[Trea]-AI编辑器核心功能

优质文章学习记录

— 12 min read
[Trea]-AI编辑器核心功能

下载安装

国内版: 官网地址:https://www.trae.cn

国际版: 官网地址:https://www.trae.ai

安装 (傻瓜安装)

注册登录

编辑器配置

  1. 点击齿轮图标，进入Trae Settings

  1. 左侧选择是支持的配置

  1. 配置项说明
  • 通用: 包括基础设置和偏好设置，比如使用什么主题，编辑器的设置，快捷键的设置等
  • 开发环境: 对开发的项目设置相关的环境，比如jdk、maven、node.js等
  • 智能体: 智能体是Trae中独立执行特定任务的“虚拟代理”，核心作用是按需配置工具与协作策略
  • MCP: MCP是Trae中模型与开发环境的交互协议，核心作用是驱动AI自动执行开发任务
  • 对话流: 对话流是Trae中AI与用户交互的“流程化设计”，核心作用是优化上下文理解与多轮交互体验
  • CUE: Cue(context understandingengine),提供多行编辑、智能改写和光标预测功能，实现更高级的代码辅助体验
  • 模型: 模型管理，比如管理超级模型、高级模型、也支持添加自定义模型
  • 上下文: 管理上下文，包括代码索引管理、配置忽略文件和添加文档集
  • 规则: 规则配置是Trae中开发流程的“自动化规范”，核心作用是减少重复操作与错误, 包括个人规则和项目规则

快速体验

trea是以文件夹的形式管理项目, 一个文件夹就是一个项目, 多个项目新开窗口即可

体验Java编程

  1. 新建一个文件夹, 使用trea打开该文件夹

  1. 输入提示词, 让ai编写编码

  1. 查看生成的代码
public class HelloWorld { public static void main(String[] args) { System.out.println("Hello, World!"); } }
  • 在系统环境变量中正确配置JAVA_HOME’Trae会自动识别到相关配置
  • 通常会提示安装相关的扩展和插件，点击安装即可

  1. 可以手动运行代码

  1. 也可以让ai运行代码

  1. 查看运行结果

体验前端编程

  1. 新建文件夹, 使用trea打开

  1. 输入提示词, 并使用提示词优化功能

  1. 查看生成的代码

  1. 运行代码

  1. 查看运行效果

核心功能

Tab-Cue(context understanding engine)

说明: Tab-Cue是其核心交互功能，通过AI驱动的智能补全和上下文感知能力显著提升编码效率

代码补全: 只要编写注释, ai就可以补全代码

  1. 新建文件夹, 新建ArraySort类
public class ArraySort { }
  1. 添加注释, 然后让ai补全代码
public class ArraySort { // 编写一个方法,可以接收数组,并排序,排序使用冒泡排序 public static void bubbleSort(int[] arr) { for (int i = 0; i < arr.length - 1; i++) { for (int j = 0; j < arr.length - 1 - i; j++) { if (arr[j] > arr[j + 1]) { int temp = arr[j]; arr[j] = arr[j + 1]; arr[j + 1] = temp; } } } } // 编写一个方法,可以接收数组,并打印数组 public static void printArray(int[] arr) { for (int i = 0; i < arr.length; i++) { System.out.print(arr[i] + " "); } System.out.println(); } // 编写一个main方法,测试bubbleSort方法和printArray方法 public static void main(String[] args) { int[] arr = {3, 6, 2, 5, 1, 4}; System.out.println("排序前:"); printArray(arr); bubbleSort(arr); System.out.println("排序后:"); printArray(arr); } }
  1. 运行方法

智能代码重写: 只要修改注释, 就能对代码进行重写

  1. 修改文件中的注释信息, 让ai更新代码

  1. 修改后的代码
// 编写一个方法,可以接收数组,并排序,排序使用冒泡排序, 排序从大到小 public static void bubbleSort(int[] arr) { for (int i = 0; i < arr.length - 1; i++) { for (int j = 0; j < arr.length - 1 - i; j++) { if (arr[j] < arr[j + 1]) { int temp = arr[j]; arr[j] = arr[j + 1]; arr[j + 1] = temp; } } } }
  1. 运行查看效果

