2025 年 11 月 15 日 ，TRAE 线下 Meetup 来到深圳，吸引近百名开发者、算法工程师与产品负责人齐聚一堂。通过五场硬核演讲、实时 Demo 演示及圆桌交流，活动全景展现 TRAE 从 1.0 到 3.0 的技术迭代，为社区开发者生态带来更多干货分享。
活动亮点：多场硬核演讲，解码智能体编程核心密码
活动聚焦 TRAE 核心产品 SOLO 智能体的技术突破与落地实践。四位嘉宾从开发理念、算法优化、实战案例到工程实践多维度切入，结合代码演示与数据佐证，让参会者沉浸式体验 AI 编程的进化路径。
炳洲——《TRAE Cue 时延优化：从 1.2s 到 500ms 的突破》
炳洲聚焦 TRAE 核心组件 Cue（Context Understanding Engine） 的性能攻坚。该组件支持代码补全、多点编辑、跨文件跳转等 6 大核心功能，是提升编程流畅度的关键。他直言，早期 1.2s 的响应延迟导致“交互卡顿与心智流失”，团队因此设定300ms 优化目标。
他系统拆解 Cue 请求链路，从三端同步发力：
-
客户端： 基于前处理异步化、全链路流式 & hot streak 策略、以及网络升级优化，把 CUE 交互变快变稳
-
服务端： PE 构建优化、异步中间件重构和服务架构重构升级，提升服务性能和并发处理能力
-
模型层： 从模型层面优化、系统&硬件升级、计算&内存优化、解码策略、服务架构等各个维度，将模型推理带到极致
最终实现短期 500ms 响应突破，逼近竞品最优水平，在未来几个月也会进一步冲刺到 300ms，以及在上线更多 CUE 功能的同时，也追求更深度的用户体验优化。
姜宁——《规格驱动开发（SDD）与 AI 编程》
姜宁以“摆脱氛围编程困境”为切入点，对比传统软件开发与 AI 驱动开发的本质差异：前者依赖手工编码与反复调试，后者通过自动化生成、测试与重构，将焦点回归设计与逻辑。他介绍**“规格驱动开发（SDD）”** 理念，强调“规格是事实来源”，构建可执行、可协作的规格体系支撑 AI 高效产出。
针对 AI 生成代码难以协作的痛点，他详解两大 SDD 开源工具：
- Spec Kit （GitHub 开源）：通过定义原则，撰写规格，制定计划，创建任务等命令与 AI 一同完成软件规格的编写，并从 0 到 1 生成相关的代码。他以一个照片整理应用开发为例，演示从规格定义到任务拆解的完整流程。另外 Spec Kit 社区已经支持 TRAE 集成，进一步降低落地门槛。
Spec kit 下载链接： https://github.com/WillemJiang/spec-kit/releases/download/v0.0.1/spec-kit-template-trae-sh-v0.0.1.zip
-
Open Spec： 通过“提案-执行-归档”流程实现软件规格全生命周期管理，完整保留了规格的详细修改，特别适合轻量级的项目持续开发。
唐飞虎-MoonShoot AI--基于 TRAE solo 的结对编程实践
唐飞虎以 “AI Agent 的发展脉络”为线索，从被动接受用户信息到主动向用户发起请求，从每一步都发起 git commit 请求，到主动参与 code review 并发起 peer request，再到搭建有多个不同模型参与的多 agent 系统。
以实战中的例子展示并对比了在 CLI 环境和在 TRAE 环境中如何通过 git 协议更好的管理有 AI 协作者参与的项目代码的开发，并开源分享了相关最佳实践，展示了如何在实践中更好的管理工作流简化模型推理并减少 Token 的消耗。
飞虎分享的开源项目：https://github.com/lychees/trae\_auto\_git
厉辉（yousa）——《从 0 到 90%：让 AI 承担生产代码编写》
在本期 Meetup 上，资深研发工程师厉辉（yousa）分享了基于一线实践的洞察，剖析 AI 编程落地痛点，并提出“增长飞轮”体系，应对从 0% 到 90% 的三个核心阶段。
阶段一（0%→30%）：建立实用信任，效率优先于完美
打破对 AI “准确率”迷信，转向“效率增益”。聚焦“甜点区”——高重复、低风险、易验证任务（如 CRUD、单元测试）。实践显示，即使准确率仅 50%，仍可实现数倍效率提升。
阶段二（30%→70%）：突破天花板，AI 是工程的镜子
行业常见“30% 天花板”源于复杂业务与遗留系统。关键洞察：AI 上限由工程环境决定。破局之道在于“标准化”（提升上下文质量）与“自动化”（降低验证成本），将“AI 禁区”转化为新甜点区。
阶段三（70%→90%）：重塑人机协作，保护心流
AI 深度介入导致上下文频繁切换，工程师“更累”。根源在于人类（慢速小上下文）与 AI（快速大上下文）的特性冲突。解决方案：采用“时分复用”集中处理 AI 任务，构建“双轨上下文协作模型”（人类专注结构化设计，AI 负责自动化执行），实现高效并发。
厉辉总结了 AI 编程生产力的“增长飞轮”：从「建立实用信任」，到通过工程卓越「创造新甜点区」，再到通过保护心流「实现并发」。
他也认为，AI 编程是一个持续优化工程素养和工作方法的旅程。
作为 TRAE Meetup 的重要站点，深圳场延续“技术实战 + 社区共建”定位。后续 TRAE Meetup·作为 TRAE 官方活动将布局更多新一二线城市，持续完善 SOLO 智能体生态，努力为 TRAE 友们提供一个更加友好的社区文化交流平台。
TRAE Meetup 参与方式
关注 TRAE 官方账号 或加入 飞书群 获取最新活动资讯，持续交流技术细节。
TRAE meetup 成都场 11.29 日预告：https://luma.com/l62yj3dr
深圳场完整 PPT 已上线，点击阅读原文即可查阅。