yabo体育APP

yabo体育APP

机器之心报道

编辑：冷猫、Panda

TRAE SOLO 正式版，终于来了。

在 2025 年的 AI Coding 赛道，TRAE 无疑是 AI IDE 的国产代表作。今年 7 月 21 日，TRAE 推出的 SOLO Beta 版本着实是火了一把。社区反响热烈，邀请码也一度「供不应求」。

掐指一算，从 SOLO Beta 版发布至今，大家已经等待了三个多月。

就在昨天，开发者用户惊喜地发现，SOLO 模式完成了全新的升级，并进行了全量推送。

下载地址：https://www.trae.ai/solo

就是说，只要是 TRAE 国际版的用户，升级到软件的最新版本后均可使用 SOLO 模式。

在 SOLO 正式版上线后，我们上手实测了一番。总体感觉下来，SOLO 正式版最核心的进化，就在于它具备了「搞定复杂项目开发」的综合实力

这种实力的升级，源于多项核心能力的更新，SOLO 正式版新增了内置智能体 SOLO Coder、多任务列表、上下文压缩、代码变更等功能，为复杂任务的执行提供了坚实支撑。

对比上一次 Beta 版的定位 ——「业内首个基于 Context Engineering（上下文工程）理念的 AI 开发助手」，TRAE 将 SOLO 正式版定位于「The Responsive Coding Agent」，也就是「具备响应感知的编程智能体」

在 AI 编程进入「人机共创」 阶段的 2025 年，这种设计显然是更贴近实际生产场景的开发范式。

与此同时我们还发现了彩蛋：在面向所有 TRAE 国际版会员开放的同时，TRAE 还搞了一场限时免费体验活动，现在起一直到 11 月 15 日 23:59，所有用户都可以免费体验 SOLO Coder 和 SOLO Builder。

薅羊毛的机会，这不就来了吗？

什么是 The Responsive Coding Agent？

我们先看下此次产品更新的内容。

传统的氛围编程，表面上是人机共创，实际上是 AI 在一个项目上缝缝补补，没有整体设计思路。时间一长，修改记录难以追溯，工具来回切换，上下文反复丢失。就像网友的这张图一样，主打一个结构混乱，能跑就行。

TRAE 给出的答案是 The Responsive Coding Agent，也就是「具备响应感知的编程智能体」，围绕实时有感知、随时可掌握、多任务并行这三大核心特性，构建的一整套功能体系。

随时可掌控（Responsive Context）

—— 信息不丢失、意图可对齐

许多开发者在使用 AI 编程时，会产生「又爱又恨」的复杂情绪。实际上大多是因为在开发过程中很难保持对 AI 的掌控感。AI 时常偏离意图、遗忘上下文、前后逻辑不一致，导致开发过程充满不确定性和挫败感。

这种「不安全感」的来源，实际上并不只是「AI 不够聪明」，而是上下文管理存在结构性缺陷。只要项目稍微拉长、逻辑稍微复杂，模型就会出现记忆断层：前面的需求忘了、修改的理由丢了、历史状态无法追溯，只能靠开发者不断重复描述、手动兜底。

TRAE SOLO 正式版之所以提出「Responsive Context」，正是为了解决这个问题：让上下文可跟踪、可回溯、可压缩、不中断，使人和 AI 在整个项目过程中的思路始终保持同频，让我们对开发项目真正实现「随时可掌控」。

SOLO 的解决方案，是让「对话本身成为开发现场」。「对话」被重新定义为开发的核心界面。开发者不再需要在编辑器、命令行、文档和工具之间不断切换，而是可以在一条连续的对话中看到整个项目的演进过程，不再需要依赖记忆或反复说明。

TRAE SOLO 交互界面，以对话为核心交互空间的三栏结构

为了避免 AI 在执行中偏离意图，SOLO 这次更新了 Plan 功能，直击用户痛点。Plan 模式会在真正写代码之前先给出清晰的任务规划，让人和模型先达成一致，随后能够一键确认进入执行阶段。

当项目逐渐变得复杂、对话深入到多轮迭代时，上下文管理就会变得极其重要。SOLO 正式版全面增强了测试版时「Context Engineer」的强大管理能力，会自动保留关键上下文，支持智能压缩上下文，并且用户也可以实时查看上下文用量和手动压缩，确保模型在长链路开发中依然保持专注。

