Trae AI 全新功能 SSHremote助力开发者个人产品打造，高效构建全栈应用

优质文章学习记录

— 13 min read
Trae AI 全新功能 SSHremote助力开发者个人产品打造，高效构建全栈应用
前言

在快速迭代的AI时代，程序员当仁不让的应该是一个弄潮儿，那么问题来了，AI可以给程序员带来什么？有些懂营销的利用信息差卖课挣钱，有产品出生的朋友，抓住AI机会找人做了一个AI小程序，产生了不错的流水。作为一名开发，AI除了智能帮助我们生成一些代码，还可以帮助我们做什么？十年前，有很多“就缺一名程序员”的项目，如今有了AI，一个程序员通过AI加持如何更进一步打造属于我们的作品？本文通过AI IDE帮助我们快速成为一名全栈工程师，快速打造属于我们自己的作品，做一个有作品的程序员。

1. Trae 介绍

在24年的时候随着AI的加持出现了Copilot为代表的助手类型的辅助代码工具，当时在写N-API接口时被一坨坨模版话的代码折磨到头疼，有了助手加持，这些重复代码被精确的生成出来，极大的提升了效率。

Trae 是什么？

在25年，随着人们对AI的进一步探索，出现了更强大的代码工具，以Trae为例，用官方的话说就是：“Trae 是国内首个 AI IDE，深度理解中文开发场景。AI 高度集成于 IDE 环境之中，为你带来比 AI 插件更加流畅、准确、优质的开发体验。”

一句话表达就是：**集成了AI的IDE”。下面是Trae最新版本的链接：http://trae.com.cn?utm_source=content&utm_medium=ZEEKLOG&utm_campaign=qingkouwei3​​​​​​​

为什么选择 Trae？

Trae有以下几个特点：

  • 智能：“Trae 基于人与 AI 协作开发的理念而打造。无论是人还是 AI ， Trae 让恰当的对象，在恰当的时间接管工作，确保每一段代码都是人与 AI 共创的最优结果，为你带来更加高效、优质的开发体验。”
  • 全面：不仅可以写代码，还可以创建工程。
  • 强大：可以深入理解代码仓库，更准确的识别我们的需求。

当然，其他插件方式有的实时续写，Trae依赖有。此外，Trae更吸引我的地方是免费，免费，免费，而且支持众多模型，现在最新版本支持自定义模型，最火爆最强大的模型DeepSeekR1和DeepSeek V3也是免费：

适用于哪些开发场景？

场景方面，以我实际使用的几个例子来介绍。

接触到Trae后第一时间让它帮我写了一个解梦的小程序，我将设计稿传入后，输入提示词，很快就帮我把完整代码生成出来了，有些需要调整的通过多轮对话逐步调整成可以完全匹配功能的代码。

后来接到一个需求，要根据一个三方Asr的协议文档封装一个ASR的SDK，工作倒是没有难度，就是繁琐，得不停地写写写，而且参数还贼多，后面灵机一动把文档地址发给它，一会功夫都实现了，后面为了和原有接口保持一致，通过提示词让它以实现基类的方式实现了功能。

封装完Asr SDK后，想要看看ASR服务的效果，找来测试集，把文档丢进去，让Trae生成一个Python脚本实现ASR协议，并且让Trae解读测试集配置文件生成测试集的最终结果和效果数据。

图生代码、协议生成代码，总结下来就是无所不能，关键在你敢不敢想，会不会和AI沟通。

2. Remote-SSH 概述

3月12日随手更新了下Trae，升级到1.1.0版本后看到更新记录：

上线了Remote SSH，支持链接Debian 11+/Ubuntu 20+ 远程主机。 

Remote-SSH 是什么？

看到新鲜东西搞不懂，先看文档：

远程资源管理功能（Remote SSH）提供了在本地 PC 上直接访问和操作远程主机文件的能力。通过这一功能，你无需在本地 PC 上存储远程主机上的源代码，即可充分利用 Trae 的全部功能（包括代码补全、导航、调试、AI 辅助等）来管理远程主机上的文件。

