【标签】 生活娱乐
【标题】 通用赛道 — 情绪码 MoodCode
技术栈：Vue 3 + Vite + Vue Router + Pinia + Element Plus + Three.js + cannon-es + GSAP + ECharts + SCSS ｜ Go + Gin + GORM + SQLite/MySQL + Redis + JWT + WebSocket ｜ Python + ONNX Runtime + DirectML（AMD NPU 本地情绪模型）｜ DOMPurify + AES-256-GCM
开发工具：TRAE IDE & TRAE WORK（全程 TRAE 开发）
一、团队介绍
队长：xlly
准大二学生，计算机相关专业在读。负责作品大部分开发、开发整合。
玩 Vibe Coding 已经一年了，喜欢用 AI 辅助快速原型开发，关注心理健康和人机交互方向。这是我第一次参加 TRAE AI 创造力大赛，全程使用 TRAE IDE/WORK 完成开发。
队员：jack
大二学生，主要负责项目社区板块的开发。对 Web 前端开发有较浓厚的兴趣，擅长 HTML/CSS 静态页面的搭建，注重视觉表现力与用户体验的平衡。在社区板块的开发中，专注于实现独立且贴合产品调性的交互模块，从信息架构到页面细节都尽量做到自主可控。
参赛感受
作为一个 Vibe Coding 老玩家，TRAE 给我带来了全新的体验——相比其他工具，TRAE 在理解上下文和代码生成质量上表现更好，让我能更专注于产品设计而不是底层细节。从初赛 Demo 到复赛完整作品，我经历了从"让想法跑起来"到"让产品好用起来"的完整过程。
作品起源于大学创新创业课，我想出了这个作品，那时候还只是一个PPT，刚好第二天就刷到TRAEAI创造力大赛，经过报名，几天的打磨提交了初赛。进入top2000，没有进top300，靠人气赛道进入的复赛，疯狂打磨作品，希望能顺利完赛。
二、产品简介（复赛版）
2.1 是什么
情绪码 MoodCode 是一个基于 AI 的情绪陪伴与心理健康管理 Web 应用。融合心理学专业模型（PAD 三维度、Russell 圆环、Plutchik 情绪轮）与 AI 情绪分析，为用户提供可视化的情感探索空间——不只是聊天，而是真正帮用户"看懂"自己的情绪。
与初赛 Demo 相比，它不再只是一个"能对话的 AI 聊天窗"，而是一个拥有完整情绪分析体系、社区互动、沉浸空间、工具箱、实时调解、数据加密导出的综合性心理健康平台。
2.2 面向谁
- 需要情绪出口的职场人士 / 学生：工作压力大、学业焦虑、人际关系困扰，需要一个安全、私密的情绪表达空间
- 关注心理健康的用户：希望更好地理解自己情绪、追踪情绪变化趋势、建立情绪觉察习惯
- 希望随时获得情绪支持的人群：深夜失眠、情绪低落时，打开就能获得 AI 共情回应和冥想引导，无需等待
典型使用场景：
- 晚上心情不好 → 打开情绪码对话，输入"今天好累，什么都不想做" → AI 共情回应 → 四路情绪分析实时生成 → 图形化情绪报告卡片 → 跟做一个呼吸放松小任务
- 想了解自己最近的情绪状态 → 打开 Dashboard 看情绪日历和趋势图表 → 回顾一周的情绪变化曲线 → 发现规律
- 午休时想放松 → 打开沉浸工具 → 选择呼吸练习或冥想引导 → 语音引导 + 背景白噪音
- 想记录当下的心情 → 打开工具箱 → 情绪日记 / 写诗机 / 情绪配色 → 生成专属的情绪记录
- 想和同频的人聊聊 → 打开社区 → 树洞匿名发帖 / 情绪广场浏览 / 关注感兴趣的用户
2.3 完整功能清单
首页 Dashboard（情绪概览中枢）
情绪码的首页是一个完整的情绪数据看板，用户一登录就能看到自己的情绪全貌：
- 情绪圆环：可视化展示当前情绪在 Russell 圆环上的位置（愉悦度 × 唤醒度）
- 情绪统计：今日情绪关键词、本周情绪分布饼图
- 趋势图表：近 7 天情绪变化折线图，支持按愉悦度/唤醒度/焦虑度查看
- 快捷入口：一键进入情绪码对话、社区、工具箱、沉浸空间
- 社区动态：首页展示最新的社区热门帖子
- 情绪日历：按月查看每日情绪记录，支持点击查看详情
- 连续签到：每日签到记录，培养情绪记录习惯
情绪码对话（AI 情绪分析核心）
这是产品的核心功能，用户输入自然语言描述情绪，AI 进行多维度分析：
- AI 对话：支持流式逐字输出，响应速度快，对话体验流畅
- 多模型切换：用户可在多个 AI 模型提供商之间自由切换（OpenAI 兼容接口）
