TRAE返璞归真：不贴标签的专业AI开发工具

当下不少AI产品都热衷于给自己贴上明确的身份标签，一会儿要做办公秘书，一会儿要当生活管家，仿佛不扣上一个精准的帽子就无法被用户认知，这种跟风贴标签的玩法已经成了行业内的常见操作。

不少人会好奇，此前提到的TRAE近况如何？会不会因为名字不够好记就被市场埋没？事实上，TRAE不仅没有沉寂，反而低调完成了一次功能层面的全面升级，跳出了标签化的内卷。

这次升级并没有跟风绑定某一类场景，而是聚焦于工具本身的能力补强：将原本的TraeWork与TraeCode双端整合为统一的TRAE平台；在保留原有IDE开发模式的基础上，新增了多Agent协作开发模式；同时上线了自动化任务、模板库、个人助理、产物管理四大核心功能，并且实现了桌面端与移动端的数据同步。

从这些更新来看，TRAE并没有刻意迎合某一类用户的单一需求，既不局限于网页制作、文档编辑这类办公场景，也不主打生活助理的私人服务，而是选择为复杂的开发场景提供全面的支持。不少人评价，这更像是一种返璞归真的选择——避开当下的标签炒作浪潮，专注于打磨专业开发工具的核心能力，用全功能的产品矩阵对抗细分赛道的小而美玩法。

为了验证TRAE的实际能力，我们尝试用它开发两款本地桌面应用，看看它的多Agent协作模式能否应对真实的开发需求。

首先体验的是TRAE的多Agent协作模式。一开始我以为这个模式只是增加了一个自然语言交互窗口，实际使用后才发现，它可以同时调度多个独立的Agent并行工作，就像一个赛博资本家，指挥多个团队同步推进任务，而不是让单个Agent反复切换工作内容。

我这次的需求是开发一个macOS菜单栏常驻程序「摸鱼计算器」，可以实时计算用户在工作时间内的摸鱼收益。具体的逻辑是根据用户的操作判断工作与摸鱼状态，再结合用户输入的薪资信息计算每秒的收入，最终在悬浮窗展示摸鱼时长对应的收益。

这个看似简单的项目，实际需要解决不少细节问题：如何准确识别用户的操作属于工作还是摸鱼？UI设计与美术风格如何统一？代码完成后如何进行调试与测试？如果只靠单个Agent，很容易出现任务优先级混乱、前后衔接脱节的问题。

好在TRAE的多Agent模式可以很好地解决这个问题。我提前创建了不同用途的Agent模板，直接调用后就向系统发送了详细的需求描述。很快，五个不同职能的Agent就同步启动了工作，从需求拆解、方案设计到代码实现、测试调试，各个环节并行推进，不需要我反复确认每个步骤的细节。

整个开发过程省去了大量的沟通成本，我只需要作为最终决策者确认方向即可，不需要挨个跟进每个Agent的工作进度。而且各个Agent之间会自动协调任务顺序，比如当需求Agent提出的方案与我的初衷冲突时，主Agent会直接驳回并调整方向，美术与开发团队也会自动配合衔接，完全不需要我手动协调。

对于专业开发者来说，TRAE也预留了灵活的切换入口，可以随时从多Agent模式切回传统的IDE模式，自由选择适合自己的开发方式。

开发完成后，TRAE的产物管理功能可以将所有的项目文件统一整理归类，不管是需要修改文档还是调整图片资源，都可以直接在管理界面发起对话精修，不需要再手动查找文件。此前有人打过一个比方，其他AI开发工具更像是在单独打造锤子，而TRAE则是在搭建一张摆满各类工具的办公桌，用户使用的过程就像坐在办公桌前批阅奏折，只需要下达最终指令，不需要操心具体的执行细节。

经过几轮迭代优化后，最终的「摸鱼计算器」顺利完成。当我在飞书中处理工作时，程序会显示牛在耕地的状态；当我切换到B站观看视频时，牛就会切换到摸鱼状态，悬浮窗的收益数字也会同步上涨，整体的交互效果与视觉风格都保持了统一。

第一个项目花费了不少时间，但多Agent模式的优势在于，各个Agent的工作记忆会被自动保存，不需要重复总结经验，后续的开发流程可以直接复用之前的方法论。

于是我尝试开发第二个类似逻辑的应用：一个本地像素风格的驴桌宠，可以根据用户的当前行为与时间自动生成对话内容。

这一次，美术设计、用户行为分析、全流程测试的Agent团队再次协作，我几乎不需要额外补充需求，TRAE就快速完成了初始版本的开发。初始的成品已经具备了不错的完成度：动态的像素驴形象会根据当前时间与用户的操作生成不同的对话内容，比如在深夜11点后会发送类似提醒休息的消息。

之后我又通过TRAE进行了多轮迭代，最终的成品加入了皮肤系统，可以更换西装、女仆装等不同造型，手中的物品也可以从咖啡切换为酒水，角色的外观配色也能自定义调整，整体的可玩性大幅提升。

不过这类24小时运行的程序，如何保证它的输出始终符合预期？总不能一直坐在电脑前手动测试。这时TRAE的自动化功能就派上了用场，用户可以自定义定时任务，让系统自动完成代码审核、功能测试等工作，不需要人工值守。

经过这一轮开发，我们可以看到TRAE的更新已经形成了一个完整的闭环：用多Agent模式启动开发，通过产物管理功能整理与优化项目，最后用自动化工具完成持续的运维与测试，覆盖了从项目启动到最终交付的全流程。

最后我们体验了TRAE的模板库功能。这个功能更像是为新手开发者准备的托底工具，即使你不熟悉多Agent协作、产物管理等概念，也可以直接通过模板快速复刻项目，轻松上手AI开发。

我尝试搜索了一下，发现模板库的覆盖范围相当广泛，甚至找到了可以快速制作互动小游戏的模板。我选择了一个现成的模板，稍作修改后，仅用了半个小时就完成了一个简单的互动应用，整体的功能与交互都达到了可用的水平。

完成这几个测试项目后，我们可以更清晰地理解TRAE这次更新的思路。当下的AI产品市场已经进入了标签化竞争的阶段，厂商们通过给产品绑定明确的身份来划分赛道，试图让用户快速认知产品的用途。但这种分类方式本质上是在限制产品的使用场景，毕竟产品的真实用途往往是由用户的实际需求决定的，而非厂商的定义。

就像伟哥最初的研发目的是治疗心脏病，Discord最初也只是游戏玩家的连麦工具，产品的最终形态往往会脱离厂商的初始规划。TRAE这次选择放弃标签化的包装，专注于补全全链路开发的功能，强化工具本身的能力，其实是将产品的定义权交还给了用户——不管是专业开发者还是新手创作者，都可以根据自己的需求使用这个平台，自由探索它的可能性。

从这个角度来看，TRAE将TraeWork与TraeCode双端合并也是顺理成章的选择。一个完整的开发项目本来就涵盖了代码编写、文档撰写、沟通协作等多个环节，强行拆分两个应用反而会割裂开发流程，不符合真实的工作逻辑。就像ChatGPT的不同功能模块，看似拆分实则同源，强行划分反而会给用户带来不必要的切换成本。

最终，我们不需要给TRAE下一个明确的定义，它已经从一个单纯的代码工具进化为全能的开发平台，至于它最终会成为什么样的产品，完全取决于用户如何使用它。