官方流程图如下：

直观的讲就是可以借助本机AI IDE的能力，在远程服务器写代码，而不用在通过版本管理或者其他工具进行代码的同步。

Remote-SSH 如何改变开发方式？

Remote SSH可以做什么呢？想象一下，你是一个服务端开发，公司有你的开发机，你要用本地电脑开发完，部署到开发机，要么通过git同步代码，要么通过ssh链接后，使用vim来编辑少量的代码，现在这些都不用了，使用Remote SSH直接操作开发机代码文件，而且还带着AI功能。

主要功能和优势

有了Remote SSH后，我们可以快捷的进行远程开发，省去了部署代码的步骤，再也不用担心代码不一致或者环境不一致导致的各种问题了。

3. Remote-SSH 适用场景
  • 远程服务器开发 ，在开发服务器程序或者网页前端程序时可以直接基于开发机开发，通过Remote-SSH链接通过可见即可得的方式直接将代码写入到开发机，直接编译运行。
  • 适用于低配置设备，做过移动端开发的都知道，没有个好配置根本开发不起来，编译一个大点的工程可能一次都要半个小时，有了Remote SSH，我们只需要一台普通配置的电脑，连一台配置好一点的服务器就可以了。
  • 适用于团队协作，多人共享统一环境，不同的开发者负责不同模块

4. 项目实战：基于 Remote-SSH 和 Trae 构建智能备忘录

介绍完Trae及新的功能Remote-SSH后，接下来开始我们的项目实战之旅，使用Trae的AI功能和Remote-SSH特性，以开发Web项目场景为例，在远程开发机直接开发我们的全栈项目。项目基于springboot + vue + mysql+flutter 实现后端服务、后台页面、前端页面、移动端App的全端功能。

4.1 项目介绍：智能备忘录

项目实现一个很实用的功能，一般的备忘录中我们要记录一些待办，每次都需要我们手动输入，比如要出去旅行，要开车出远门，出去旅行，可能每次待办事项中的项目都是类似的，每次手动输入一方面和繁琐，一方面容易遗漏。

随着AI的成熟，能不能让AI帮我们完成这项功能，输入我们要去干什么，让它帮我们输出待办事项，我们确认后录入到我们的待办事项。

说干就干，我们实现从服务端登录、调用AI模型的功能，以及客户端输入要干什么，生成最终待办列表。

4.2 常规开发难点

在常规开发中，不仅需要前后端至少两个角色，还有前后端开发联调的时间成本，环境管理困难，在开发过程中本地调试消耗资源大，开发效率低。

4.3 云端环境搭建 - 阿里云

接下来配置云端环境，通过Trae 的Remote-SSH工具，输入阿里云机器ECS服务器地址：ssh [email protected] -A:

接着会有连接中过程：

接着提示输入密码：

输入完成选择开发项目的文件夹，输入我们项目文件夹：

4.4 Trae 服务端开发

连接成功后，使用Builder模式输入提示词让Trae帮助我们生成工程项目：

可以看到生成的代码直接保存在服务器端：

待代码全部生成后直接编译运行后就可以开始进行接口调用，编译时需要安装依赖，会自动生成命令等待用户执行，执行过程也直接在服务器：

有报错也会自动生成修复建议的代码和命令：

4.5 前端、移动端开发

移动端使用跨平台的Flutter，输入提示词运行让Builder帮助我们生成项目：

生成项目过程中Builder会帮助我们生成构建环境的命令，我们直接运行即可，运行完成后直接编译构建就可以输出我们需要的产物。由于服务端资源配置问题，移动端项目不多展开。

4.6 前端与配置后台开发

前端Web端和后台配置页面使用Vue，输入提示词，Trae帮助我们生成初始化脚本，如果没有环境配置，Trae Builder还会帮助我们生成配置环境命令，这些都直接在服务端生成，不需要我们本地配置一波，再云端配置一波，节省投入环境配置的精力。

