用TRAE写了一年代码，我重新理解了程序员的价值！

关注

原创最新推荐文章于 2026-09-22 09:05:06 发布 681 阅读 AI 写同款· GEO 优化 ›

Trae如何生成引入Skills最全文档文章摘要： Skill是Trae IDE中的智能功能单元，通过结构化配置文件(SKILL.md)封装特定领域任务的执行逻辑。它具有按需加载、可复用共享等特点，适合规范输出、自动化流程和知识沉淀。Trae支持四种创建方式：手动创建、AI辅助生成、文件上传和社区导入。Skill文件包含YAML元数据和Markdown指令，可定义技术栈、编码规范和最佳实践。针对前端项目，提供了Vue3和React的详细Skill模板，涵盖组件设计、类型安全和性能优化等核心要求。通过Skill机制，开发者可以建立标准化的工作流程，阅读详情

周六晚上，我坐在沙发上看电视，孩子则坐在书桌边全身关注地盯着电脑，时不时敲一会儿键盘，然后笑着告诉我：“爸爸，它把这个附加牌的效果实现了！”

我知道，她不是在玩游戏，她是用一个AI Coding工具，开发自己设计的一个回合制卡牌类游戏。

这不是一个简单的小游戏，有攻击牌、附加牌（效果会持续几个回合）、防守牌，牌还可以合并，有攻击距离，角色可以移动，有体力值，逻辑复杂，再加上各种动态特效，让我这个老程序员来做，也是很头疼的。

但是让我万万没想到的是，我仅仅帮她开了个头，做了技术选型，她竟然独自用自然语言驱动TRAE把游戏的功能逐个实现了。

这要是放在一年前，打死我也不敢相信的。

这一年，TRAE的发展可谓是迅猛至极，几乎每周都有更新，我眼睁睁地看它从一个小插件，变成一个可以信任的编程伙伴。

最近TRAE的年终用户报告也出来了，我看了一下还是挺有趣的。

我从3月2日开始使用，最多一天用了208分钟，狂按Tab 54次，有一天竟然怒刷了近7000行代码（哈哈，应该是在让TRAE给我实现SQLite），最后荣获“创世神”的稀有称号，这些数据里边应该有不少是孩子的贡献。

我其实并不算是一个TRAE的重度用户，日常主要做架构和设计，写代码并不多，但是对于AI Coding工具我也忍不住手痒，会用TRAE尝试做点儿小项目，目前TRAE是我用起来觉得性价比最高，也是最能带给我惊喜的AI Coding工具。

在2025年，我感觉完整地经历了使用TRAE三个阶段:

(1) 函数级：代码自动补全

(2) 模块级：自然语言驱动生成

(3) 项目级：简单项目，让TRAE SOLO从需求到设计、开发、测试、部署，全部做完。复杂项目，建立规范的方法来驱动TRAE编程，实现掌控感，让自己心安。

开端：从“自动补全”开始的信任

最早我用的是MarsCode这个插件，刚接触AI Coding，还不太敢大规模使用，主要做代码自动补全。

其实类似这样的代码，程序员也能一点点敲出来，就是特别耗时，用MarsCode一下子就省事多了，当然，我还得检查下它写得对不对。

除了自动补全，当时MarsCode还支持“解释代码”、“错误修复”、“生成注释”，“自动生成单元测试”等功能，都是程序员平时常用的功能，使用起来都非常丝滑。

试探：用自然语言写代码

代码补全用得多了，发现AI写的代码准确度非常高，慢慢对AI Coding放心了。

这时候TRAE也正好发布第一版，开始切换过来，尝试用自然语言让它实现一些模块级功能。

例如我曾经让它实现过一个ETL的功能，从Excel中读取数据，输出JSON

这些模块一般边界清晰、输入输出明确、非常适合AI Coding，它实现起来真是又好又快。

放手：让TRAE单飞搞定一个网站

7月份，TRAE SOLO beta推出，这个新版本让人非常震撼。

TRAE SOLO不但覆盖了软件开发的全生命周期，还能够理解软件开发上下游的各类 Context（产品需求、产品设计、技术方案、代码、测试用例、部署的信息），可以根据用户的任务类型，智能去使用不同的 Context 和工具，最终完成开发任务。

