Trae:国内首款AI原生IDE,编程效率大提升

news2025/3/4 8:43:50

今年一月,在新闻上看到字节跳动面向海外市场推出了一款名为Trae的AI集成开发环境(IDE)。起初,我并未给予过多关注,因为市面上已有不少IDE集成了AI插件,功能也非常全面,而字节跳动自家的MarsCode插件也在使用之中。因此,我心中疑惑:字节跳动有必要再推出一款独立的AI IDE吗?

上周,听闻Trae的国内版将在本周发布,并且他还给我提前拿到了内测版。Trae是国内市场的首个AI原生IDE,于是我决定深入体验一下,并借此机会探讨一个更为广泛的话题:在现有的AI工具如此之多的情况下,我们是否还有必要开发新的工具?

经过一段时间的试用,我得出结论:Trae国内版绝对值得使用。作为一款AI原生IDE,Trae不仅在整体体验上优于现有的插件,而且它内置的大模型——豆包1.5 pro和DeepSeek满血版——都是无限量免费使用的。

免费下载地址:https://www.trae.com.cn/download
在这里插入图片描述

国外版与国内版的区别

Trae国外版与国内版的主要区别在于所使用的模型不同。Trae国外版使用的是国外的模型,这会导致国内用户在使用过程中遇到连接不稳定、等待时间长、网速较慢等问题。而Trae国内版则是专门为中国用户定制的,使用国内的模型,确保了连接的稳定性和快速性。此外,Trae国内版的界面也根据中国用户的使用习惯进行了优化。

更进一步,这两个产品由同一个团队开发,但适用于不同的场景。如果你想在保留原IDE(如VS Code或Cursor)的基础上增加AI编程相关功能,那么可以选择MarsCode插件;如果你希望体验一款全新的、围绕AI设计的原生IDE,那么Trae将是你的最佳选择。

安装与启动

Trae国内版可在其官方网站trae.com.cn下载。目前,Trae提供了三个版本:适用于Windows系统的版本,以及适用于macOS Intel芯片和macOS M系列芯片的版本。安装完成后,启动IDE,你将看到如下画面。

随后,你可以选择亮色或暗色主题,并设置语言为简体中文。Trae还贴心地询问你是否希望导入原先IDE的配置,方便你快速上手。最后,你可以选择是否进行登录。虽然不登录也能使用Trae,但部分功能会受到限制,因此建议登录以获取完整体验。登录时,只需通过手机号在Trae官网上完成注册或登录即可进入使用界面。

使用界面

Trae的界面设计简洁明了,左侧是VS Code的界面,对于熟悉VS Code的用户来说,上手毫无难度。右侧则是AI交互区域,分为Chat和Builder两种模式。

Chat模式:这是默认模式,用户可以通过与AI对话获取答案或代码。Trae内置了三个模型供用户选择,包括豆包1.5 pro和两种DeepSeek系列模型,响应速度令人满意,没有出现“服务器繁忙”的提示。此外,Chat模式下的代码生成功能也非常友好,可以直接在对话框中生成代码,无需手动复制粘贴。

Builder模式:该模式旨在帮助用户一键生成项目。首次进入时,会有一个“启动Builder”按钮。只需在对话框中输入项目需求,Trae就会根据你的描述生成项目,并自动执行相关命令。然而,目前Builder模式还不够完善,生成的项目往往需要多次调整,才能成功运行。因此,建议用户对其保持合理期待,相信随着产品进一步完善,Builder模式也将变得更加出色。

其他功能

除了Chat和Builder两种模式,Trae还有许多其他功能值得体验。

代码智能补全:Trae能够自动补全代码,只需按下回车键换行即可。如果代码中有注释,Trae会根据注释生成相应的代码。

指定上下文:Trae允许用户指定对话的上下文范围。具体方法是在对话框输入#号,然后选择Code(代码)、File(文件)、Folder(文件夹)或Workspace(工作区)。这样,AI助手的回答会更有针对性,更有利于生成符合需求的代码。

一键转对话:Trae提供了一键转对话按钮,方便将编辑器中的代码片段传递给AI助手。选中代码后,点击浮动菜单中的“添加到对话”按钮即可,无需复制粘贴。此外,终端中的报错信息也可以通过该功能传递给AI助手,方便调试。

