TRAE2.0 Solo|AI团队上线，告别“shi山”代码

硅基宙宇AIGC 硅基宙宇AIGC 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1.7k累计阅读 1.7k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄7年
关注
原创 2025-07-26 12:26:49 1.7k 阅读 AI 写同款· GEO 优化 ›
抢到内测资格，我让AI独立完成了项目搭建——TRAE SOLO内测体验 TRAE SOLO 2.0是一款突破性的AI全流程开发者工具，能够独立完成从产品立项到部署的完整开发流程。用户仅需一句需求描述（如"制作毕业设计展示网站"），AI即可在5分钟内自动生成PRD、编写代码、安装依赖并部署。相比传统AI编程助手，SOLO具备全场景感知能力，可自主操作IDE、终端和浏览器，支持随时中断和修改。与Cursor、Augment等工具对比，SOLO在执行能力和项目闭环方面表现突出，能自动完成传统需要人工操作的任务，标志着AI从工具向协作伙伴的转变。 阅读详情

🚀 TRAE 2.0 Solo模式深度体验

"

💡 核心摘要

字节跳动TRAE推出重磅Solo模式更新，我第一时间体验后分享真实感受。从界面升级到30+任务自动化工作流，Solo模式带来前所未有的AI编程体验，让项目成功率大幅提升。

🏷️ 关键词：TRAE 2.0Solo模式AI编程自动化开发字节跳动

📋 目录

  • • 🤖 TRAE是什么

  • • ⚡ 更新哪些功能

  • • 🎯 体验感受

  • • 🤔 思考

  • • 💼 case展示

  • • 🎫 文末附邀请码

哈喽，好久不见~（粤）

昨天国内Ai大厂又升级了非常重磅的产品，就是我们的老朋友啦。字节的TRAE,推出了新的AI coding功能模式，也就是Solo。

我也很幸运的作为中奖绝缘体的我，第一时间也抽到了邀请码，狠狠地上手体验了一番。/撒花

TRAE 2.0 整个logo焕然一新，功能界面也换新了。从这样的动作我们就能看出来，这次的更新非同小可，肯定是一次重大的更新啦。全新的Solo模式，确实给到了前所未有的体验，让我的整个项目成功率真的高了好多。

废话不多说，一起看看都有哪些更新吧

🤖 TRAE是什么

先给新朋友介绍一下，AI IDE是一个颠覆性的编程工具，以往程序员去开发一个产品应用的话都是用VS code等等一些软件手动编写前端和后端代码。但是呢？AI的到来呢，让整个编程的过程。完全不一样了。

比如说我们通过把这个项目的功能需求以及展示出来的效果等等都描述给到AI之后呢？TRAE在大语言模型的加持下呢，能够让整个编写代码的过程变成自动化，也是AI自动编写代码。（换句话说就是工程师开发了一个ai代码的一种东西，然后呢？把自己的工作抢走了\笑哭）

前段时间,一直都是海外的Cursor在AI Coding领域里面，是最强的。

目前cursor的市值就估值高达100亿美金。TRAE作为国产后来者，也一直在不断进步。我们可以看到的是国内的产品真的有不断地变好，而且性价比高。这一次Solo的推出，更让我感觉有点恍惚。

"

💫 体验对比

这一次新的更新，真的和我前面在三月份的时候使用TRAE的体感完全不同。让我们来看看都有哪些不同吧。

⚡ 更新哪些功能

🖥️ 操作界面

左上角有个模式的切换，IDE/SOLO的切换按钮，而且是可以在做项目的过程中，随时无缝切换。也就是当我们在做项目的过程中，可以随时切换回自己手动介入的这种模式。

同时把这个AI沟通的交互窗口切换到了左边。这次AI的角色是Solo builder。

图片

🎯 SOLO模式

Solo模式是这次更新的最重要最重要的一个功能。而且他给我的使用体验就是它相当于是一个整个AI的编程团队。它似乎划分出了在做项目时所需要的多个角色，会根据我们在做项目细分多个模块，细化完成工作。

图片

通过Trae自带的展示案例（开发心情日记APP）提示词，它第一步会清楚的划分PRD需求文档，给每个步骤做出指示。例如：

图片

"