多行协同优化

  1. 数据联想
  • 当编写成员变量(字段)时，会进行自动联想和补全

  1. 多行批量修改, 有关联性的代码修改时, 会提示关联修改

光标位置预测

  1. 对一个方法写完注释后, IDE会预测, 我可能会到第二个方法书写注释

接受，接受部分和拒绝

  1. tab接受补全
  2. Ctrl+RightArrow 接受部分补全
  3. esc/继续输入表示拒绝补全

配置

以上功能是默认开启的, 也是ai coding的核心交互逻辑, 如果关闭, 功能就消失了

聊天模式

Trea中提供多种聊天模式, 适用不同场景

  1. Char适用场景: 聊聊你的代码库或编写代码

  1. Builder适用场景: 端到端执行常规开发任务

  1. Builder with MCP: 支持使用配置的所有 MCP Servers

  1. SOLO Coder: 解决复杂的编程问题

TRAE提供IDE模式和SOLO模式两种开发方式，分别侧重人机协作与AI自主开发。以下是核心区别:

  1. IDE模式
  • 特点: 保留传统开发流程，支持智能问答、代码补全等辅助功能，用户对开发过程有更强掌控感。
  • 适用场景: 适合需要精细控制代码或逐步验证逻辑的开发者。
  1. SOLO模式
  • 特点: AI主导全流程(需求理解、编码、测试、部署)，通过自然语言输入即可自主完成开发任务，自动化程度高
  • 适用场景: 处理标准化任务或要求不高, SOLO模式可以快速实现

使用SOLO模式开发网页游戏--贪吃蛇

  1. SOLO模式下, 支持Plan功能
  • 为完成任务制定详细的计划，先和用户沟通制定计划，确认后再执行

  1. 新建文件夹, 输入提示词, 让ai制定开发计划并执行
你现在是一名资深的网页游戏开发工程师，请帮我用原生 HTML + CSS + JavaScript 编写一个可以直接在浏览器中运行的网页版《贪吃蛇》游戏, 要求如下 🧭 功能要求： 1. 要求有积分统计 2. 页面要有多种背景可以切换 3. 代码添加中文注释 🧩 技术要求： - 不使用任何框架或库（如 React、Vue、jQuery 等）； - 所有代码写在同一个 HTML 文件中； - 有详细注释，逻辑清晰； - 在浏览器中打开即可使用。 ⚙️ 输出格式要求： - 一次性输出完整的 HTML 文件代码, 并直接保存为 `snakeGame01‌.html` 文件到当前文件夹下 - 代码可直接运行，无需任何依赖 - 包含 `<style>` 和 `<script>`
  1. 任务执行完成后, 运行代码

自定义智能体

在Trae中创建自定义智能体可以帮你高效处理各种任务

应用实例1: 创建可视化讲师智能体，帮助学习编程技术

  1. 创建智能体

‌名称: 可视化讲师‌ 将复杂概念转化为直观的可视化网页，通过图文并茂的方式帮你深入理解

  1. 使用智能体完成任务

  1. 任务执行完成后, 查看效果

应用实例2: 创建MCP自动化助手智能体，提高工作效率

  1. 把文件拖入输入框作为上下文引用, 输入提示词

  1. 执行执行任务的模型

  1. 执行任务, 查看结果

EditorAI编码

直接在编辑器窗口中生成新代码或编辑现有代码，适合精准的修改代码/内容。

  1. 在文件内, 选中代码, 然后 ctrl + I 进行对话

Trea上下文

在Trae工具里，

"上下文(Context)"是指AI工具在回答你的问题或帮助你编程时所能"看到"和"理解"信息的范围，有助于Trae能精准响应。

代码索引管理

对工作区中的代码进行全局索引构建，发起 #Workspace 问答时将自动全局检索与问题相关的跨文件上下文，给出与项目更相关的回复。

忽略文件配置的说明

  1. 通过将".ignore" 文件添加到根目录来控制哪些文件/文件夹被忽略。
  2. 提升索引速度:
  • 排除依赖目录 (比如: node_modules/、vendor/)
  • 排除构建输出目录 (比如:build/、out/)、
  • 排除大型媒体/数据文件 (比如:*.mp4、*.mov、*.avi)

文档集

通过URL、本地上传的方式添加常用的文档集作为上下文与AI问答。

  1. 获取指定技术/框架/组件的官方文档, 然后添加到文档集

  1. 需要的时候手动引用文档集, 让ai的回答更靠谱

#符号

在Tae中通过 #符号 在聊天中引用代码、文件、文档和其他上下文，直接更具体的指定上下文环境

  1. #File、#Folder
  2. #Code
  3. #Doc
  4. #Web
  5. #Problems
  6. #Workspace

Rules规则

定制和规范TraeAI编程行为

  1. Rules是给Trae AI功能生成结果添加规则和限制, 让Trae生成的代码贴合团队规范，主要的作用如下:
  • 约束代码风格(如强制用驼峰命名、要求方法写注释等)
  • 能限定技术选型 (如指定优先使用某技术/框架/库，禁止使用某组件/框架/库)
  • 提前指定配置参数 (如提前设置连接数据库方式、账号密码等)