上下文压缩过程示意

这才是能够令人安心的长程开发体验。

实时有感知（Responsive Review）

—— 可视化的开发协作

「随时可掌控」解决的是信息连续性的问题，「实时有感知」解决的则是开发过程透明度的问题。

在以往的 AI 编程体验中，我们常会有一种熟悉的困惑：AI 确实在执行，但我们并不总能知道它究竟在做什么，为什么这样做，以及做到了什么程度。这种「半黑箱式」的协作会让人难以信任，也难以实现交付。

SOLO 正式版在这一点上进行了彻底的优化。在 SOLO 中，AI 智能体会将任务自动拆解为清晰的To-Do List，并在执行过程中持续更新，实时让开发者随时能够看到当前进度和剩余工作，形成一种项目正在被稳步推进的可感知节奏。

To-Do List 和实时执行情况示意

同时，AI 调用了哪些工具、执行了哪些操作，也会通过可视化界面完整呈现，替代过去依赖日志排查的方式。

AI 调用 Search Agent 工具示意

而在最核心的代码层面，SOLO 提供了代码变更工具，清晰展示每一次新增或修改的具体内容，让开发者可以直接检查确认。AI 写代码不再在背后搞小动作，而是在眼前实时展示。这种透明与可审查性，让人真正能够对 AI 交付保持信任，实现更加高效健康的协作关系。

AI 执行文件操作可视化示意

换句话说，SOLO 不只是让 AI 会埋头编码，而是让开发者看得见、跟得上、管得住整个开发过程。

多任务并行（Responsive Multi-Agent）

—— 多线程工作无需等待

而在真实的软件开发过程中，开发往往不是一条直线，而是并行展开的。常见的场景是一边修 Bug，一边迭代功能，中途还会插入突发需求。过去的 AI 编程工具普遍只能「单线程工作」，一次只能处理一个上下文，开发者必须不断停下当前进程来切换指令，效率严重割裂。

SOLO 正式版引入了真正的多任务并行（Multi-Tasking）。开发者可以同时开启多个项目或子任务，并根据需要随时切换。每个任务的上下文都会被完整保存，不会因为来回切换而丢失信息，开发节奏也因此更加流畅。

多任务执行列表

与此同时，SOLO 内置了一系列可直接调用的Sub-Agent，例如用于搜索信息等特定场景的专用智能体。开发者无需自己手动处理这些细碎环节，而是根据需求直接调动对应 Agent；如果默认能力不够，还可以自定义更适合项目语境的 Agent，以完成例如进行代码审查、生成单元测试等等的复杂需求。

一手实测：我们搞了个大模型智囊团

TRAE SOLO 正式版有如此强大的能力，以往构建一些简单网页应用或小游戏的想法已经无法满足测试需求了。既然 SOLO Coder 定位于支持复杂场景，专业开发者新万博体育：接触的可能是存量的代码仓库的迭代，我们这里主要测试一个复杂场景的任务效果。

我们选择了一个近期热门且复杂度适中的项目：复现知名 Youtuber PewDiePie 构建的那个聊天机器人智囊团。

简单来说，这个项目使用多个大模型组建了一个「智囊团委员会」，每个 AI 智能体都会在其中进行辩论并投票选出最佳答案并返回给用户。

阶段一：打开 Plan，规划复杂需求

项目的起点是定义「做什么」，别着急进入开发，先明确好计划。

在 SOLO Coder 中，这一步可以让「 Plan 」来执行：它会在真正开始写代码之前，先生成一份结构清晰的任务规划，让人和模型对「要做什么」以及「打算怎么做」先达成共识，从而减少误解、提升可控性和工程质量。

因此，我们决定测试 SOLO Coder 分析和生成复杂需求的能力到底什么水平。我们提取了新万博体育：该项目的新闻报道描述，并加入了一些额外要求，然后向 SOLO Coder 发出了一个「元请求」：

以下内容来自一篇新闻报道，我想复现其中描述的项目，外加一些额外要求，请分析该项目的实现方式与细节，给出执行计划：PewDiePie 全凭感觉「vibe-coding」出一个聊天 UI，并打造了一支配备了 RAG、DeepResearch 和音频输出功能的「机器人军队」。PewDiePie 表示，他使用该系统组建了一个「委员会」，每个 AI 智能体都会在其中进行辩论并投票选出最佳答案。具体来说，他使用 8 个配置了不同提示词（因此性格不同）的模型组成了一个委员会。当 PewDiePie 提问时，每个模型都会给出一个答案，然后它们又会对答案进行投票，从中选出最好的答案。要求：基于 Ollama 开发，用户可以选择模型并配置提示词，采用三栏式设计（左侧为工作信息日志，中间为模型信息，右侧为对话窗口）。