💡 关键洞察

一般我们在AI coding最后出来的效果好坏，很大程度上就决定于PRD的需求文档的编写。而也是项目开发时，产品经理的核心工作之一。

最让人震惊的来了，在我们简简单单的给了一个提示词之后，一旦它确认开始工作之后，solo模式它就给了我们长的工作流。

我数了数足足有30任务项。如下图，solo模式就给持续工作，不需要动手，完全给了一整套完整的工作流，然后5-10分钟项目基本完成了，90%。

这只是刚刚开始确认完第二步！

也就是说，我们刚泡一壶茶准备开始啃代码的时候，啪，完成了？？？

图片

◆ 🆚 体验对比

以前我们用TRAE 做coding的时候，体验是怎么样的呢？可以说，写一个项目，第一个拦路虎PRD，我们需要去构思，需要去找AI去帮我们理清整个项目的框架，然后呢给到一份比较完整的需求文档。生成项目的过程中BUG不断，项目最后完成度不定性的因素非常高，最后很容易就变成了一堆代码屎山。

所以这次solo的效果确实让我非常惊艳。

🔧 自动安装所需要的环境依赖包

"

👶 新手福音

这一点真的对于新手小白来说，太太太友好了！

我记得当时三月份做线下的AI切磋大会的时候，我们组队都开始上手去做一些有意思的项目时，就被这个环境这个东西卡了半个多小时，大部分刚开始接触编程的人来说甚至都不知道环境是什么？什么node.js、Python、Java等等我们当时完全是没有概念的。

现在SOLO直接帮我们检查，帮我们安装。太酷啦！

图片

🎨 小细节

◆ 指哪改哪功能

网页界面展出出来之后，我们可以选择元素，做到指哪改哪。

图片

◆ 精准Bug修复

在本地测试时，所出现的报错记录下来，然后添加到SOLO窗口中更改。改bug更加精准。

图片

◆ 自动内容生成

生成项目需要用到图片和数据时，能够自动调用生图模型给项目内置图片和数据。

这个效果是完全不一样的，举个栗子，电商网页的图片自动生出，而不是图片缺失待上传，数据为空。这样的演示效果真的天差地。

图片

试想一下，如果上面这张衣服模特的图片全都是灰色的格子、带上传，金额数据全都是0。那我们看起来整个页面的效果其实都是不完整的。但是solo它做到了。在项目创建的过程中就把图片数据得到我们那呈现出来的效果就很丝滑。

😅 小吐槽

这次邀请码确实太难搞了呀。好在幸运的第二天我居然抽奖中了。当然第二天晚上在大家的吐槽下，发放了不少邀请码。下次请不要再让邀请码这么难get到。

第二，在和SOLO交互的过程中，似乎我提出的问题，SOLO都是没有回答的，它不是在和我们交流这个项目，而像是直接接收和分析我们的目标指令，直接分工合作。这个点有好有坏。

🎯 体验感受

这次用SOLO给人的感觉非常的丝滑。

小项目来来回回让它改了几次bug，就能用了。当然复杂的项目也会有很多的BUG，都不是一蹴而就的。是这一次次更新让我们比之前节约了很多时间，减少了很多bug，减少了很多步骤。这让好的想法有了更多的可能，可以肯定的是AI功能还会再去进步。AI也会越来越得心应手，在面对人类复杂的工程问题。

图片

"

⚠️ 温馨提醒

在这里也请大家放掉标题党鼓吹的AI万能论想法，其实接触了AI coding了之后，你会发现也会有它的局限性，一点都不懂代码，或者说对他没有一点概念的话，其实是很难完整做出一个好的项目的。好在这不算很难，因为我都能手搓出来一些好玩的东西，你也可以。每一个好的项目都需要我们持续不断的迭代、更新。当然，这相比于我们以前要掌握一门计算机语言已经提快了很多很多，不是吗？

🚗 角色转换体验

完全就感觉像在6月份以前的AI coding就像是一个人劝着它说去帮我们完成编程任务。坐在了汽车的主驾驶上。但是现在Solo的模式来了之后，AI coding就变成了一群机器人在做这个事情，变成了我坐在副驾驶上。主驾驶就交给了它，他们，AIs。

同时在使用了SOLO 之后感觉，AI coding的角色也开始模糊了。在昨天之前我都还会认为哪怕现在AI时代的到来，有产品开发经验或者编程程序员。都会有很大的优势，但是现在solo出来了之后，我动摇了。

我发现未来可能更多的是如何有好的想法，然后通过各种好玩的方式或者是营销的植入日常生活让更多人去上手体验，形成一个商业性的一个闭环。这些技能更是一个未来的更重要的核心优势。

