摘要
我用 TRAE SOLO 模式耗时一个多月，从零打造了「灵喵AI排版软件」，以近10万行代码实现了 AI自动排版 + 人工修正 的排版流程。通过这个软件，可以将 Word 文档自动排版到 Adobe InDesign（以下简称 ID）专业排版软件上，将原本1天的工作量压缩到半小时以内，效率提升约80%，大幅减少重复劳动。
灵喵AI排版软件主要分为四大系统：
-
文档处理系统
-
智能排版系统
-
模板管理系统
-
AI助手系统
在整个 Code With SOLO 的过程中，我总结出了一些可供复用的经验，以及对 TRAE SOLO 模式的建议。
背景：为什么我要做这件事？
我是零代码基础的建筑设计师。在当前行情下，投标越来越卷，文本越来越厚——几百页的方案文本经常要在一两天内排完，熬夜通宵是常态。我们主要使用 ID 进行排版，偶尔也用 PPT，但别说 ID 了，就是 PPT 排版找遍全网都没有好用的，各个"AI一键生成PPT"更是完全不可控，没办法满足生产力需求。
而 TRAE SOLO 模式给了我这个机会。我希望可以打造一款面向 ID 的专业设计排版神器——具备生产力级的品质，能满足不同类型的需求，并且可以自我迭代更新。
同时我也想探究一下：纯外行、纯自然语言，一个普通人借助 TRAE 的 SOLO 模式，到底在 AI 编程这条路上能走多远？ 希望尽自己最大的努力，完成一个完成度较高的作品。
以下实践过程，都是反复踩坑、在整个过程中逐步摸索出来的。
成果
我一开始使用的是旧版的 SOLO 模式，当时还没有了解到有这个挑战赛，后面就开始使用全新的 SOLO 模式。整体使用上来说，全新的界面和交互对我这种非专业用户更加友好了——去掉了一堆代码文件的显示和编辑代码的功能，这些对我来说本来也用不上。
以下是完整的成果展示，整个过程采用 一键自动排版，全程交给 AI 自动执行，无需手动操作。
这是模版生成的视频展示
也可以进行分步操作，这样结果更加可控。以下帖子是详细的项目介绍。
实践过程（三个阶段）
第一阶段：写需求文档——把模糊想法变成可执行的蓝图
在正式开发前，写好需求是重中之重。它决定了 AI 是做出你想要的东西，还是在错误的方向上一路狂奔。
第一步：跟 SOLO 讨论，把模糊想法变成具体方案
一开始，关于这个排版系统，我并没有很清晰的想法。我打出的第一句提示词大概是：
“能否设计一个系统，可以支持 Word to InDesign 的自动排版？”
我把 SOLO 当成一个技术顾问，用纯自然语言跟它聊，让它帮我把想法拆解成可执行的功能模块和技术路线。经过多轮对话，逐步明确了三个核心模块：
-
内容识别：解析 Word 文本和图片，识别文档结构
-
模板提取：从 InDesign 提取模板信息，保存为 JSON 文件
-
智能映射：将 Word 内容根据模板文件自动排版到 ID 上
第二步：开发 Demo 验证想法
全面开发前，我先让 SOLO 做了一个 Demo：读取 Word，根据分页符自动分页，再根据模板文件映射到 ID 指定位置。但很快我发现这种方式太僵硬了——整个 Word 必须手动预处理，整理出特定的格式；文本位置写死，每页都要手动选模板，毫无扩展性。这让我果断决定在系统中内置 AI，让系统具备理解和适配能力。
第三步：通过 Demo 明确架构
做 Demo 的过程中，我才逐渐清晰了几个关键问题：
关键问题1：这个"自动排版"是怎么个自动法？
| A | 全部靠代码实现，写死规则 | Demo 第一版，太僵化 
|
| B | 全部靠 AI 实现，AI 直接生成排版结果 | 不可控，不好用 |
| C | 代码 + AI 结合，代码处理结构化数据，AI 处理理解性任务 | 最终选择 
|
关键问题2：AI 在哪一步介入？
确定了 AI 主要在三个环节介入：
-
文档分析阶段：AI 识别文档结构，自动分页；识别文本内容和图片内容，进行重要性排序
-
模板匹配阶段：AI 智能匹配模板库里合适的模板
-
模板生成阶段：AI 识别每个页面的排版特征，用来与待排版的页面进行匹配
关键问题3：如何让 AI 进行可控的输出？
这是核心难点。我设计了 “AI执行 + 人工确认” 的模式：AI 输出的每一步都可以进行人工修正，并且每一步都设计了对用户友好的可视化界面，直观高效。