面对这个相对复杂的指令，SOLO Coder 表现出色，对这个项目进行了详尽分析，成功生成了一份非常详细且结构化的项目规划，并且自动保存为 Markdown 文件。

这符合 SOLO Coder 擅长处理复杂任务的定位。

SOLO Coder Plan 制定开发计划，2.5 倍速示意

在 Plan 模式下，我们可以仔细查看规划内容是否符合预期，SOLO Coder 会等待我们的回应操作。如果规划符合需求，可以一键点击执行。如果有需要调整的部分，同样是继续使用自然语言输入反馈意见，也可以在右侧的窗口直接编辑修改。例如，我们在规划内容中发现了不需要的预期开发时间的部分，于是选择了手动删除。

阶段二： 按照规划，快速构建

确认了 Plan 给出的开发计划没有问题之后，我们点击「执行」。SOLO Coder 立即开始了工作。

SOLO Coder 执行开发计划，30 倍速示意

令人惊喜的是，TRAE SOLO 非常迅速地完成了相关环境包的安装，配置文件的编写，以及基本代码架构的设计。

在这个过程中，SOLO Coder 对每个功能模块都进行了多次测试，我们观察到它遭遇了不同的报错，但 SOLO Coder 展现了强大的自主解决问题能力，能够很快找到错误原因，最终自行修复了所有问题。这正是高效 AI 编程「自动化」的体现。

在执行了大约 13 分钟后，项目的 V1 版本便已生成。

我们进行了快速测试，配置了一个 6 位专家的「笑话委员会」（包含冷笑话大师、创意天才等）。我们要求它生成一个新万博体育： AI 的笑话。结果显示，委员会能够正常工作并投票选出最终答案。虽然笑话本身并不好笑（受限于本地小模型），但 TRAE SOLO 强大的「从 0 到 1」快速构建能力得到了验证。

同时，我们也发现 V1 版存在一些问题：例如「委员会配置」界面的确认按钮显示不全，以及原始需求中的 RAG、DeepResearch 和音频输出功能尚未实现，也缺少配置的导入导出功能。

阶段三： 从 1 到 N ，迭代与修复

V1 版本的问题，恰好为我们提供了继续测试 SOLO Coder 的绝佳场景。

SOLO Coder 的一大亮点，擅长在已有代码体系中进行迭代、改造和架构级重构，它可以理解项目结构、管理上下文，并在多轮迭代中保持逻辑一致性。此外，SOLO Coder 支持调用不同领域的 Sub-Agent，例如审查、搜索或测试生成智能体，在更复杂的开发场景下进行有序分工，帮助开发者推进工作。

带着这些能力，我们让 SOLO Coder 在现有项目基础上继续完善功能、修复问题。

在这个 1 到 N 的迭代阶段，SOLO Coder 并非一次成功。但关键在于我们只需给出简单的反馈（例如「功能未实现」或「这里有 Bug」），SOLO Coder 就能理解、验证并自主修正错误。

就拿添加 RAG 功能为例，我们给出如下指令：

RAG 功能还没有实现，需要实现可以将本地文档导入 RAG 知识库的功能。

SOLO Coder 添加 RAG 功能，30 倍速示意

SOLO Coder 能够充分理解功能需求，执行安装相关依赖，功能代码的更新，它甚至自行编写了一段文本进行多次上传测试，自动修复相关问题。

这完美契合了 SOLO 正式版 「The Responsive Coding Agent」 的定位：它实时有感知（Responsive Review），能够理解我们的反馈；并且随时可掌控（Responsive Context），允许我们随时介入和指导开发方向。

经过多轮反馈和修改，最终成果（如下方加速视频所示）令人满意：

1. RAG 功能实现：我们可以将 Rich Sutton 的《苦涩的教训》英文原文导入 RAG 知识库。

2. 委员会协同：新配置的「英文文章解读委员会」能够基于 RAG 内容进行总结并投票。

3. 音频输出实现：TTS 功能成功集成，可以将本地模型给出的结果朗读出来。

TRAE SOLO 正式版的一大亮点是支持多任务处理，并且可以在同一项目中执行。在完成了上述的 AI 委员会项目之后，我们同时启动了两个优化项目，提示词分别如下：