THIS ALL，以上就是本期的所有内容

@ 作者 / 青争鱼Echo@ 投稿或爆料，请联系邮箱：Mossecho@aliyun.com

@ 全球最棒的AI社区的知识库 / https://waytoagi.feishu.cn/wiki/QPe5w5g7UisbEkkow8XcDmOpn8e

最后，感谢你看到这里👏如果喜欢这篇文章，不妨顺手给我们点赞👍｜在看👀｜转发📪｜评论📣

💼 case体验

🔮 预告

下一期将分享如何使用Trae2.0solo实战做一个网站【神农AI识百草】

🎨 项目展示

◆ 🌿 神农AI识百草

https://trae0722zhongyaoxiangmuru0k-1td53wqnp-qzyechos-projects.vercel.app/recognition

◆ 📱 开发心情日记APP

https://trae0722traeceshi3oia-jkkki1cdr-qzyechos-projects.vercel.app/

◆ 🛒 电商网站

https://trae072203dianshangceshi1rzd-epnmuj19c-qzyechos-projects.vercel.app/

◆ 🌐 官网

https://www.trae.ai/solo?showJoin=1

🎁 邀请码获取渠道

听说22日晚官网发出了1000个邀请码，没抢到的在下面的渠道蹲吧（需要订阅Pro用户才能用邀请码，首月3美金，）

平台

链接

X渠道

https://x.com/search?q=solo code&src=typed_query&f=live

Red渠道

https://www.reddit.com/user/Trae_AI/

官方自动发放渠道

https://traesolocodedcln-5o418fy5b-ambershens-projects.vercel.app/

小红书渠道评论区

https://www.xiaohongshu.com/user/profile/661f6cf4000000000d027e6c

B站渠道评论区

https://www.bilibili.com/opus/1092296696955666452?

抖音渠道

我们又申请了一些 SOLO Code.各位关注 TRAE 的 - 抖音

Discord渠道

https://discord.gg/FTndW3KK

标签
#经验分享 #ide #人工智能 #TRAE #SOLO
#AI Coding
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
TRAE SOLO：您的一站式上下文工程师 - 像艺术家一样独奏编程 借助先进的AI加持的IDE，程序员也可以像艺术家一样，站到编程的舞台上，独奏完成一个软件系统的开发和交付。 阅读详情

相关推荐

Trae 2.0国际版保姆级安装教程：从下载到实战Vue3项目（含国内网络避坑指南）

本文提供Trae 2.0国际版从下载到实战的完整教程，重点解决国内开发者面临的网络访问难题。通过详细的安装步骤、界面解析与模型配置指南，并结合构建Vue3管理后台项目的实战案例，深入展示了其AI原生开发环境如何提升编码效率。文章还分享了网络优化策略与Solo模式等进阶技巧，帮助开发者充分利用这一AI编程新范式。

weixin_29231221的博客 487

TRAE SOLO 邀请码，免费送！

摘要：TRAE国内版上线SOLO模式，但因邀请码稀缺（一个用户仅能邀请一人）导致市场高价求购。为帮助用户获取邀请码，作者免费分享自购的邀请码，要求受赠者激活后回传新邀请码以便持续流转。SOLO模式核心功能包括智能任务拆解、多任务并行、代码变更审查等，支持超大代码库检索和工具集成，目前完全免费。与IDE模式相比，SOLO模式更侧重AI主导的全流程开发，两者可自由切换。

twelveai的博客 6693

【高等数值分析】Krylov子空间方法

文章目录1. 预备理论1.1 Krylov 子空间1.2 最佳逼近1.2.1 方法一：最佳平方逼近1.2.2 方法二：假设 AAA 对称正定1.2.3 方法三：残差2范数2. 基底正交化2.1 Arnoldi 过程（CGS）2.2 改进 Arnoldi 过程（MGS）2.3 Lanczos过程3. 方程组求解3.1 全正交方法 (FOM)3.2 D-Lanczos方法3.3 广义极小残量法（GMRES）3.4 MINRES 方法 1. 预备理论 现在需要求解一个大规模稀疏方程组 Ax=bAx=bAx=b，可