模型自定义功能:Trae未来将支持模型自定义功能,用户可以根据自己的喜好接入对应的模型API,打破现有模型的限制,实现更为个性化的AI编程体验。

实用技巧分享

试用过程中,我总结了一些实用技巧,大家可以参考。

方式一:将编辑器内的内容作为上下文:当你正在编辑代码文件,对代码某一部分存在疑问或者想要优化代码时,可以选择编辑器中的代码并点击“添加到对话”按钮,将代码传递给AI助手进行提问。
在这里插入图片描述

方式二:借助终端内容作为上下文:当代码运行过程中出现报错信息时,可以点击终端中的报错内容,然后点击“添加到对话”按钮,将报错信息传递给AI助手进行分析和修复。

方式三:妙用#键添加上下文:在侧边对话的输入框中,可以通过#符号添加多种上下文,包括代码、文件、文件夹和整个工作区。这样,可以更方便地向AI助手获取相关信息,了解项目的整体情况,快速上手开发。

在这里插入图片描述

多模态输入之图片输入:当遇到用文字难以描述的问题时,如终端报错的截图、设计稿的细节等,可以通过添加图片的方式向AI助手更准确高效地表达需求。

代码自动补全功能:当编写代码时,可以通过敲击回车键换行,让AI助手自动补全后续代码,提高编码效率。

设置AI对话语言:可以在设置中选择AI回答时使用的语言,包括自动、中文和英文。具体可以根据个人需求选择合适的语言。

希望以上分享能帮助大家更好地利用Trae编程工具提升编程效率,欢迎分享更多的使用技巧。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2309391.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

RocketMQ定时/延时消息实现机制

RocketMQ 的延迟消息是其核心特性之一,允许消息在指定延迟时间后才被消费者消费。 定时消息生命周期 一、延迟消息的核心机制 RocketMQ(5.0之前) 不支持任意时间精度的延迟,而是通过预定义的 延迟级别(Delay Level&a…

基于SpringBoot的校园二手交易平台(源码+论文+部署教程)

运行环境 校园二手交易平台运行环境如下: • 前端:Vue • 后端:Java • IDE工具:IntelliJ IDEA(可自行更换) • 技术栈:SpringBoot Vue MySQL 主要功能 校园二手交易平台主要包含前台和…

利用 LangChain 和一个大语言模型(LLM)构建一个链条,自动从用户输入的问题中提取相关的 SQL 表信息,再生成对应的 SQL 查询

示例代码: from langchain_core.runnables import RunnablePassthrough from langchain.chains import create_sql_query_chain from operator import itemgetter from langchain.chains.openai_tools import create_extraction_chain_pydantic# 系统消息&#xff…

力扣hot 100之矩阵四题解法总结

本期总结hot100 中二维矩阵的题,时空复杂度就不分析了 1.矩阵置零 原地标记,用第一行和第一列作为当前行列是否为0的标记,同时用两个标签分别记录0行、0列的标记空间中原本是否有0 class Solution:def setZeroes(self, matrix: List[List[…

在Linux上使用APT安装Sniffnet的详细步骤

一、引言 Sniffnet 是一款开源的网络流量监控工具,适用于多种Linux发行版。如果你的Linux系统使用APT(Advanced Package Tool)作为包管理器,以下是如何通过APT安装Sniffnet的详细步骤。 二、系统要求 在开始安装之前&#xff0…

zookeeper-docker版

Zookeeper-docker版 1 zookeeper概述 1.1 什么是zookeeper Zookeeper是一个分布式的、高性能的、开源的分布式系统的协调(Coordination)服务,它是一个为分布式应用提供一致性服务的软件。 1.2 zookeeper应用场景 zookeeper是一个经典的分…

StableDiffusion本地部署 3 整合包猜想

本地部署和整合包制作猜测 文章目录 本地部署和整合包制作猜测官方部署第一种第二种 StabilityMatrix下载整合包制作流程猜测 写了这么多python打包和本地部署的文章,目的是向做一个小整合包出来,不要求有图形界面,只是希望一键就能运行。 但…

数据结构(初阶)(七)----树和二叉树(前中后序遍历)

实现链式结构的二叉树 实现链式结构的二叉树遍历前序遍历中序遍历后序遍历 节点个数叶子节点个数⼆叉树第k层结点个数⼆叉树的深度/⾼度查找值为X的节点二叉树的销毁 层序遍历判断二叉树是否为完全二叉树 ⽤链表来表⽰⼀棵⼆叉树,即⽤链来指⽰元素的逻辑关系。 通常…