- 多路情绪分析：每次对话自动触发四路并行分析：
- PAD 三维度分析（愉悦度 P、唤醒度 A、支配度 D）
- Russell 圆环分析（情绪在二维空间中的位置）
- Plutchik 情绪轮分析（8 种基本情绪的强度评估）
- CBT 认知偏差检测（识别常见的认知扭曲模式）
- 情绪报告卡片：分析结果以图形化卡片展示，包含情绪坐标、关键指标、建议
- 对话历史：完整保存对话记录，支持回溯查看
- 多模态输入：支持上传图片与文件，图片自动全内容识别（文字/物体/场景/图表/趋势，非仅 OCR 文字）、支持深度解析开关（GLM-4.1V-Thinking-Flash 思维链，失败自动回退免费模型）；文件自动解析内容（txt/md/pdf/docx/pptx/xlsx/xls/csv + 扫描件 PDF 转图片识别 + 表格结构保留 + 长文截断保护），AI 直接基于图片/文件内容回复
- 三层融合识别：云端 LLM + 本地 NPU 情绪模型 + 规则引擎三层融合，AI 不可用时本地模型与规则引擎独立兜底
- 等待识别再回复：上传图片后自动等待 OCR/解析完成（最长 60s），确保图片内容完整进入文本 AI，不会漏答
情绪分析（快速情绪识别）
独立的情绪分析页面，提供更专注的分析体验：
- 快速情绪识别：输入文本快速获得情绪标签
- 情绪追踪：记录每次分析结果，形成长期情绪轨迹
- 实时情绪轨迹：对话过程中实时追踪情绪变化曲线
- 多维度分布：从多个维度展示情绪特征
工具系统（12 个工具箱工具 + 10 个沉浸工具）
工具箱（日常情绪管理工具）：
- 情绪罗盘、能量检测、自评量表、呼吸教练、身体扫描
- 急救箱、情绪配色、晒卡、写诗机、每日三事、触发源日记、决策纠结本
沉浸工具（深度放松与自我探索）：
- 呼吸练习、冥想引导、白噪音、感恩日记、情绪日记、肯定语
- 情绪画布、释放引导、情绪温度计、情绪日历
沉浸空间（3D 情绪场景编辑器）
基于 Three.js 的 3D 情绪场景编辑器，让用户以视觉化的方式探索情绪：
- 场景编辑器：添加几何体、调整灯光、设置情绪粒子特效
- 场景预设：导入导出场景配置，分享给其他用户
- 情绪粒子：粒子颜色、运动轨迹随情绪参数变化
实时调解（WebSocket 实时引导）
WebSocket 长连接实时呼吸冥想引导：
- 呼吸练习：图形化引导吸气和呼气节奏
- 情绪释放引导：跟随引导逐步释放情绪压力
- 语音识别（ASR）：支持语音输入，说出情绪即可分析，支持 FunASR / Whisper / Windows SAPI 多后端切换
- 语音合成（TTS）：冥想引导语音朗读，提供沉浸式体验
社区系统（情绪社交）
完整的社区功能，让用户找到同频的人：
- 情绪广场：浏览所有公开帖子，按热度/最新排序
- 树洞匿名分享：匿名发帖，保护隐私
- 关注/好友系统：关注感兴趣的用户，互相关注成为好友
- 私信聊天：一对一实时聊天，支持图片、视频、语音消息发送与播放
- 通知系统：点赞、评论、关注、私信通知
- 用户主页：查看他人的情绪记录和分享
- 分享帖子：生成分享链接（HMAC 防枚举）
其他功能模块
- 历史记录：对话记录搜索、筛选、详情查看、删除
- 成就系统：进化等级、徽章收集，激励用户坚持情绪记录
- 个人中心：个人资料、数据加密导出（AES-256-GCM）、分享卡片、主题切换（浅色/深色）
- AI 模型管理：多模型配置、API Key 管理、模型切换
- 邮箱/手机验证码认证：注册/登录支持邮箱验证码、手机验证码 + 滑动拼图人机验证
- AI 人格：专属"情绪码"AI 人格，用户问"你是谁"时智能应答，不消耗 AI 调用
- 管理后台：用户管理、系统监控、反爬虫、日志审计、反馈管理、社区管理、消息管理、LLM 密钥管理、情绪 API 管理、用户事件追踪、本地情绪模型监控（root 专属：设备 NPU/GPU/CPU、加载状态、推理延迟、样本数、历史曲线、一键训练/设备切换/文本测试）
2.4 安全防护体系
- JWT 认证：Token 双令牌机制（Access + Refresh），刷新令牌自动续期
- 反爬虫引擎：5 轮增强（UserAgent 分析 + 蜜罐数据 + 子网聚类 + 行为分析 + 验证码挑战）
- 验证码：滑块验证码 + 点击验证码，防止自动化攻击
- API 签名校验：HMAC-SHA256 请求签名验证，防止请求篡改
- IP 封禁与限流：滑动窗口 + 令牌桶，异常 IP 自动封禁
