← 全部极客知识库

主流 Agent 入门教程 / TraeCode

14. TraeCode桌面版使用入门

原文备份 · 第 16 / 17 篇 · 查看极客时间原知识库 ↗

本篇目录 · 7 节

来源:TraeCode

第十四章(附录)TraeCode Desktop 使用入门

前面十三章都在讲 CLI。这一章我们看看 TraeCode 的 IDE 形态——TraeCode Desktop,了解它和 CLI 如何互补。

14.1 TraeCode IDE 是什么

TraeCode 是一款深度融合 AI 能力的集成开发环境,保留完整的 IDE 基础能力(编辑器、终端、调试、插件、源代码管理),同时内置 AI 编程能力。简单说:它是一个「AI 原生 IDE」。

14.2 IDE 模式 vs SOLO 模式

TraeCode 提供两种模式,按任务灵活切换:

模式 特点 适合场景
IDE 模式 保留编辑器、终端、调试、插件、源码管理等工作流,你精细控制每一步 需要精准控制代码改动和执行过程
SOLO 模式 AI 主导,用自然语言或语音描述需求,AI 自动规划任务、生成代码、测试、预览、总结 复杂任务、想快速出原型

14.3 下载与安装

下载入口:访问 trae.cn/download,根据操作系统下载对应安装包。

操作系统 安装方式
macOS 下载 .dmg,双击打开,把 TraeCode 拖入「应用程序」文件夹
Linux 下载 .deb 或 .rpm,双击安装或用包管理器安装
Windows 下载 .exe 安装包,双击按向导安装

安装后打开 TraeCode,首次启动会引导你登录 TRAE 账号(和 CLI 同一套账号体系)。

14.4 核心能力速览

CUE 代码补全:

  • 普通补全:基于上下文预测后续代码。
  • 补全 Pro:基于你上一次的编辑动作,预测下一个改动点——批量重构时特别省事。
  • 多行修改、修改点预测与跳转。
  • 在 Python、TypeScript、Golang 项目中辅助智能导入和重命名。

智能体:用自然语言定义任务,AI 理解需求、检索代码库、制定多步骤计划、调用工具完成开发。也能创建自定义智能体。

上下文管理:可以把文件、文件夹、代码片段、终端输出、代码仓库、文档集甚至网页作为上下文,让 AI 基于更完整的信息回答。

智能代码审查:对未提交变更、单次提交或分支差异做总结和审查,配摘要、流程图和 diff 视图。

Git 工作流:内置完整 Git 支持,AI 可生成规范的 Commit Message。

安全能力:

  • 隐私模式:开启后,对话内容、代码片段和 AI 输出不用于数据分析、产品优化或模型训练,代码库文件始终在本地。
  • 沙箱运行:智能体生成的命令在受限环境执行,降低误操作风险。

14.5 CLI 与 IDE 的协同

CLI 和 IDE 不是二选一,而是互补的:

用 CLI 做什么 用 IDE 做什么
自动化脚本、CI 流水线 精细编辑、断点调试
多步骤复杂任务(测试修复、重构) 实时补全(CUE Pro)
批量处理、代码迁移 可视化 diff、代码审查
终端原生工作流 需要图形界面的场景

ACP(Agent Client Protocol)让两者打通:TraeCode CLI 支持 ACP,可作为智能体服务端接入支持 ACP 的编辑器或客户端。这意味着你可以在 IDE 里调用 CLI 的能力,获得一致的 AI 编码体验。

实际协同方式:

  • 日常写代码用 IDE 的 CUE 补全,效率最高。
  • 需要跑一轮「测试→修 bug→评审」的多步骤任务,切到 CLI 让它自动完成。
  • CI 里用 CLI 非交互模式做自动化检查。
  • 大重构前用 CLI 的 /review 审查,再到 IDE 里精细调整。

结语

恭喜你读完了整篇教程。回顾一下我们走过的路:

  1. 认识产品:四类产品形态及适用场景。
  2. 安装上手:macOS、Linux、WSL2、PowerShell。
  3. 初体验:TUI、@提及、图片输入、斜杠命令、会话恢复。
  4. 实战项目:家庭账本从零搭建。
  5. 功能开发:分类统计、月度报表与分支管理。
  6. 测试调试:生成测试、修 Bug、回归验证。
  7. Git 工作流:自动化提交、审查、解冲突。
  8. 自定义命令与 AGENTS.md:沉淀常用流程。
  9. 全局配置、自定义智能体与记忆。
  10. MCP、插件与技能扩展。
  11. 自动化与 CI 集成。
  12. Hooks 与 ACP。
  13. 进阶:权限模式、工具权限、沙箱与诊断。
  14. TraeCode Desktop 速览。

最重要的是贯穿全程的那条主线——好习惯:

  • 每个功能一个分支,提交前看 diff。
  • 不盲目接受 AI 输出,先理解再采纳。
  • 把规范和流程沉淀进 AGENTS.md 和自定义命令。
  • 改完跑测试,提交前做 review。

这些习惯不只让 TraeCode 用得顺,更是任何工程项目的通用素养。祝你在 AI 辅助开发的路上越走越顺。


本教程基于 TraeCode CLI 2.0 官方文档编写。产品迭代较快,如遇命令或界面与教程不符,以官方文档为准:docs.trae.cn。