Glooow的博客 1万+

几分钟内上线一个网站，Trae 2.0 SOLO 太惊艳了！

这个功能对于前端应用来说颇为实用，它让我们准确地指定 UI 元素，告诉 AI 进行精准修改，比如进行删除组件、调整样式等操作，避免出现因自然语言描述模糊，而让 AI 难以理解的尴尬场面。在面临诸多竞争压力的困境之下，TRAE 通过不断更新迭代，最终在 AI 编程工具中成功占据一席之地，并在今日，借助 SOLO 这把利剑的锋芒，惊艳四方！产品上线初期，内测名额非常稀缺，我厚着脸皮，找官方团队要到了 5 个名额，想要的朋友，可以在评论区分享下日常使用 AI 编程工具的经验。

GitHubDaily 3056

Profinet从站开发初体验：用p-net开源库和树莓派快速搭建一个IO设备模拟器

本文详细介绍了如何使用p-net开源库和树莓派快速搭建Profinet从站IO设备模拟器。从开发环境准备、p-net源码编译到设备模拟器功能实现，提供了全流程实战指南，帮助开发者快速掌握工业通信协议开发技巧，适用于工业自动化领域的设备互联测试与验证。

weixin_30384217的博客 383

如何在 SAP BTP 上通过 CDS view 快速创建 Fiori Elements 应用

本文基于 SAP Business Technology Platform 的 ABAP 编程环境进行的开发。 使用 ABAP Development Tool 登录 SAP BTP ABAP 编程环境，新建一个 package，命名为 Z_JERRY_CDS. 右键选中该 package，创建一个新的 Consumption view. 该视图是一个消费视图，它基于业务对象 (BO) 视图 /DMO/I_TRAVEL_U，提供了独立于消费层的给定数据模型。 它包含在其上运行的应用程序所需的所有核心信息。

2007 年 ~ 2025 年，深耕 SAP 技术 18 年 2031

TEAE SOLO 邀请码接力，着急的来！

TRAE宣布开放SOLO后仍有用户未收到更新，邀请码接力活动持续进行中。通过指定链接（https://www.twelveai.shop/）可参与活动，目前已帮助近200位用户成功激活SOLO。（48字）

twelveai的博客 1453

OpenClaw人人养虾：配置通义千问（Qwen）

通义千问（Qwen）是阿里云推出的大语言模型系列。OpenClaw 支持通过 Qwen Portal 插件实现 OAuth 免费额度认证，每日可免费使用 2000 次请求，无需绑定支付方式。

王国平的博客 1257

Trae的SOLO模式，比预期要好用

体验下来，Trae 的 SOLO 模式是高于我的预期的，作为IDE，它比CLI有明显优势，它内置了浏览器、Figma以及其他组件。而CLI要做到相同的功能，则需要自己去额外配置相关MCP工具，方便度是不如IDE。目前，主流模型的UI能力是存在明显缺陷的，受某些前段组件的默认配色影响，如果你不去精确指定风格，而笼统地去说“我要一个美观的界面”，它大概率会输出蓝紫配色+ 一堆emoji表情的按钮。

兴趣使然的创作者 8127

微信小程序 - 最新图片组拖拽排序更换位置功能，类似微信朋友圈九宫格图片的拖动排序效果，微信小程序实现九宫格图片拖拽调换位置，小程序详细实现图像拖曳拖动切换位置排序功能（详细示例代码，一键复制开箱即用

微信小程序，wechat，小程序，图片排序，图像排序，九宫格拖拽排序，拖曳，拖动，拖拽，仿微信朋友圈，朋友圈宫格图片排序，微信朋友圈图片拖动排序效果，实现九宫格图片拖拽，图像拖拽排序组件插件，小程序实现拖拽图片切换图片位置，图片拖动互换位置，图像拖拽切换位置，九宫格图片组合拖动排序，交换九宫格图片的位置，小程序上传图片后,如何实现拖拽排序功能，小程序怎么实现图片拖拽排序，微信小程序图片上传，九宫格拖拽组件，选择图片并拖动_微信小程序图片拖拽，微信小程序长按拖拽排序，图像的拖拽移动，多图拖拽排序功能，实现九宫

✅ 精选推荐文章 4454

基于深度学习的CT图像肺结节分割与检测系统[完整代码数据分享]

基于深度学习的CT图像肺结节分割与检测系统[完整代码数据分享]

