首页 / 资讯详情
TRAE 开发者个人助理，打响 AI Coding 的下半场
摘要
作者｜Cynthia 编辑｜郑玄 过去两年，AI Coding 最令人兴奋的时刻，大基本止步于代码生成的那一秒。 一句话生成页面，几分钟搭出原型，一个开发者用半天时间做完了过去需要一周才能完成的开发任务…… 但在这之后，即使某项单点开发任务获得五倍、十倍的提速，一个项目从需求提出到产品交付的速度，有时候未必能有两倍效率提升。 时间去了哪里？ 写提示词、等待 AI 生成是一部分；生成效果不理想，手动在 IDE 中 修改是另一部分。甚至，开发完成后，代码还需要打开终端测试；准备项目汇报，又要切换到文档和演示工具。 每换一个应用、开启一段新会话，都可能需要重新解释：项目在做什么，为什么这样设计，刚才改到了哪里，还有哪些问题没解决。 AI 的生产力跑在了前面，而承载它的开发基建：任务调度、状态管理、验证闭环、产物沉淀、跨工具协同，还停留在前 AI 时代。 于是，到了 2026 年，一些变化开始发生了。这一年，AI 个人助理赛道的热度彻底走到了爆发节点：Meta 推出的个人助理 Muse 上线两周便登顶美加 iOS 免费榜，下载量突破 340 万；此后，OpenAI、Google、字节、腾讯、阿里均在加速落地个人助理类产品，短期内上百玩家如雨后春笋冒出。然而，噱头大过了实际，多数生活场景并不存在所谓的标准版答案，也导致真正帮助用户解决实际问题的产品寥寥无几。 为数不多的例外来自编程，以 TRAE 为例，前不久将 TraeCode 与 TraeWork 合并之后，10 月 29 日，平台又正式上线开发者个人助理 TRAE，可以跨项目理解历史上下文，也可以在单个项目里拆解、并行、统筹多个任务。对开发者来说，从此开启新任务时不再从零解释；完成复杂项目推进时，也不再自己拆任务、切会话、盯进度、拼结果。 这一次，工作流的进化，终于赶上了 AI 生成的速度。 01 AI Coding 的工作单位， 在从一条指令升级为一个项目 AI 编码工具的进化，到今天刚好走完三代。 第一代是补全时代。Tab 键自动补全、函数级生成，本质是编辑器的增强，人主导每一行，AI 做填空。它提升的是输入速度，改变不了工作流。 第二代是单会话 Agent 时代。开发者说一句需求，AI 自己读文件、改代码、跑命令，能端到端做完一个小功能、跑出一个 Demo。但它仅限于完成单次会话、单个任务、上下文随会话结束清零，复杂一点的多线程任务，还是要人来拆解、跟进，做结果拼合与修改。 以全新的 TRAE 为代表，行业正式进入第三代，即项目级助理时代。 AI 开始拥有任务调度权和状态记忆，可以自己拆解复杂需求，派发多个子任务并行执行，自己完成编译、测试、验证的闭环，并且跨会话、跨项目记住做过的事、产出的文件、踩过的坑。 具体来说，与此前 OpenAI 完成 ChatGPT 与 Codex 的合并，Cursor 3 推出了专门的 Agents Window，把 Agent 管理从编辑器侧边栏独立出来类似，TRAE 先是将做编排的 Agent 模式与做开发的 IDE 模式整合，让它们可以同步本地任务对话、最终产物及相关配置。 在此基础上，又借助全局助理「全局 TRAE 宝」+ 项目助理「项目专属 TRAE 宝」的双层架构，把跨项目记忆和单项目并行调度落地到了本地仓库场景。 如此一来，开发者可以先在工作台里描述目标，由 Agent 完成拆解后，全局助理与项目助理会承接具体的开发，当开发者需要检查具体实现时，又可以再进入 IDE。 再加上配套的模板库、插件市场、自动化任务和产物管理等能