如果说之前AI只是在小范围“小打小闹”的话，TRAE SOLO就进入了项目级，进入了“AI自主执行开发任务”的新时代。

我曾经用TRAE SOLO的功能实现了一个仿reddit的网站，它会自己拆解需求，生成核心流程，设计用户界面，然后编写代码，进行部署测试。

总之，从最源头的需求到最后的部署，TRAE SOLO都可以自动完成。

我最喜欢的一个功能就是通过TRAE内置的浏览器来查看网站，竟然可以直接修改网站的内容，实现所见即所得！

比如我可以直接在下面的界面中把“最热帖子”改成“热门帖子”，即时生效。

还可以把界面元素添加到对话，精确地告诉TRAE我想对UI做的调整，这就成了一件和TRAE交互的利器，经常被我使用。

共舞：找回程序员的掌控感

随着TRAE不断推出新功能，它的能力也越来越强，尤其是那些智能体，无论给它什么样的需求，它都能快速完成。

我甚至让它去实现一些系统级软件，比如一个简版SQLite数据库，它也能实现得有板有眼。

但是很多同事反应，丧失了程序员原有的掌控感！

AI输出代码很多，功能似乎也实现了，但是面对这么多代码，心里是没底的。

怎么办呢？我想起来敏捷软件开发中的测试驱动开发（TDD），通过测试先行，织起一张安全网，这样AI对代码再做任何改动以后，都有测试网保证，能做到心中有底。

TDD原来需要程序员先写测试，大家很烦，现在有了TRAE，测试自然不再话下，简直为TDD而生！

现在只要建立一套和AI一起工作的TDD规范就行，举个非常简单的例子，这是我给孩子开发「校园零食品鉴」时使用的提示词（部分）。

你将作为我的结对后端工程师，和我一起用【严格 TDD】方式，使用 Python + Flask 实现一个 JSON API 网站「校园零食品鉴」。
【核心原则】
永远先写测试，再写实现
任何业务能力必须由测试驱动
未被测试覆盖的行为，一律不实现
每次只实现一个最小业务行为
实现阶段只写“刚好让测试通过”的代码
所有 API 只返回 JSON，不返回 HTML
API 是面向真实前端调用的，不是 Demo

【TDD 纪律（不可违反）】
1. 没有测试，不能写实现
2. 测试未确认前，不得写实现
3. 不提前设计模型、表结构或抽象
4. 任何“顺手加的功能”都是违规
5. 始终说明当前是 Red / Green / Refactor 阶段
【交互规则】
每一步先解释你要做什么
测试命名要体现业务语义
测试中要明确断言 JSON 结构与内容
未经我确认，不进入下一阶段
现在请等待我给出第一个【可测试行为】。

一个可测试行为是这样的：

Given 系统中存在一个零食
When 客户端 GET /api/snacks/{id}
Then 返回状态码 200
And 返回 JSON 包含：
id
name
ratings
comments
请你：
只写测试
不写任何实现
标注 Red 阶段

然后进入实现阶段

请进入 Green 阶段，用最小实现让测试通过。
如果你发现自己想“顺便”加点什么，
那说明你已经偏离 TDD，请停下来。

经过若干行为的实现以后，进行重构：

现在进入 Refactor 阶段，
在不改变任何行为、不修改测试的前提下，
请整理代码结构。

通过这种结构化的方式来约束AI，不要一下子跑得太猛，太快，而是小步快跑，循序渐进。确保每一个功能都被测试完整覆盖，每一行代码都可控，心里有底。

实践证明，TRAE在TDD模式的表现特别棒，大家有空也可以试一试。

尾声：从辅助者到创造者的加速器

从我这一年使用TRAE的经验来看，以TRAE为代表的AI Coding工具已经从函数级走向模块级，最后来到了项目级。它已经从编程的辅助者（自动补全）变成了良好的协作者，正在向自主执行进军。

原来我们认为不太可能的一些工作，现在都在被AI一一攻克，它甚至实现了让一个十几岁的小孩子不懂编程的情况下，独自编写自己喜欢的游戏。

当然，这也孩子个人玩的娱乐性的项目，我们一旦面对大型的、复杂的、正式的项目，程序员必须站出来做问题的定义者，质量的裁决者和AI指挥官。在通用人工智能实现之前，我相信这一点都不会变化。

我期待未来的TRAE，不只是更加“聪明”，而是更加“职业”，是一个能融入工程体系的存在：希望它能在大型项目中累积记忆，知道什么是系统的红线和共识；知道什么时候该激进试错，什么时候必须保守演进；希望它能理解评审、回滚、审计这些看不见的工程纪律，这样TRAE就不是单点爆发的效率工具，而是可以被团队长期信任的生产力节点。