轻量级/敏捷型)、用友 BIP(代表重型/企业级)与传统自建(Spring Boot/Cloud 等)做一个深度对比。 维度🚀 轻骑兵 (轻量敏捷型)🏢 用友

汇川机器人软件RobotLab常规操作

汇川机器人软件RobotLab常规操作

一.权限管理注意事项 1.1 软件登录权限管理 连接上软件后,修改轴参数、点位数据需要权限。点击人物图标,登录对应的权限,管理员权限登录密码6个0。 1.2机器人控制权限管理 点击“锁”,打开机器人控制权配置页面。 选择“InoRoboLabt”,机器人受编程软件控制,使用软件可手动移动点位、示教位置信息。 选择“远程IO单元”,机器人受外部设备控制如PLC、上位机,机器人进入自动模式,收到交互信号就按照程序执行。 选择“远程以太网客户端”,机器人受远程客户短控制,用于查找问题、远程调试。 二、 使用过渡点注意事项 程序中点到点直线运动会有机构干涉或有安全风险时,使用过渡点在运动规避风险。 使用过渡点时,注意指令的工具坐标系,选择正确的Wobj工具好,否则运动出错有撞机风险。 如下图所示为例,wobj0为A工位,wobj1为B工位,注意在“轴控制面板”中选择对应工具坐标号 三、使用全局点位移动注意事项 双击左侧“P.

Windows 10/11 部署 OpenClaw 完全指南:从环境搭建到机器人互联

摘要:本文详细介绍了在 Windows x64 架构下部署开源机器人控制框架 OpenClaw 的完整流程。针对 Windows 平台特有的 C++ 编译环境难题(sharp 库依赖),提供了“一键脚本”与“手动安装”双重解决方案,并深入解析了云端大模型配置与局域网稳定连接的核心技巧,助您快速打造高性能的机器人控制中枢。 📋 前言:为什么选择 Windows 部署? OpenClaw 是一个强大的开源机器人控制框架,支持语音交互、视觉感知与大模型决策。虽然 macOS 是开发者的首选,但 Windows 10/11 (x64) 凭借广泛的硬件兼容性和强大的 GPU 生态,同样是部署 OpenClaw 的优秀平台。 核心挑战: Windows 环境下最大的痛点在于 C++ 编译环境。OpenClaw 依赖的高性能图像处理库

不是机器人,是数字员工:OpenClaw 核心逻辑全景解析

不是机器人,是数字员工:OpenClaw 核心逻辑全景解析

当AI智能体概念持续升温,OpenClaw以一场“范式革命”从众多产品中脱颖而出——它不是只会机械响应指令的机器人,而是能自主思考、主动执行、全程闭环的“数字员工”。从GitHub星标4个月突破24.8万的增长奇迹,到A股概念板块逆势活跃,再到百万智能体在专属社交平台自主互动,OpenClaw的爆火绝非偶然,其背后的核心逻辑的是对“AI从对话到执行”的深刻重构。本文将从本质定位、技术架构、核心能力、应用落地到产业现状,全景解析OpenClaw的运行逻辑,带你看懂这款现象级产品如何重新定义AI生产力。 一、先厘清:OpenClaw 不是机器人,是“会干活的数字员工” 很多人初次接触OpenClaw,会将其与传统机器人、对话式AI混淆,但三者的核心差异,恰恰是理解OpenClaw的关键。首先要明确:数字员工≠机器人,更≠普通对话AI。 传统机器人(无论是工业机器人还是服务机器人),核心是“被动执行预设指令”,缺乏自主决策能力,只能在固定场景完成单一重复动作,比如流水线组装、固定话术应答,无法应对复杂多变的任务场景;普通对话AI(如ChatGPT、