关键问题4：如何让单一模板转成可扩展的系统？
这是决定这个系统能走多远的关键。我的解决思路是：
-
把需要理解、变化度高的工作，全部转为提示词来控制——这样改需求不用改代码
-
设计两套提示词系统：一套 通用提示词（所有文档都适用），一套 特定领域提示词（比如建筑方案和产品手册的排版逻辑完全不同）
-
支持用户输入一套已有模板，AI 根据这个模板自动生成对应的特定领域提示词——相当于 AI "学会"了你的排版风格，做到真正的可扩展，未来可适用于各行各业的排版，同时也可以高度定制化。
最终，整个架构分成了 四个系统：文档处理系统、智能排版系统、模板管理系统、AI助手系统。后续开发都是围绕这四个系统进行的。
第二阶段：将需求文档转成 AI 可执行的实施方案文档
这一步是被很容易忽略但极其关键的环节。
需求文档的作用是帮我们自己理清思路，它描述的是 “我想要什么”。但如果直接把需求文档扔给 AI 写代码，结果大概率是灾难——因为 AI 缺乏对完整工作流程的理解。
我需要一份 “实施方案文档”，它要讲清楚：数据从哪来、怎么输入、怎么处理、怎么输出、输出到哪、每一步的格式是什么。这些细节问题，必须提前和 AI 讨论清楚。
为什么这一步对我尤其重要？
因为我完全看不懂代码。如果跳过这一步，AI 生成的代码对我来说就是天书，我根本不知道它在干什么，更不知道它有没有跑偏。
我的操作流程：
直接把需求文档给 TRAE，让它转成可执行的实施方案文档。
两个我实践出来的技巧：
-
交叉审核：将生成的实施方案，新开一个任务，让另一个 AI 审核里面的问题，看看有没有逻辑不清晰、数据流向不明确的地方。AI 审 AI，往往能发现一些盲区。
-
拆分与并行：要求 AI 把实施方案拆分成多个子任务，让多个 AI 同时进行开发。这里有一个关键前提——必须有一个共同的实施方案文档作为参照系。所有 AI 都参照同一份文档，各自执行自己的模块，最后再整合到一起。
这样做有两个好处：一是 AI 注意力更集中，不会因为一次性处理大任务而产生幻觉；二是开发效率大幅提升。这也是为什么实施方案文档如此重要——它是所有 AI 协作的基础。
第三阶段：开发与测试阶段
这个阶段与其叫"开发"，不如叫 “BUG 修复持续战”。对不懂代码的人来说，最大的痛点在于：看不懂 AI 写的代码，更不知道它改了什么。起初我试图让 AI 给每行代码加注释并解释，但随着文件膨胀，效率彻底崩溃。最终我的策略转变为：全权交给 AI 写，而我专注"减少问题发生"和"精准发现问题"。
以下是 Coding With SOLO 中碰到的问题及解决方案：
问题一：表达不够精准，任务极易跑偏
跟 SOLO 表达意思不够精准，提示词太宽泛，SOLO 没有理解你的逻辑，就会在错误的方向上越跑越远。
解决办法：
-
提示词优化：功能开发时把输入什么、处理什么、输出什么、交互方式、边界条件等描述清楚，把整个过程和逻辑讲清楚，避免让 SOLO 自行发挥——最后实现方式可能不是自己想要的。一旦发现偏离任务，就要及时停止。同时可以追加一句：“在开始开发前，请用你的理解复述一遍需求，我确认无误后再动手。” 这样能前置纠偏。
-
建立 UI 元素索引表：把 UI 界面上每个元素都生成一个对应的编号，修改的时候只需要把编号以及索引表发给它，就能精准定位。
- 图文结合，箭头说话：截图后用箭头、红框标注问题点，直接告诉 SOLO：“箭头指的这个元素，在用户点击后没有变化，请检查是什么问题。” 视觉指令远比纯文字可靠。
问题二：修复问题治标不治本，补丁越打越多
遇到错误时凭直觉修改代码，没有通过日志或调试确认真正原因，会导致反复修改不到位，代码补丁越打越多。
解决办法：
-
在问题尚未确定前，应该让 SOLO 添加更加详细的日志，来一步步精准找到问题
-
自己也应该参与发现问题的过程中，把 复现步骤、日志结果、预期与实际差异 喂给它，它只负责推断根因。只要根因定位准了，问题修复往往一步到位
问题三：自作主张添加回退机制、默认值逻辑、防御性代码，超出需求范围
AI 会擅自加入回退机制、默认值填充、多层保护，表面上程序不报错了，实际数据流逻辑却彻底紊乱，真正问题被藏在深处。
解决办法：
明确告诉 SOLO “不要添加我没有要求的功能”，特别是回退机制和默认值逻辑。如果问题反复出现，可以跟 SOLO 说做成一套技能（Skill），这样当遇到这类场景的时候，会自动把相应的提示词添加进对话中。比如我把常见问题的解决方式让 SOLO 做成一个 Skill，当碰到问题的时候就会自动调用。