下面是生成前端页面效果：

Trae 支持将远程主机的端口转发到本地 PC，我们可以在终端中配置，直接用本地地址就可以访问远程服务页面：

5. 经验总结：Remote-SSH 的实用技巧

本地运行的好好的，到了通过Remote-SSH连接后就报错了：

官方文档提示：

如果 Chat/Builder 模式提示 ”客户端异常，请稍后重试“，可以尝试以下解决方法：

  • 方法一：检查电脑中是否安装了 Astrill VPN。如果已安装，请卸载该应用并重启电脑，之后再重新启动 Trae。
  • 方法二：如果系统缺少必要的文件，也可能导致该错误。请下载并安装 Microsoft Visual C++ 2015 - 2022 Redistributable，然后重新启动 Trae。

我这是MacOS，不是这个原因。最后仔细阅读发现远程系统是CentOS，而Remote-SSH支持的云端系统为：Debian 11+、Ubuntu 20.04+

大家也注意这个问题，小心踩坑。

另一方面不要一次性让它干很多事情，否则会遇到服务端断开连接的问题：

可以每次都只让它生成服务端代码，完成后再继续生成前端、移动端项目，这样可以避免连接失败断开问题。

6. 总结：Remote-SSH 不止是工具，而是一场开发革命

在 AI 时代，程序员借助 AI 工具能够实现更高效、更全面的开发。Trae 作为国内首个深度理解中文开发场景的 AI IDE，集成了强大的 AI 功能，为开发者提供了智能、全面且免费的开发体验。而 Remote-SSH 功能的推出，更是为开发模式带来了革命性的变化。

  1. 重新定义开发模式，提高效率：Remote-SSH 让开发者在本地 PC 上直接访问和操作远程主机文件，无需本地存储远程源代码，即可利用 Trae 的全部功能开发，极大地提高了开发效率。
  2. 降低硬件门槛，实现灵活开发：Remote-SSH 为移动端开发等对本地设备配置要求较高的场景提供了解决方案，开发者只需普通配置电脑连接较好服务器即可开发，实现开发灵活性和便捷性。
  3. 提升团队协作，实现全栈一体化开发：Remote-SSH 具有显著的团队协作优势，多人共享统一环境实时协作，通过 Trae 的 AI 功能和 Remote-SSH 特性，团队可以快速构建全栈应用，提升协作效率和开发质量。
  4. 未来展望：Remote-SSH 结合更多技术，拓展开发边界：Remote-SSH 将与云计算、边缘计算等技术融合，实现更强大的远程开发能力，并与 AI 模型深度整合，发挥更大作用，拓展开发边界。

总之，Remote-SSH 不仅仅是一个工具，它正在引领一场开发模式的革命，已经在开发领域展现了巨大的价值，未来将推动整个开发行业迈向新的高度。

Read more

AIGC 应用工程师、人工智能训练工程师、人工智能算法工程师、人工智能标注工程师、AI智能体应用工程师、生成式人工智能应用工程师

（一）报考条件：年满18周岁 （二）报名及考试流程  1.  学生填写报名表：姓名、性别、身份证号、电话号码、所报证书名称、级别，务必保证信息正确。 2. 使用电子照片要求： 背景颜色：蓝色、白色； 3. 拿证周期：3-4个月 人工智能应用工程师（高级）课程体系解读 课程体系围绕人工智能应用工程师（高级） 职业技能培养，分 6 大阶段，覆盖环境搭建、数据处理、核心算法、实战应用、效果测试与职业考核全流程，是从基础到高阶的完整 AI 应用开发学习路径。 一、阶段核心内容与能力目标 1. 人工智能环境管理 * 核心课程：环境与存储系统配置 * 知识模块：Python/Spark 环境搭建、虚拟机与

