分享嘉宾：天猪 TRAE IDE 核心开发者、开源社区 EggJS / CNPM 的核心开发者
大家好，我是天猪，TRAE 的核心开发者，也曾是 EggJS 和 CNPM 等开源项目的参与者。今天想和大家聊聊我们这一年多在 AI Coding 这条路上的探索与实践，特别是 TRAE 项目的成长和思考。
演进：从 Cloud IDE 到重返“半山腰”
我们的旅程从 IDE 的演进开始。从最早的打孔机，到文本编辑器与集成开发环境之争，再到 Cloud IDE、Web IDE，如今我们正步入 AI-Native IDE 的时代。这不仅是工具的变迁，更是开发方式的革命。
Cloud IDE 背后有巨大的技术挑战，尤其是“实时调度 + 有状态”的特性，对启动速度、资源调度提出了极高要求。在 MarsCode 的这一年，我们在这方面投入了大量精力。值得高兴的是，我们的端到端启动性能 P90 达到了 5 秒，这无疑是一个世界级的指标。
技术上的成功并不总是等同于业务上的成功。Cloud IDE 受限于合规和场景，我们在今年中重新选择了另一条路：从 Native IDE 出发，再次向 AI Coding 的顶峰攀登。这是一次回到半山腰的重新出发，但我们坚信 Cloud IDE 的价值，它会以云端一体的方式回归。
破局：百万月活与开发者的核心诉求
今年 6 月，TRAE IDE 在火山大会上宣布了，目前月活用户已突破 100 万。这背后，是超过 60 亿次的行业迭代经验和每天超过 150 万条的用户 query。数字的背后，是我们对“AI 如何真正赋能开发者”这一问题的持续探索。
那么，开发者到底需要怎样的 AI Coding？我们认为核心诉求有两个：一是研发提效，更快地写代码；二是辅助决策，获得高质量的回答。具体来说，就是代码补全、代码生成、代码问答和知识搜索。
AI Coding 的发展，类似自动驾驶，会经历几个阶段：AI 辅助编程 → AI 结对编程 → AI 自主编程
我们正处在从“结对”向“自主”过渡的关键期，这个转变可能在未来的 1~3 年内就会发生。
落地：从“超级补全”到“一键合并”
代码补全 的演进很能说明问题。从早期的下拉框提示，到 AI 内联建议、Tab 键采纳，交互方式发生了根本变化。GitHub Copilot 的出现，点燃了 AI Coding 的热潮。
近年来，“超级补全”进一步发展了这个能力。它不仅能预测下一个字符，更能推断用户的编辑意图，从“新增代码”演进到“修改存量代码”。Cursor 的 Tab Tab 和 TRAE 的 Cue 超级补全是这方面的代表。
代码问答 也从 ChatGPT 早期的代码块展示，发展到 Claude 的 Artifacts 和 GPT 的 Canvas 那样，支持编辑、运行和预览的集成体验。为了优化工作流，我们将 AI 直接深度集成到 IDE 中，推出了 Inline Chat 和 Side Chat，让交互在丰富的上下文中自然进行。
代码生成后，如何合并？“快速应用（Fast Apply）” 功能可以一键合并多处修改，这通常通过搜索替换或专用小模型实现。
进化：从 Workflow 到 Agentic 架构
以上可归为“AI 辅助编程”。近年兴起的“AI Agent”则标志着我们进入“AI 结对编程”阶段。
何为 AI Agent？特别是随着 Claude 3.5 等强大模型的出现，AI 的自主性、思考力和调度能力显著提升。结合工具调用与上下文获取，协助完成多种任务。
在 TRAE 1.0 阶段，我们采用相对固化的 Workflow 架构：思考-规划-执行-观察。它实现了多轮交互，但随着大模型能力的演进，反而会有点限制它的发挥。
今年 4 月，我们闭关研发了 2.0 架构，更强调自主性的 Agentic 模式——赋予 LLM 更大自主权，让其主动理解需求、感知环境并驱动工具执行。关键改进在于将固定流程转化为工具集，模型可自主调用 Plan 生成待办，并根据环境反馈动态调整。
上下文管理 也做了优化，并非盲目扩大而是更注重有效性，通过历史总结等手段减少模型遗忘。
我们正在研发 3.0 架构。我们认为 Agentic 和 Workflow 并非二元对立，而是一个连续光谱。固定流程适合流程稳定的场景保证稳定性，而 Agentic 在需要探索性创新的场景更能发挥价值。这是一个螺旋迭代的过程——成功的探索可以沉淀为 SOP，而固化的流程也可随模型能力进化逐步放开，由 AI 自主决策。
未来：AI 主导的 SOLO 模式与“高潜实习生”
近期推出的 SOLO 模式，标志着从“AI 辅助 IDE”到“AI 主导 IDE”的协作模式转变。IDE、浏览器、终端都成为 AI 可调用的工具。
SOLO Builder 是我们首期内置的 Agent，面向 Web 应用场景提供端到端交付支持。需要说明的是，SOLO 并非另一个 Lovable，它明确服务于 1~5 人的专业开发团队，支撑其快速构建 AI 应用并服务早期用户。
社区对 TRAE 的讨论愈发深入和理性，这让我们倍感鼓舞。
共生：如何与你的“AI实习生”正确协作？
最后，分享一个核心观点：AI 犹如一位“高潜实习生”。很多人或震撼于其能力，或失望于其表现，根源往往在于未找到正确协作方式，短期高估长期低估。
与带人相似，需为其安排合适任务、提供清晰指导与充分上下文、并随时准备兜底。也要避免“一句话需求就期望交付完整项目”或使用低于任务要求的模型，管理好自己的预期。
当前，我们处于“AI 结对编程”阶段，但随着 AI 能力的演进，我们正逐步迈向“AI 自主编程”的未来。
专业生产力工具的颠覆性创新，必将重塑开发者的认知和工作流。未来的 IDE 很可能不再以代码为中心。我们每个人都需学会如何与 AI 共生。
如果你也愿意“较真”，为 IDE 的颜值折腾字体和配色；勇于探索未知，在不确定的 AI 领域啃硬骨头；无论你在杭州、北京、广州、深圳，做前端、后端、云服务或 AI——欢迎来找我交流。