[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

面向AIGC内容安全:cv_resnet50_face-reconstruction如何嵌入Deepfake检测预处理环节

面向AIGC内容安全:cv_resnet50_face-reconstruction如何嵌入Deepfake检测预处理环节 1. 为什么人脸重建是Deepfake检测的“隐形守门人” 在AIGC内容安全实践中,很多人把注意力放在最终的判别模型上——比如用ViT或EfficientNet去分类“真/假视频”。但实际落地时,90%的检测失败不是因为判别不准,而是输入质量太差:模糊、遮挡、侧脸、低光照、多张人脸……这些都会让后续模型“看走眼”。 cv_resnet50_face-reconstruction 就是这个被忽视却至关重要的前置环节。它不直接判断真假,而是先把原始帧中的人脸“标准化”:精准定位、对齐、裁剪、归一化到统一尺寸和姿态。就像给医生做CT前先调好扫描参数——参数不准,再厉害的诊断模型也白搭。 这个模型不是通用图像重建,而是专为人脸设计的轻量级重建器。它基于ResNet50主干网络,但做了三处关键改造:第一,去掉最后两层全连接,接入人脸特征解码头;第二,用L1+感知损失联合优化,保证重建后五官结构不变形;第三,完全剥离对海外CDN的依赖,

llama.cpp Vulkan后端在AMD显卡上的完整部署指南:从问题诊断到性能优化

llama.cpp Vulkan后端在AMD显卡上的完整部署指南:从问题诊断到性能优化 【免费下载链接】llama.cppPort of Facebook's LLaMA model in C/C++ 项目地址: https://gitcode.com/GitHub_Trending/ll/llama.cpp 想要在AMD显卡上流畅运行llama.cpp却频频遭遇Vulkan初始化失败?本指南将带你系统解决兼容性问题,实现高效的大语言模型本地化部署。llama.cpp作为C/C++实现的高性能大语言模型推理框架,通过Vulkan后端可以显著提升GPU加速效果,但在AMD平台上的特殊配置需求往往让新手望而却步。 问题快速诊断方法 常见故障症状识别 当你遇到以下任一情况时,很可能遇到了AMD显卡与Vulkan后端的兼容性问题: * 启动崩溃:程序启动时立即崩溃,日志显示"vkCreateInstance failed" * 加载卡顿:模型加载进度卡在"Initializing

2026写小说用什么软件?国内外靠谱的7款AI写作工具深度测评(附新手教程)

2026写小说用什么软件?国内外靠谱的7款AI写作工具深度测评(附新手教程)

很多朋友问我:“Edward,我脑子里有个绝佳的故事,但每次写不到三万字就卡壳,最后只能弃坑,怎么办?” 其实,写作不仅靠灵感,更靠“工程化”的执行。 在2025年的今天,我们其实非常幸运。一方面,成熟的网文写作方法论已经可以帮我们规避90%的“雷区”;另一方面,AI工具的爆发让“卡文”不再是绝症。 今天这篇文章,不讲虚的,把一套完整的新手写作SOP和7款我亲测好用的AI工具一次性分享给大家。 第一部分:新手写小说的“排雷”指南与核心方法 在打开AI工具之前,你必须先掌握这套“内功”。否则工具再强,你也只是生成了一堆没有灵魂的文字垃圾。 1、拒绝“裸奔”写作:雪花法大纲 很多新人的最大雷区就是无大纲写作。想到哪写到哪,结果写到第十章发现逻辑崩了,前面埋的坑填不上。 解决方法: 使用“雪花法”或“三幕式结构”。 一句话核心: 用20字概括你的故事(谁+

从Copilot到Agentic:快手如何重构“人×AI×流程“研发铁三角

从Copilot到Agentic:快手如何重构“人×AI×流程“研发铁三角

编者按 一年前,行业热衷于追问“从Copilot到Coding Agent,我们离AI自主开发还有多远”;一年后,快手用万人研发组织的真实实践,给出了一个冷静而有力的回答:组织级提效的胜负手,从来不在AI是否“自主”,而在人、AI、流程三者能否完成范式级重构。 当AI代码生成率突破40%,需求交付周期却纹丝不动——这一反直觉现象戳破了“工具幻觉”的泡沫。快手的破局之道,并非等待Agent进化到完全自主,而是主动将AI从“嵌入流程的工具”升维为“重写流程的要素”,通过L1-L3分级交付体系与端到端效能度量,让个人提效真正传导至组织效能。53%的需求交付周期压缩、38%的人均交付需求增长,这些来自生产环境的数据,为行业提供了一份稀缺的规模化落地参照。 这不仅是一次技术演进,更是一场组织能力的“压力测试”:AI不会自动修复流程断点,它只会将隐性问题放大。真正的智能化转型,始于承认“人仍是流程的锚点”,终于实现“人×AI×流程”的乘数效应。 文章概要 本文基于快手技术团队首次系统披露的AI研发范式升级实践「快手万人组织AI研发范式