- CSP 安全头：Content-Security-Policy 限制资源加载来源
- XSS 防护：DOMPurify 前端输入净化
- 数据加密导出：AES-256-GCM 加密 + PBKDF2-HMAC-SHA256 密钥派生
2.5 技术栈
前端：Vue 3 + Vite + Vue Router + Pinia + Element Plus + Three.js + cannon-es + GSAP + ECharts + axios + DOMPurify + SCSS + vue-i18n
后端：Go + Gin + GORM + SQLite/MySQL + Redis + JWT + WebSocket + Logrus
本地 AI 模型：Python + ONNX Runtime + DirectML（AMD NPU 加速）+ TextCNN 情绪分类，云端 LLM + 本地模型 + 规则引擎三层融合识别
多模态识别：GLM-4V-Flash + GLM-4.1V-Thinking-Flash 双模型按需切换（失败自动回退）+ Tesseract OCR 兜底 + PyMuPDF 扫描件 PDF 转图识别 + 表格结构保留 + 长文截断保护
语音：ASR 多后端（FunASR / Whisper / Windows SAPI）+ Edge TTS 33 音色 + 音频缓存 + 流式合成，均随主服务一键连携启动
安全：AES-256-GCM 加密导出、PBKDF2-HMAC-SHA256 密钥派生、反爬虫引擎、API 签名校验、请求限流
架构图略缩图：
2.6 视觉风格
- 主题：大厂白灰风格，默认浅色模式
- UI：胶囊按钮、大圆角输入框、极淡阴影卡片
- 色彩：黑白灰为主，情绪多彩点缀
- 交互：快速过渡、响应式布局（桌面端 + 移动端自适应）
2.7 相比初赛 Demo 的升级
| 维度 | 初赛 | 复赛 |
|---|---|---|
| 首页 | 无 | Dashboard：情绪圆环、统计、趋势图表、快捷入口 |
| 对话 | 基础单轮对话 | 多模型切换 + 流式生成 + 对话历史 |
| 情绪分析 | 基础识别 | PAD/Russell/Plutchik/CBT 四路并行分析 + 认知偏差检测 |
| 情绪轨迹 | 无 | 实时追踪对话情绪变化 |
| 多智能体 | 无 | 多维度协作分析（PAD 三维度/Russell 圆环/Plutchik 情绪轮/CBT） |
| 情绪报告 | 无 | 图形化报告卡片 |
| 工具系统 | 无 | 工具箱 12 工具 + 沉浸工具 10 工具 + 11 个独立工具页面 |
| 社区 | 无 | 情绪广场、树洞、关注/好友系统、私信、通知 |
| 3D 空间 | 无 | Three.js 场景编辑器 + 情绪粒子特效 + 场景预设 |
| 实时调解 | 无 | WebSocket 实时呼吸冥想引导 + ASR + TTS |
| 智能生成 | 无 | 5 个 AI 智能体协作生成（文字/图片/音频/视频脚本/交互代码） |
| 沉浸空间 | 无 | 沉浸模式路由组（3D 情绪空间 + 沉浸冥想） |
| 多模态输入 | 纯文本对话 | 图片全内容识别 + 深度解析 + 扫描件 PDF + 表格结构保留 + 长文截断保护 |
| 本地 AI 模型 | 无 | 本地 NPU 情绪模型（ONNX + DirectML），三层融合识别，AI 宕机仍可用 |
| 私信媒体 | 纯文本聊天 | 图片 / 视频 / 语音消息发送与播放 |
| 认证方式 | 密码登录 | 邮箱 / 手机验证码 + 滑动拼图人机验证 |
| OCR 双模型 | 无 | GLM-4V-Flash 免费默认 + GLM-4.1V-Thinking-Flash 深度思维链，失败自动回退 |
| 语音链路 | 基础 TTS | ASR 多后端连携启动 + Edge TTS 33 音色 + 音频缓存 + 流式播放 + 独立限流 |
| 模型监控 | 无 | root 专属后台：设备状态/延迟/样本数/历史曲线/一键训练 |
| 历史记录 | 无 | 对话记录、搜索筛选、详情查看、删除 |
| 成就系统 | 无 | 进化等级 + 徽章收集 |
| 视觉 | 基础界面 | 大厂白灰风格 + 情绪多彩点缀 + 响应式 |
