自 Cue-Pro 上线以来，不少用户反馈了一个共同感受：TRAE 的代码编辑推荐“跟得上自己的思路”。连续跳转编辑时，推荐不会突然跑偏到无关的模块，也不会建议你撤销刚做完的修改——它就是顺着你的节奏，一步接一步。
这种流畅感并非偶然。Cue-Pro 的心流对齐能力，背后依托的是 EditFlow 技术框架——这是 TRAE Cue 团队联合上海交通大学与新加坡国立大学的研究成果。最近我们收到了好消息：EditFlow 被程序语言（PL）与软件工程（SE）领域的重要顶级会议之一的 OOPSLA 2026 正式接收。在实际表现上，Cue-Pro 在仓库级代码补全的准确率也已达行业其他主流工具的两倍以上。
EditFlow 解决了什么问题？
当前几乎所有代码编辑模型都基于 commit 快照训练，模型学到的是代码的最终差异，但丢失了开发者一步步编辑的顺序。所以它优化的是“最终代码的正确性”，而开发者依赖的是“编码过程的连续性”——这个错位就是 AI 推荐总在打断你的根本原因。
EditFlow 的做法是把 commit 中丢失的编辑顺序重建出来，还原开发者的“心流图”，然后用这张图对推荐结果进行过滤和重排序：跟上心流的，保留；跳步的、跑偏的、建议撤销已完成操作的，全部延后。在对照实验中，多款主流 AI 编程工具搭载 EditFlow 后推荐精度平均提升了 67%，32 名开发者参与的真实任务完成时间平均缩短了 25%。
Cue-Pro 的下一步
EditFlow 被顶会收录是一个阶段性验证，但不是终点。Cue-Pro 团队会继续围绕更复杂的编辑场景和更多样的开发习惯持续优化，让 AI 编程助手越来越懂你的节奏。论文和代码都已开源，感兴趣的同学欢迎翻翻看。
📄 论文：https://arxiv.org/abs/2602.21697 （点击阅读原文直接跳转阅读）
🔗 项目开源地址：https://github.com/code-philia/EditFlow