DeepSeek-R1-Distill-Llama-8B参数详解：LoRA微调适配、上下文长度扩展与KV Cache优化

DeepSeek-R1-Distill-Llama-8B参数详解：LoRA微调适配、上下文长度扩展与KV Cache优化 1. 模型定位与核心价值 DeepSeek-R1-Distill-Llama-8B不是一款普通的小尺寸语言模型，而是一次精准的“能力浓缩”实践——它把DeepSeek-R1在数学推理、代码生成和复杂逻辑任务上的扎实表现，通过知识蒸馏技术，高效迁移到Llama架构的8B参数量级上。对开发者而言，这意味着：不用牺牲太多性能，就能获得轻量、可部署、易定制的推理能力。 很多人会疑惑：为什么选Llama架构做蒸馏？答案很实际：Llama生态成熟、工具链完善、社区支持丰富。相比Qwen蒸馏系列（如32B版本），Llama-8B版本在体积和速度上更具优势；相比原生Llama-3-8B，它又继承了DeepSeek-R1经过强化学习锤炼出的推理结构偏好——比如更长的思维链展开、更稳定的多步推导、更少的无意义重复。这不是简单地“换壳”，而是把高阶推理能力“编译”进一个更友好的运行时环境里。 你不需要从零训练一个大模型，也不必为部署o1-mini级别的模型准备A100集群。De
我的第一部AIGC电影《编钟》制作幕后

我的第一部AIGC电影《编钟》制作幕后

当今时代，AI已经能制作一些高质量的电影片段。 我在前文就介绍过AIGC创作的一个标准工作流，并计划在两个月内完成一部5分钟的AI微电影。 如今，Seedance2.0这款模型彻底改变了工作流程，并将原定计划2个月的时间，压缩成了两天。 目前，该片参与了B站最近举办的视频创作大赛，参加的是三体赛道。 视频链接：https://www.bilibili.com/video/BV11acizcEjR 故事梗概 《编钟》讲述在二向箔打击地球前最后24小时，月球转运站工程师陈末得知航道封锁、末日将至，毅然驾驶一架濒临报废的穿梭机逆流返航，只为兑现对盲女小雅的承诺——带她去听两千年前的编钟之声。 城市在恐慌与崩塌中走向终结，空间开始二维化，高楼化作平面残影；陈末穿越混乱，将女儿带入空无一人的博物馆，在老守夜人的引领下敲响曾侯乙编钟。 浑厚钟声穿透濒毁的天地，小雅在声音中“看见”金色的高音、深蓝的低音与绿色的中音，完成了关于“声音颜色”的愿望。 当最后一声钟鸣与二维浪潮同时降临，地球在二向箔的打击下，彻底压缩成二维平面，人类文明的火种也随声音为载体，向外太空传播。 制作复盘

GitHub热门项目推荐：Stable Diffusion 3.5 FP8文生图模型实战解析

GitHub热门项目推荐：Stable Diffusion 3.5 FP8文生图模型实战解析 在AIGC（生成式人工智能）浪潮席卷全球的今天，图像生成技术已从实验室走向千行百业。无论是设计师快速出稿、游戏公司批量制作素材，还是社交媒体上的AI艺术创作，Stable Diffusion 都已成为开源文生图领域的“标配”。然而，随着模型能力不断增强，其对硬件资源的“胃口”也越来越大——动辄16GB以上的显存需求，让许多开发者和中小企业望而却步。 正是在这种背景下，Stability AI 推出的 Stable Diffusion 3.5 FP8 版本，像一场及时雨般降临GitHub社区。它不是简单的性能微调，而是一次面向生产落地的深度优化：通过引入前沿的 FP8 低精度量化技术，在几乎不牺牲画质的前提下，将显存占用降低近40%，推理速度提升超过30%。这一版本迅速成为开发者部署私有化AI绘画服务的新宠，相关镜像在Hugging Face和GitHub上持续走红。 那么，FP8究竟是什么？它是如何做到“瘦身不减质”