问题四：每实现一个功能就生成一套全新代码，相同逻辑散落各处
这也是会经常出问题的地方，而且维护非常困难——经常改了这个地方就忘了那个地方。每加入一个新功能的时候，都要自己审视一下：这个新功能哪些代码是可以复用的？提取出来，形成一个公共的函数。或者直接跟 SOLO 说：“先扫描工作空间里是否已有能复用的工具函数或组件，如果存在就直接使用，不要重新创建。” 这会大幅减少冗余。
问题五：偶尔会使用 Write 工具覆写整个文件！
虽然 SOLO 会记录修改，可以进行一定程度的回滚操作，但出现上述问题时还是无法恢复文件，导致我好几天的工作全部白费。
这里我跟 SOLO 说，让它帮我生成了一个 自动备份系统——会检测工作空间的文件更新日期，一旦有更新就会进行备份，只记录修改的部分（减少存储空间）。当然它也有建议我使用 Git 备份，但奈何不太会用，最后直接帮我写了一个新的脚本工具。
问题六：AI 没有真正记忆，对话越长越"健忘"
SOLO 所有的行为都是通过提示词来限定的，没有真正的"记忆"。如果都在一个对话里，上下文占用会越来越大，无效提示词越来越多，极大影响 AI 的注意力；即使压缩了上下文，再多轮对话后也会逐渐"失忆"。最关键的是，它对整个工作空间的代码分布以及相互之间的关系没有记忆和感知，每次修复 BUG 都需要重新读取代码、搜索定位问题。
为了解决这个问题，我让 SOLO 生成一个 读档系统，类似于游戏存档——每次执行完任务就存一次档，记录关键决策，进行经验总结。当时是做了一个类似让 AI 闯关的游戏系统：开发代码就是探索世界地图，修复代码就是打 BOSS，把整个代码索引做成游戏地图，如何解决问题做成游戏攻略。每一次跟 AI 对话，都像是 AI 自己在代码的世界里玩 RPG 游戏。
当然，想法我觉得挺好的，一开始也挺有趣——每次对话它都会跟我汇报打怪情况、到了什么进度、遇到了什么困难等。但是当我把这套系统跟 SOLO 讨论的时候，我问它对解决问题有没有帮助，它跟我说：建议代码索引（游戏地图）和经验总结是有利的，但是过于游戏化的描述本身也会让 AI 分散注意力。
最后，我只在项目规则里面加了一个索引文件，去掉了较多游戏化的描述，只保留了代码索引以及经验总结的路径，尽量减少上下文的占用。同时当它觉得需要的时候，会自己去根据路径读取相应的内容。
总结与建议
1. 代码可视化
虽然目前全新的solo模式对非专业人员更友好了，但我觉得还不够，在我开发映射预览可视化界面的时候，如果代码也可以可视化，那是否对于非专业人员更友好？
类似 ComfyUI 一样，把一个个模块封装成一个可视化的节点。我只需要搞清楚这个模块做了什么事，但里面的代码是怎么实现的由 AI 来解决。这样，不至于说完全不知道AI做了什么，生成了什么代码，有一个更加直观可视化的界面。类似下图的显示得一样，点击节点会出现详细的数据流信息，知道整个系统是如何运作的。
支持直接引用节点来告诉 SOLO 要怎么改，修改更加精准，也可以直观地看到某些无用代码（类似孤立的节点）
支持新建节点，然后自定义数据是如何输入和输出、如何处理的，设置完后自动转化成提示词让 AI 进行处理。
2. 关于效率提升
很难说有了 SOLO 后代码开发效率有多大的提高，但是像我这种不懂代码的人能做成一整套系统，本身足以证明 SOLO 的能力足够强大，但借助 SOLO 开发的软件，是实打实可以提高80%以上的效率。
3. 保留文件编辑功能
全新的 SOLO 模式没有发现可以编辑的地方，只能通过添加到对话来进行修改，不过有时可能不是我想要的，会增加了一些不可控性。
建议全新的 SOLO 模式还是要保留文件编辑功能。因为我这个系统内置了 AI，我把所有的提示词都集成到了一个文件上，我只需要修改这个文件（YAML 格式）的提示词即可更改 AI 的输出内容。
4. 多任务回滚问题
当我多个任务对同一个文件进行修改的时候，其中一个任务修改的方向不对，我回滚对话的话会将其他任务的修改内容也全部回滚了，不知道这个能否进行修复。
5. 欢迎指正
当然，以上的经验和思路都是边实践边形成的，不是很专业，可能有更好的解决办法，或者也有不正确的地方，欢迎指正！
