「产品随想 03」Trae 4.22 版本:构建智能无限的产品能力

大模型向量数据库云通信

picture.image

「产品随想」系列特邀产品负责人 Steve 分享对 Trae 产品演进的思考,将持续为您解码 Trae 的产品故事与设计理念。欢迎大家在评论区交流讨论,写下你的想法与期待!

在 4 月 22 日发布的新版本中,Trae 向「智能无限」更进一步。

我们引入了全新的 @Agent 功能 ,用户可以自定义智能体,使其具备专属的指令、能力与行为方式,真正让 AI 成为“为你所用”的助手。而得益于内置的 MCP 模块 ,你可以灵活调用、组合第三方能力,自由构建面向不同任务的智能工作流。为了让 AI 更理解你,也更适应你,我们增强了上下文系统:引入了 #Doc#Web 两种上下文类型,并支持你自定义个人项目、规则与偏好,从而实现更精细化的交互体验。

Trae 不再是一个单一的对话界面,而是一个可以持续进化、自我适配的智能体系统。这一切背后,是我们对智能体未来形态的一次系统性探索:AI 不只是工具,而应当是一个可编程、可协作、可成长的“新型助手”。

在上一篇《重塑 AI 编程生态:让对话成为下一代终端》中,我们探讨了一个 重要的理念:在未来的开发世界中,AI 与开发者的互动不应该被局限在 30% 的辅助区域,而是要成为真正的对话“终端”。随着 Trae 4.22 版本的到来,我们朝着这个目标又迈进了一步。

我们相信,协作的力量可以整合各方优势,带来远超单独作业的成果,为开 发者创造更大的价值。 为什么要继续往前走?

对话作为“终端”是一种全新的思考方式,但对话本身只是交互的起点。为了让开发者与 AI 能够在更复杂、更广泛的工作中保持高效协作,我们需要赋予 AI 更强大的“上下文获取”和“工具调用”能力。

智能体(Agent)就是这个升级路径的核心,实现了从被动对话到主动决策的转变;与此同时,我们也提供了灵活丰富的 Context(包括 #Web、#Doc、Rules),并引入了可以无限扩展功能的 MCP(Model Context Protocol)。

这些都让我们在 4.22 中接近**“智能无限”** 的目标:AI 不再只是简单回答问题,而能更有针对性地执行任务、适配多场景并持续进化。

picture.image

智能体:让 AI 成为主动决策者而非“被动插件”

在此前的版本里,Trae 主要通过一个固定的“Builder 模式”来帮助开发者完成自动化更高的代码生成等工作。然而,随着编程场景和需求的日益多样化,一个单一的智能体往往难以满足所有诉求。我们吸收了社区中对 AI 编程工具的反馈,发现大家都渴望把 AI 拆解到更专业、更可定制的形态,于是便在 4.15 中为“智能体”引入了全新的设计思路:

不再局限于单一 Agent——通才与多专才,用户自由选择

在 Trae 的新版本里,用户既可以让一个全能 Agent 统揽所有开发任务,也可以根据需求将工具与规则拆分到多个更专注的智能体中。前者适合快速上手、覆盖面广;后者则能让每个智能体各司其职,避免模型在调用工具时的混淆或失误,也更贴近真实团队的“分工协作”模式。

这份可选择的灵活性不仅体现了对不同工作流的适配,更呼应了现实团队运作的多样形态:有时候,我们需要一位通才来统筹全局;有时候,则更适合各显其能、协同合作。有用户可能会疑惑:既然有一个“无所不能”的通才 AI,为什么还需要额外的多智能体?的确,在理想情况下,通才 AI 似乎就可以覆盖所有场景,但它需要极其强大的模型支撑;就目前来看,为了在模型能力与实际使用效果间取得平衡,把工具聚合到多个更专注、更可控的智能体中,有时候能带来超出预期的协作体验,也便于用户进行单点管理和迭代。

无论你更倾向于用单一 Agent 承载,还是在不同场景里切换不同 Agent,Trae 都为你准备好了相应的模式和配套规则,你可以跟随自己的编程习惯自由切换。

统一 Chat,@Agent 开展工作

之前,Trae 需要用户在不同面板或模式间来回切换,但这很容易打断思路。我们现在支持让用户在一个统一的对话界面,通过 @Agent#Context 来提供指令和资源,减少思路被打断的风险,让对话的上下文不被割裂。同时,把“AI”与“人”的角色融合在同一个对话界面中,就像在飞书群聊里 @ 不同同事一样自然。

这也是我们一直以来保留@符号、用#来引用 Context 的原因。 # 符号在社交媒体中被广泛用于创建“话题标签”,更适合用来引用,而 @更偏向召唤具体的角色。

在 Agent 基础上来调用 MCP

在部分竞品中用户,可以直接使用 MCP 工具,但在 Trae 中,我们选择以 Agent 为核心构建整个产品逻辑,籍由 Agent 来调用 MCP,而不直接将其暴露给用户。具体来说,我们将 MCP 与其他本地工具以及上下文信息(Context)一并封装到 Agent 内部,让每个 Agent 都能在固定场景下专注调用正确的工具,避免在一堆可用工具里“迷失”。就像一个小型的“模块化 AI”,Agent 只专注于与自己职责相关的工作,为开发者提供更精准、更高效的任务执行能力。

让 AI 更贴心地融入开发工作流

Trae 在 4.22 版本里做出的这些功能更新,既是对“让对话成为下一代终端”的初步尝试,也是为了更好地帮助开发者释放“智能无限”的潜力。通过多 Agent、Context(#Web、#Doc、Rules)和 MCP 的组合,我们正在把 AI 从被动辅助提高到主动协作乃至主动决策的层面,让每位开发者都能定制适合自己的“AI 专家团队”。

在这个过程中,我们仍然保有很多探索和迭代的空间,包括让 AI 来到 C 位、比如 MCP 生态的持续扩展等等。对 Trae 来说,这并非是终点,而更像是一段新的旅程。

我们也期待与你一同见证——在“让对话成为终端”这一大方向的引领下,Trae 如何不断拓展 AI 的能力边界,用“智能无限”的理念,给开发者带来更丰富、更专业、更轻松的编程体验。 非常欢迎你试用 4.21 新版本,并告诉我们你的真实感受,一起让这个产品变得更好。祝你开发顺利!


往期回顾

「产品随想 01」一些关于Trae 的思考

「产品随想 02」关于 Trae 的下一步

⭐️ 欢迎关注Trae,解锁更多产品细节。点击原文链接,即刻体验畅快编程!

picture.image

0
0
0
0
关于作者
关于作者

文章

0

获赞

0

收藏

0

相关资源
大规模高性能计算集群优化实践
随着机器学习的发展,数据量和训练模型都有越来越大的趋势,这对基础设施有了更高的要求,包括硬件、网络架构等。本次分享主要介绍火山引擎支撑大规模高性能计算集群的架构和优化实践。
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论