269

TRAE SOLO 独立，不止写代码了（附免费码）

附邀请码，限时免费

一个成长中的程序员，期待用技术的眼光生活 1620

YOLO26 数据标注工具：LabelImg、Label Studio实战指南：主流标注工具的安装配置与使用技巧，高效完成目标检测数据标注

本文介绍了目标检测中数据标注的核心地位与常用工具。数据标注质量直接影响模型性能，需要关注准确性、一致性等维度。文章详细讲解了边界框、类别标签等基本概念，并对比了LabelImg、Label Studio等主流标注工具的特点。重点介绍了LabelImg的轻量级、易用性等优势，以及Label Studio的协作功能，为不同规模项目提供标注工具选择建议。

本博客聚焦 YOLOv11 全流程落地，涵盖架构优化、数据集处理、训练技巧与多场景部署，兼及国产数据库、Java 开发与 AI 模型应用，内容兼顾理论与工程实践，为开发者提供系统干货，助力高效提升技术能力。 1176

AI 原生开发新范式：TRAE 2.0 即将上线。

这个公众号历史发布过很多有趣的开源项目，如果你懒得翻文章一个个找，你直接关注微信公众号：逛逛 GitHub ，后台对话聊天就行了。，国际版将推出全新的 SOLO 模式，覆盖开发全场景，这意味着 AI Coding 不再是 AI 融入 IDE ，而是。用过 TRAE 的同学知道，你只需通过 @智能体，提供 #上下文，AI 即可完成需求。AI 蜕变为「自主执行任务」，成为真正的 Context Engineer，它能。一键安装，各种 MCP 工具为你所用，拓展 AI 编程能力的边界。

公众号：逛逛GitHub 1723

YOLOv11 改进 - 检测头 | Detect_LSCD轻量共享卷积检测头：轻量化设计破解计算瓶颈，增强复杂场景目标感知能力

本文介绍了基于群归一化（GroupNorm）和共享卷积的轻量化检测头LSCD，并将其集成进YOLOv11。LSCD检测头充分利用了GroupNorm和共享卷积的优势，在保持特征信息有效融合的同时，减少计算量和运算复杂度。我们将LSCD的代码集成到YOLOv11检测头中，并在tasks文件中进行注册。实验证明，YOLOv11-LSCD在目标检测任务中取得了良好的效果。

魔改工程师的博客 2387

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能：商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传，基本资料下载，开钱箱、小票打印、收款结算，支持多币种付款方式（现金、储值卡、礼券、微信等）,支持多种促销。运行环境：.net 4.0登陆信息用户名:1001 密码:123456内置商品信息，商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

字节Trae2.0革新上线：SOLO模式让AI编程如程序员般高效！

字节推出的AI编程工具从MarsCode逐步升级为Trae，最新版本Trae2.0推出革命性的SOLO模式，实现了从需求分析到部署的全流程自动化开发。SOLO模式集编辑器、终端等工具于一体，能够自主完成需求梳理、代码编写、调试部署等全链路开发工作，使AI从辅助角色转变为独立开发者。文章还展示了SOLO模式实际案例，并探讨了AI可能取代程序员的趋势，同时提供了AI大模型学习路线和资源包。随着Trae等工具的进化，李彦宏"人人能编程"的预言正在成为现实。

m0_65555479的博客 2059

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明，包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

什么，你还没有TRAE SOLO内测码？我送你啊

TRAE SOLO模式最大的亮点，是它不再局限于代码补全或简单问答，而是试图接管整个开发流程。

悟空码字的博客 1734

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

IEM模型，地表粗糙度模拟

利用微波反演土壤水分时候，利用IEM模型可以实现对随机地表的模拟

Trae2.0发布，全新SOLO模式酷到封神（附一手实测）

他可能不知道你这个电商网站主要面向的用户是什么，面卖的这个商品是什么，是移动端还是网页，以及下单的流程？在设计工具里面也有 AI 帮助我们去做页面的设计。但我总觉得，AI IDE 做这个事情，会让我更加舒坦，毕竟，我能真实看到代码，并且感受他在这整个过程的变化是一件多么美妙的事情。这是产品开发流程，可以看到，在传统的软件开发的流程里面，由于软件开发任务本身的复杂性，我们将研发的流程拆出来各个阶段。这里我的经验是，稍微花一些实践看下文档，哪里有不对的地方直接当场修改，不然代码写完不符合要求，再盖起来费劲。