增加一个功能，让上传的 RAG 文档先通过 Ollama 中的嵌入模型 embeddinggemma:300m 进行处理。为这个项目开发更现代、更优美的前端。

最终，我们得到了一个功能更加强大，UI 更具有美学设计的 AI 智囊团委员会。

尽管这个项目仍有优化空间（如更详尽的工作日志、集成云端大模型 API、整合记忆能力等），但这次实测清晰地展示了 TRAE SOLO 正式版的核心价值：

不仅能完成 0 到 1 的快速启动，还能负责 1 到 N 的复杂迭代、Bug 修复和功能添加。

这种「双核」协作模式，结合其强大的自主纠错能力和对开发者反馈的高响应度，使其成为了一个真正能应对复杂任务的 AI 编程助手。只要有清晰的需求和足够的 Token 额度，它就能助你逐步完善任何复杂的项目。

SOLO is All You Need ？

如果把过去两年的 AI 编程工具做一次横向对比，会发现领域内众多产品演进路径都遵循一个非常清晰的方向：从 AI 辅助编码工具逐步走向能够掌控开发过程的智能体系统

从 TRAE 的迭代历程中，我们也能看出这种趋势。

TRAE 最早可以追溯到 2024 年的豆包 MarsCode。那个阶段，AI 的角色还主要停留在 IDE 插件层，负责补全、调试和局部生成，是服务于 VS Code、JetBrains 等主流开发环境的「AI 助手」。

2025 年 1 月，TRAE IDE 国际版发布，标志着 TRAE 开始构建原生态对话式的 AI 开发体验；到同年 3 月国内版上线后，它成为国内首个面向复杂任务的 AI 原生 IDE。

在这个过程中，开发者用户的需求也在变化：关键问题不再是 AI 会不会写，而在于它能不能记住、理解并承接上下文。于是 SOLO Beta 诞生了 —— 不再是「IDE 集成 AI」，而是「AI 集成上下文」，TRAE 来到了 2.0 阶段。AI 不再只是被调用，而是学会根据上下文主动调动工具、理解任务链路并推进开发流程。

TRAE 3.0——SOLO 正式版的上线，则进一步走向系统化定义：The Responsive Coding Agent。

从这条演进链路中可以看到一个非常明确的趋势：智能体正在变得越来越有能力承担复杂项目，而产品的每一次迭代，都在持续降低编码和开发的门槛。

这不仅发生在 TRAE，放眼全球也同样如此。无论是 Cursor、Windsurf，还是其他新兴的 AI 开发工具，它们都在从「以代码开发为中心」向「以智能体为中心」转变，先服务专业开发者，逐步向外扩展能力边界。

或许 TRAE 正在沿着一条正确的道路前行：

不牺牲工程深度的情况下，降低开发门槛；将工具优先服务于专业开发者，真正融入生产体系；在效率飞轮形成后，逐步扩展到研发上下游与非专业群体。

当然，我们应该把 AI 编程的发展放在更长的技术演进轨迹中来看，其实当下的产品形态其实都还处在过渡阶段。无论是基于命令行的智能体调度，还是深度集成在 IDE 内的代码补全式工作流，它们都只是在探索「AI 应该如何参与开发」这一问题的不同路径。

软件开发的本质并不是写多少代码。真正决定系统质量的，是持续理解需求、建立结构化设计、规划迭代节奏，以及让代码体系保持可维护性。而目前大多数 AI 编程工具虽然擅长一次性生成代码，却难以具备项目连续性与架构思维

这也是 SOLO 正式版的意义所在，让开发者把新万博体育：精力放在抽象结构、系统设计和工程决策上。

正如 TRAE 官网所说的：「SOLO is All You Need」

当 AI 的能力边界再一次被拓宽，能够胜任复杂的开发项目，逐渐成为用户背后的「全能开发团队」。未来，「开发者」将向「架构师」的角色转变。真正高价值的用户，是能够让 AI 创造新价值的人，而不是只会调用 AI 的人。

也许我们正站在一个新的协作模式的路口，未来人机协作将走向何处 ——

或许，TRAE SOLO 的下一次迭代，会给出更清晰的答案。

文中视频链接：https://mp.weixin.qq.com/s/tC_W-JCKWR_FXAZ6SDH7aQ