[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

FPGA-FOC场定向控制实战指南

FPGA-FOC场定向控制实战指南 【免费下载链接】FPGA-FOCFPGA-based Field Oriented Control (FOC) for driving BLDC/PMSM motor. 基于FPGA的FOC控制器,用于驱动BLDC/PMSM电机。 项目地址: https://gitcode.com/gh_mirrors/fp/FPGA-FOC 场定向控制(FOC)技术是实现高性能电机驱动的核心方案,而基于FPGA的并行计算架构为这一技术提供了理想的硬件载体。本文将从技术原理、实践应用到深度优化,全面解析FPGA-FOC开源项目如何实现BLDC/PMSM电机的精准控制,帮助技术探索者快速掌握从算法理解到硬件部署的完整流程。 技术原理:FPGA如何重塑电机控制范式 FOC算法的硬件化实现路径 场定向控制通过将三相交流电机的复杂数学模型转换为直流电机的控制方式,实现了对电机磁通和转矩的解耦控制。传统MCU方案受限于串行处理架构,在10kHz以上的电流环控制中常出现计算延迟,而FPGA的并行逻辑单元可将Clark变换、Park变换等核心算法模块在硬件层面实现并行

如何轻松分析大疆无人机信号?DJI DroneID 信号解析工具全指南

如何轻松分析大疆无人机信号?DJI DroneID 信号解析工具全指南 🛸 【免费下载链接】dji_droneid 项目地址: https://gitcode.com/gh_mirrors/dj/dji_droneid DJI DroneID 信号分析项目(dji_droneid)是一个开源工具集,专为无人机爱好者和研究人员设计,通过软件定义无线电(SDR)技术捕获、解码和分析大疆无人机发射的DroneID信号。该项目提供完整的信号处理流程,从原始IQ数据捕获到最终数据帧解析,支持Octave和MATLAB环境运行,帮助用户深入理解无人机通信机制。 📌 项目核心功能与技术架构 🔍 信号捕获与处理全流程 项目实现了从射频信号到数据帧的完整解析链路,主要包括: * 原始信号采集:支持32位浮点IQ数据文件输入(需配合SDR设备录制) * ZC序列检测:通过归一化互相关算法定位信号中的Zadoff-Chu序列 * 频率校正:自动检测并补偿信号中的频率偏移 * OFDM符号提取:精准提取9个OFDM符号(含2个ZC序列符号) * 相位校正与均衡:解决无线信道引入的

OpenClaw 完整部署指南:安装 + 三大 Coding Plan 配置 + CC Switch + 飞书机器人

OpenClaw 完整部署指南:安装 + 三大 Coding Plan 配置 + CC Switch + 飞书机器人

OpenClaw 完整部署指南:安装 + 三大 Coding Plan 配置 + CC Switch + 飞书机器人 * 📋 文章目录结构 * 1.3 一键安装 OpenClaw(推荐) * 1.4 通过 npm 手动安装 * 1.5 运行 Onboard 向导 * 1.6 验证安装 * 步骤二:配置 Coding Plan 模型 * 🅰️ 选项 A:阿里百炼 Coding Plan * A.1 订阅与获取凭证 * A.2 在 OpenClaw 中配置 * A.3 可用模型列表

【数据集+完整源码】【YOLO】无人机数据集,目标检测无人机检测数据集 7261 张,YOLO无人机识别系统实战训练教程,yolo无人机检测。

【数据集+完整源码】【YOLO】无人机数据集,目标检测无人机检测数据集 7261 张,YOLO无人机识别系统实战训练教程,yolo无人机检测。

文章前瞻:优质数据集与检测系统精选 点击链接:更多数据集与系统目录清单 数据集与检测系统数据集与检测系统基于深度学习的道路积水检测系统基于深度学习的道路垃圾检测系统基于深度学习的道路裂缝检测系统基于深度学习的道路交通事故检测系统基于深度学习的道路病害检测系统基于深度学习的道路积雪结冰检测系统基于深度学习的汽车车牌检测系统基于深度学习的井盖丢失破损检测系统基于深度学习的行人车辆检测系统基于深度学习的航拍行人检测系统基于深度学习的车辆分类检测系统基于深度学习的电动车头盔佩戴检测系统基于深度学习的交通信号灯检测系统基于深度学习的共享单车违停检测系统基于深度学习的摆摊占道经营检测系统基于深度学习的人员游泳溺水检测系统基于深度学习的航拍水面垃圾检测系统基于深度学习的水面垃圾检测系统基于深度学习的水面船舶分类检测系统基于深度学习的海洋垃圾检测系统基于深度学习的救生衣穿戴检测系统基于深度学习的海洋生物检测系统基于深度学习的人员吸烟检测系统基于深度学习的口罩佩戴检测系统基于深度学习的烟雾和火灾检测系统基于深度学习的人员睡岗玩手机检测系统基于深度学习的人员摔倒检测系统基于深度学习的人员姿势检测系