科技赋能筑未来 中建海龙MiC建筑技术打造保障房建设新标杆

近日,深圳梅林路6号保障房项目顺利封顶,标志着国内装配式建筑领域又一里程碑式突破。中建海龙科技有限公司(以下简称“中建海龙”)以模块化集成建筑(MiC)技术为核心,通过科技创新与工业化建造深…

json介绍、python数据和json数据的相互转换

目录 一 json介绍 json是什么? 用处 Json 和 XML 对比 各语言对Json的支持情况 Json规范详解 二 python数据和json数据的相互转换 dumps() : 转换成json loads(): 转换成python数据 总结 一 json介绍 json是什么? 实质上是一条字符串 是一种…

计算机毕设JAVA——某高校宿舍管理系统(基于SpringBoot+Vue前后端分离的项目)

文章目录 概要项目演示图片系统架构技术运行环境系统功能简介 概要 网络上许多计算机毕设项目开发前端界面设计复杂、不美观,而且功能结构十分单一,存在很多雷同的项目:不同的项目基本上就是套用固定模板,换个颜色、改个文字&…

Spring Boot 测试:单元、集成与契约测试全解析

一、Spring Boot 分层测试策略 Spring Boot 应用采用经典的分层架构,不同层级的功能模块对应不同的测试策略,以确保代码质量和系统稳定性。 Spring Boot 分层架构: Spring Boot分层架构 A[客户端] -->|HTTP 请求| B[Controller 层] …

Oracle 数据库基础入门(四):分组与联表查询的深度探索(上)

在 Oracle 数据库的学习进程中,分组查询与联表查询是进阶阶段的重要知识点,它们如同数据库操作的魔法棒,能够从复杂的数据中挖掘出有价值的信息。对于 Java 全栈开发者而言,掌握这些技能不仅有助于高效地处理数据库数据&#xff0…

机器学习的起点:线性回归Linear Regression

机器学习的起点:线性回归Linear Regression 作为机器学习的起点,线性回归是理解算法逻辑的绝佳入口。我们从定义、评估方法、应用场景到局限性,用生活化的案例和数学直觉为你构建知识框架。 回归算法 一、线性回归的定义与核心原理 定义&a…

17、什么是智能指针,C++有哪几种智能指针【高频】

智能指针其实不是指针,而是一个(模板)类,用来存储指向某块资源的指针,并自动释放这块资源,从而解决内存泄漏问题。主要有以下四种: auto_ptr 它的思想就是当当一个指针对象赋值给另一个指针对…

PyCharm接入本地部署DeepSeek 实现AI编程!【支持windows与linux】

今天尝试在pycharm上接入了本地部署的deepseek,实现了AI编程,体验还是很棒的。下面详细叙述整个安装过程。 本次搭建的框架组合是 DeepSeek-r1:1.5b/7b Pycharm专业版或者社区版 Proxy AI(CodeGPT) 首先了解不同版本的deepsee…

PyCharm怎么集成DeepSeek

PyCharm怎么集成DeepSeek 在PyCharm中集成DeepSeek等大语言模型(LLM)可以借助一些插件或通过代码调用API的方式实现,以下为你详细介绍两种方法: 方法一:使用JetBrains AI插件(若支持DeepSeek) JetBrains推出了AI插件来集成大语言模型,不过截至2024年7月,官方插件主要…

【定昌Linux系统】部署了java程序,设置开启启动

将代码上传到相应的目录,并且配置了一个.sh的启动脚本文件 文件内容: #!/bin/bash# 指定JAR文件的路径(如果JAR文件在当前目录,可以直接使用文件名) JAR_FILE"/usr/local/java/xs_luruan_client/lib/xs_luruan_…

Java零基础入门笔记:(7)异常

前言 本笔记是学习狂神的java教程,建议配合视频,学习体验更佳。 【狂神说Java】Java零基础学习视频通俗易懂_哔哩哔哩_bilibili 第1-2章:Java零基础入门笔记:(1-2)入门(简介、基础知识)-CSDN博客 第3章…

【字符串】最长公共前缀 最长回文子串

文章目录 14. 最长公共前缀解题思路:模拟5. 最长回文子串解题思路一:动态规划解题思路二:中心扩散法 14. 最长公共前缀 14. 最长公共前缀 ​ 编写一个函数来查找字符串数组中的最长公共前缀。 ​ 如果不存在公共前缀,返回空字符…