[Trea]-AI编辑器核心功能

[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

Retinaface+CurricularFace与MySQL集成:人脸特征数据库设计

Retinaface+CurricularFace与MySQL集成:人脸特征数据库设计 1. 引言 想象一下,你正在构建一个智能门禁系统,需要快速识别上千名员工的面孔。或者你正在开发一个社交应用,要实时匹配用户上传的照片与数据库中的好友。这些场景都有一个共同需求:高效存储和查询人脸特征数据。 传统方法往往将人脸特征存储在文件或内存中,但随着数据量增长,你会面临查询速度慢、数据管理困难、系统扩展性差等问题。这就是为什么需要将Retinaface+CurricularFace提取的512维人脸特征向量与MySQL数据库集成——既能享受关系数据库的管理便利,又能保证毫秒级的人脸匹配速度。 本文将带你深入了解如何设计一个高效的人脸特征数据库系统,从特征存储方案到相似度查询优化,为你的下一个面部识别项目提供实用解决方案。 2. 人脸特征数据特点分析 2.1 特征向量特性 Retinaface+CurricularFace生成的人脸特征向量具有几个关键特点。首先是维度固定,每个特征都是512维的浮点数向量,这为数据库设计提供了确定性。其次是数值范围,这些特征值通常在-1到1之间,

基于大疆MSDK实现的无人机视觉引导自适应降落功能

基于大疆MSDK实现的无人机视觉引导自适应降落功能 概述 最初需求:想要无人机在执行完航线任务后,一键落到一个指定的位置,简化人工控制。 实现一套完整的无人机自主降落功能,通过虚拟摇杆控制使无人机飞向指定位置,再利用视觉识别引导无人机精确降落到具体位置。本文中采用自适应降落策略,根据高度动态调整精度要求和下降速度,以实现安全、精确的降落。 核心点: * 虚拟摇杆导航替代FlyTo功能 * 双轴(X/Y)位置偏移实时调整 * 高度自适应降落策略 * 视觉识别引导定位 * 智能避障管理 系统架构 整体流程 否 是 高于50m 20-50m 5-20m 低于5m 是 否 是 否 否 是 用户触发Return to Vehicle 获取无人机GPS位置 计算与目标点距离 启动虚拟摇杆导航 飞向目标位置 5m/s 距离小于10m? 开始自适应降落 视觉识别系统 计算X/Y偏移量

2026国产智能编程爆发!十家主流低代码+AI编程工具技术突破解析

2026国产智能编程爆发!十家主流低代码+AI编程工具技术突破解析

行业背景 2026年2月,国产智能编程工具与低代码开发迎来规模化落地期。 织信低代码推出首个AI智能体全领域开发平台,涵盖表格智能体、数据智能体、工作流智能体、仪表盘智能体、脚本智能体、网站智能体、API智能体等10个智能体,可覆盖企业信息化所有功能需求。 同时,摩尔线程推出首个基于国产全功能GPU的AI Coding Plan智能编程服务,集成GLM-4.7代码模型与硅基流动推理加速引擎,支持代码生成、调试全流程优化,标志着国产替代在AI编程领域实现关键突破。 政策层面,《新一代人工智能发展规划》《“十四五”数字经济发展规划》明确支持AI编程工具与实体经济融合,上海、广东等地对低代码开发企业给予最高5000万元补贴,推动技术渗透。 机构预测,2030年全球AI编程工具市场规模将突破2000亿元(Polaris数据),中国低代码开发市场年复合增长率达35%(IDC报告),国产智能编程占比有望超30%。本文基于上市公司公告、行业白皮书,梳理10家企业在AI编程平台、低代码框架、国产大模型的核心布局,聚焦技术突破与商业化进展。 一、核心企业深度解析 1、织信Inform

基于STM32的智能家居环境监测与控制系统设计

基于STM32的智能家居环境监测与控制系统设计

基于STM32的智能家居环境监测与控制系统设计 摘要 本论文设计并实现了一种基于STM32F103C8T6单片机的智能家居环境监测与控制系统。系统通过集成多参数环境传感器,构建了完整的家居环境感知-决策-执行闭环,实现了对室内温湿度、烟雾浓度、一氧化碳、空气质量、光照强度及大气压强的精准监测。设计采用模块化架构,利用OLED显示屏进行本地数据可视化,通过步进电机控制窗户开闭实现自动通风,结合LED照明系统调节室内光线,并借助ESP8266-WIFI模块接入机智云平台实现远程监控。系统支持手动模式(APP远程控制)与自动模式(阈值触发联动)双模式运行,创新性地引入用户习惯学习的阈值自适应机制,显著提升系统个性化体验。测试表明,系统在典型家居环境中温湿度误差<±2%,气体浓度误差<±5%,关键安全事件响应时间<3秒,WIFI连接成功率>98%,功耗控制在待机<1W的水平。本设计不仅有效提升了家居环境的安全性与舒适度,还通过智能化管理降低了能源消耗,为低成本、高可靠性的智能家居系统开发提供了实践范本。 关键词:STM32;智能家居;环境监测;WIFI通信;机智云;自动控制;多传感器融