一个成长中的程序员，期待用技术的眼光生活 3260

Trae 2.0 深度体验：AI编程工具的语音交互革新

随着人工智能技术的持续突破，开发者工具正经历从「效率辅助」到「流程重构」的范式转变。字节跳动推出的AI原生集成开发环境（IDE）Trae 2.0，通过语音交互与上下文工程的深度融合，重新定义了人机协作的开发模式。本文将从技术架构、功能解析、实战案例等维度，全面揭示Trae 2.0如何通过语音交互革新编程体验。中文优化：支持中英文混合指令，语义理解准确率领先同类产品30%多模态协同：语音输入与设计图上传无缝衔接，原型开发效率提升200%低门槛交互：非技术人员可通过语音快速生成基础功能模块。

吾为热爱计科，致力于知识分享的践行者，此博客是我在这条道路上留下的足迹。 1597

零代码，用 Claude opus 4.5，三天开发上线 TRAE SOLO 邀请码接力网站

本文介绍了作者利用AI工具开发TRAESOLO邀请码接力网站的过程。作者原本通过飞书文档手动处理邀请码发放，效率较低。为优化流程，使用Antigravity和ClaudeOpus4.5工具，仅通过自然语言指令就完成了网站开发，全程未手动编写代码。网站具备排队显示和用户操作功能，已正式上线。这一案例展示了AI如何让非技术人员也能实现编程需求，使自然语言编程成为现实。

twelveai的博客 1438

TRAE 2.0 SOLO模式 自动化编程颠覆传统开发模式的划时代功能

TRAE 2.0 SOLO 模式让开发者不再需要手动写代码，不再需要在多个工具之间切换，也不再需要理解复杂的技术细节。只需要用简单的自然语言描述需求，AI 就能自动帮你完成开发的全过程，极大地提升了开发效率。如果你也想体验这种前所未有的开发方式，不妨试试看 TRAE 2.0 SOLO 模式，或许它能帮助你构建出属于自己的 AI 网站或 APP！

代码简单说 Vue、JAVA、PHP、Node.js 熟练运用，接口、架构、性能全搞定。 1698

TRAE CN Solo 模式入门指南

《TRAECN Solo模式入门指南》介绍了字节跳动推出的AI编程新模式。Solo模式以SOLOCoder智能体为核心，支持多任务并行开发、代码变更追溯等功能。指南详细讲解了权限获取、界面布局、Plan规划模式等核心功能，并提供了网页开发、Bug修复等典型场景示例。最佳实践建议包括优先使用Plan模式、合理拆分任务等，还附有权限开通、AI偏离需求等常见问题解决方案。该模式让开发者从编码转向任务决策，显著提升开发效率。

2301_80336940的博客 7937

TRAE SOLO：使用初体验

TRAE SOLO国内版上线后，其SOLO模式展现出超越传统代码补全工具的潜力，成为全程陪跑的"编程伙伴"。

围炉漫谈间，一起深聊人工智能、大数据这类前沿科技领域的新动态，在这里为你拆解前沿技术百货的多样精彩。 7136

TRAE 中国版 SOLO 模式已面向全部用户免费开放！

TRAE中国版SOLO全面开放，无需邀请码即可免费使用。最新版IDE(V3.3.10+)已上线SOLO模式，新增6个免费模型选择，包括Doubao-Seed-Code、GLM-4.7等，其中GLM-4.7和MiniMax-M2.1在多语言编程表现优异。灰度测试已开启，预计12月25日前全量上线。用户可升级至最新版体验高效开发功能。

twelveai的博客 2871

限时免费！字节 TRAE SOLO 正式上线，无需邀请码！新增 TRAE Coder（附实测体验）

字节跳动AI开发工具TRAESOLO正式版于11.12全面开放，11.12-11.15限时免费使用。新版本主要升级包括：1）新增SOLOCoder模式，适用于复杂编程项目调试和优化；2）原有的SOLOBuilder模式支持端到端应用快速开发；3）支持多任务并行处理。SOLOCoder模式通过智能体协作、代码检索和规划执行等功能，显著提升开发效率。虽然存在部分输出语言不稳定等问题，但整体体验良好。目前该功能仅在国际版开放，国内版还需等待。

分享AI工具/AI副业玩法 3776

Trae2.0上新：SOLO模式初体验，相比IDE模式大幅增强

Trae2.0版本上新，SOLO模式初体验，相比IDE模式大幅增强，很带感

cpp加油站的专栏 5358
下一篇： 亲测鹅厂Codebuddy！抢到多个邀请码后发现了AI编程的天花板？？？
点赞 7
评论 0
书签 书签 30
硅基宙宇AIGC
硅基宙宇AIGC
博客等级 码龄7年 41粉丝 13原创
+ 关注
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值