User Rules 和 Project Rules

如果Project Rules和User Rules 规则冲突了, Project Rules 的优先级更高

设置User Rules

设置Project Rules

Read more

机器人强化学习入门笔记（二）

四足机器人强化学习项目 - 完整介绍文档 一、项目总览 1.1 项目简介 本项目（链接）是一个基于强化学习（Reinforcement Learning, RL）的四足机器人控制训练系统，主要用于训练四足机器狗（如GO2、ANYmal等）在复杂地形上行走、翻越障碍物等任务。项目采用NVIDIA Isaac Gym作为物理仿真环境，使用**PPO（Proximal Policy Optimization）**算法进行策略训练，实现了从仿真到实物的迁移学习（Sim-to-Real Transfer）。 1.2 项目目标 * 主要任务：训练四足机器人在指定赛道上行走，使其能够翻越多种地形（包括梅花桩等复杂障碍） * 技术特点： * GPU加速的并行仿真环境 * 支持多种四足机器人模型（GO2、ANYmal、A1、Cassie等） * 完整的强化学习训练流程 * 支持自定义奖励函数和观测空间 * 支持地形随机化和域随机化（Domain

Dify工作流集成TTS：低代码实现语音输出

Dify工作流集成TTS：低代码实现语音输出 📌 背景与需求：让AI应用“开口说话” 在构建智能对话系统、虚拟助手或教育类AI产品时，语音输出能力是提升用户体验的关键一环。传统的语音合成（Text-to-Speech, TTS）方案往往依赖复杂的模型部署和高门槛的开发流程，难以快速集成到低代码平台中。 Dify作为一款领先的低代码大模型应用开发平台，支持通过可视化工作流编排AI能力。然而，默认组件并未内置TTS功能。本文将介绍如何通过集成一个稳定、高质量的中文多情感TTS服务——基于ModelScope的Sambert-Hifigan模型，为Dify工作流注入“声音”，实现从文本生成到语音播报的完整闭环。 🎯 核心目标： 在不编写复杂后端代码的前提下，将成熟的TTS能力以API形式接入Dify，完成“用户输入 → 文本处理 → 语音合成 → 播放反馈”的自动化流程。 🎙️ Sambert-HifiGan 中文多情感语音合成服务详解 技术选型依据：为何选择 Sambert-Hifigan？ 在众多开源TTS模型中，ModelScope平台提供的 Sambert-H
在NVIDIA Jetson上实现端到端机器人学习：HuggingFace LeRobot实战指南

在NVIDIA Jetson上实现端到端机器人学习：HuggingFace LeRobot实战指南

在NVIDIA Jetson上实现端到端机器人学习：HuggingFace LeRobot实战指南 引言 让我们一起在NVIDIA Jetson上运行HuggingFace的LeRobot，训练基于Transformer的动作扩散策略和ACT策略。这些模型从视觉输入和先前的轨迹（通常在遥操作或模拟中收集）中学习预测特定任务的动作。 本教程将详细介绍如何在Jetson设备上为真实世界的机器人（以低成本的Koch v1.1为例）设置完整的端到端学习流程，从硬件配置、数据收集到模型训练和评估。 环境与硬件要求 所需设备 1. Jetson设备： * Jetson AGX Orin (64GB) * Jetson AGX Orin (32GB) * Jetson Orin NX (16GB) * Jetson Orin Nano (8GB) ⚠️ (内存可能受限) 2. JetPack版本： * JetPack 6 GA (L4T r36.3) * JetPack 6.1

2025 Telegram 最新免费社工库机器人（LetsTG可[特殊字符]）搭建指南（含 Python 脚本）

🔍 为什么会出现这么多“社工库机器人”？ 在 Telegram 里，很多人希望通过机器人来查询各种信息。所谓的“社工库 BOT”，本质就是：接收用户输入（查询关键字）去数据库检索（是否有匹配结果）返回查询结果（文本/链接/截图等） 🛠 技术原理 核心流程分 3 步：用户发消息给机器人机器人在数据库里查找匹配项将结果返回用户 / 审核群 可以用到的技术栈：PythonTelethon（Telegram API）SQLite（轻量数据库） 💻 Python 脚本示例 下面是一份可运行的最简版脚本：   📌 使用效果用户输入：学习机器人返回：优质群组：https://t.me/lets_study用户输入：聊天机器人返回：中文群搜索机器人：@letstgbot 这样一来，读者就能理解“社工库机器人”的工作原理，其实和普通的搜索机器人一模一样。