| 安全 | 基础认证 | JWT + 反爬虫引擎 + 验证码 + API 签名 + IP 封禁 + CSP 安全头 + DOMPurify XSS 防护 + AES-256-GCM 加密导出 |
| 部署 | 分离部署 | 前后端一体部署，仅需 .env 配置文件 |
2.8 产品截图
以下为产品页面截图，展示了核心功能界面。
首页 Dashboard：情绪概览、趋势图表、快捷功能入口
情绪码对话：AI 流式响应 + 多路情绪分析
社区功能：情绪广场、树洞匿名分享
工具中心：情绪工具箱与沉浸工具
个人中心：个人资料、设置、数据导出
多模态对话：图片 / 文件上传识别 + 三层融合分析
私信媒体消息：媒体发送与播放
本地 NPU 模型：本地训练与一键启动
三、产品演示视频
抖音视频链接：https://v.douyin.com/liHK6dYTndk/ 08/30 :7pm q@e.oQ gBt:/
飞书链接：https://my.feishu.cn/file/GNT4bJV1eoFoB0xXaXEcw9Zrn4g 密码：&8147Y67
- 首页 Dashboard：情绪概览、趋势图表、快捷功能
- 情绪码对话：发送消息 → AI 流式响应 → 图形分析 → 沉浸小任务
- 情绪分析：多路情绪识别 + 认知偏差检测
- 实时调解：呼吸冥想引导
- 社区功能：广场发帖、树洞匿名分享
- 历史记录：查看/搜索/删除历史情绪记录
四、产品创作历程
4.1 灵感来源
作品起源于大学创新创业课，我想出了这个作品，那时候还只是一个PPT，刚好第二天就刷到TRAEAI创造力大赛，经过报名，几天的打磨提交了初赛。进入top2000，没有进top300，靠人气赛道进入的复赛，疯狂打磨作品，希望能顺利完赛。
现代社会心理健康问题日益突出，传统心理咨询存在门槛高、周期长、成本大等问题。AI 情绪陪伴产品可以作为"情绪自助工具"，帮助用户在需要时获得即时的情绪支持和自我探索引导。
我（xlly）自己是一个情绪比稳定的人，但我发现身边人的情绪非常不稳定，经常在深夜感到困惑和不解。市面上虽然有各种情绪记录 App，但大多只是简单的"今天心情怎么样"打分，缺乏深度的情绪分析和引导。我想做一个不只是"记录"，而是真正"理解"情绪的产品——这就是情绪码的起点。
4.2 开发过程
第一阶段：架构设计与初赛 Demo（25 天）
- 确定 Go + Vue3 前后端分离技术栈
- 搭建基础项目骨架和中间件链（JWT 认证、CORS、请求日志）
- 实现核心 AI 对话功能
- 接入情绪分析模型（PAD 三维度、Russell 圆环、Plutchik 情绪轮）
- 初赛 Demo 交付：一个能对话、能分析情绪的基础聊天应用
第二阶段：复赛功能完善（22 天）
- 接入多个 AI 模型，支持流式生成和多模型切换
- 实现 PAD/Russell/Plutchik/CBT 四路情绪分析，每次对话并行分析
- 构建完整社区系统：发帖、树洞、关注/好友、私信、通知
- 实现 3D 情绪空间：Three.js 场景编辑器 + 情绪粒子特效
- 开发 12 个工具箱工具 + 10 个沉浸工具
- 构建实时调解系统：WebSocket + ASR 语音识别 + TTS 语音合成
- 实现智能生成功能：5 个 AI 智能体协作
- 开发完整管理后台
- 构建安全防护体系：反爬虫 5 轮增强、API 签名、数据加密导出
第三阶段：复赛冲刺增强（本地化与多模态）
- 私信媒体消息：图片、视频、语音消息发送与播放
- 认证增强：邮箱 / 手机验证码 + 滑动拼图人机验证
- ASR 多后端：FunASR / Whisper / Windows SAPI
- 本地 AI 情绪模型：ONNX + DirectML 在 AMD NPU 上推理，TextCNN 本地训练与持续学习，支持一键启动 / 一键训练
- 多模态识别：图片全内容识别（GLM 视觉 + Tesseract 双模型 + 深度解析思维链）、扫描件 PDF 转图识别、多格式文件解析（txt/md/pdf/docx/pptx/xlsx/xls/csv）、表格结构保留、长文截断保护
- 语音链路完善：FunASR / Whisper / SAPI 多后端随主服务一键连携启动；Edge TTS 33 音色 + 音频缓存 + 流式播放
- AI 人格：专属"情绪码"人格应答
4.3 遇到的挑战与解决思路
| 挑战 | 解决方案 |
|---|---|
| AI 响应不稳定 | 多模型切换 + 超时降级 + 失败重试机制 |
| 前端性能优化 | 懒加载组件 + 路由级分包 + 预压缩静态资源 |
| 移动端适配 | 响应式布局 + 自适应导航栏（768px 断点切换） |
| 安全防护 | 多层中间件链（限流 + 反爬虫 + API 签名 + 验证码 + IP 封禁） |
| 社区内容安全 | 分享链接 HMAC 防枚举 + AI 内容审核 + 敏感词过滤 |
| 反爬虫对抗 | 5 轮增强：UserAgent 分析 + 蜜罐数据 + 子网聚类 + 行为分析 + 验证码挑战 |
4.4 重要设计决策
- Go + Vue3 技术选型：后端 Go 单二进制部署，无需依赖运行时，跨平台编译简单；前端 Vue3 生态成熟，组件化开发效率高，Element Plus 组件库开箱即用
- SQLite 主力存储：个人项目无需 MySQL 集群，SQLite 零配置、单文件、跨平台，备份和迁移都很方便
- 前后端一体部署：Go 后端直接 serve 前端静态资源，一个 .env 文件即可启动，用户无需配置 Nginx 等反向代理
- 多模型动态切换：用户可自由配置多个 AI 模型提供商，支持按用户偏好切换模型，避免单一模型故障影响所有用户
- CSP 安全头加固：通过 Content-Security-Policy 限制资源加载来源，防止 XSS 和内容注入攻击
五、TRAE 实践过程
一 、xlly开发记录
| 对话主题 | 对话id |
|---|---|
| 优化AI对话界面与Agent | 2024654415598313:e8cf74ad14d1fa2158ff7ac3c74e615e_6a6ecc5d40afe47ea21c1447.6a6ecc5d40afe47ea21c144a.6a6ecc5d40afe47ea21c1448:TRAE Work CN.0.1.43.no_sid.no_ppe.T(2026/8/2 12:49:33) |
| 开发空间界面与后端数据库 | 2024654415598313:417dbfee5b7a6d00afdb5bcc23aea8df_6a6daa921ece4c4929e2f50c.6a6daa921ece4c4929e2f50f.6a6daa921ece4c4929e2f50d:TRAE Work CN.0.1.43.no_sid.no_ppe.T(2026/8/1 16:13:06) |
| AI生成功能与agent集成 | 2024654415598313:5b7ee5d7feb125a3ca2bed0f6bcdafac_6a6989be14291b6a05f4b632.6a6989be14291b6a05f4b635.6a6989be14291b6a05f4b633:TRAE Work CN.0.1.43.no_sid.no_ppe.T(2026/7/29 13:03:58) |
| 网站色彩优化与图标点缀 | 2024654415598313:da47db3440238fdef0c769e985a7787f_6a699ee314291b6a05f4c16d.6a699ee314291b6a05f4c170.6a699ee314291b6a05f4c16e:TRAE Work CN.0.1.43.no_sid.no_ppe.T(2026/7/29 14:34:11) |
| 复赛作品规划 | 2024654415598313:c6d83dcb1a4c051f05bc4d16d210bd72_6a61d8f113ae4223d49f0f7e.6a61d8f213ae4223d49f0f81.6a61d8f113ae4223d49f0f7f:TRAE Work CN.0.1.43.no_sid.no_ppe.T(2026/7/23 17:03:46) |
| 导航栏规划 | 2024654415598313:657a526a7d03773513190d73e31b8641_6a609a65e4913cd9f03c99b3.6a616d3103e4b7f8263803bc.6a616d3103e4b7f8263803ba:TRAE Work CN.0.1.39.no_sid.no_ppe.T(2026/7/23 09:24:01) |
| 功能整合与冗余清除 | 2024654415598313:703e2a94febf16f3567c8352bef3caf1_6a5f64a9c48dee67f40fb2e3.6a5fa6172f1c317f0a0f00a4.6a5fa6162f1c317f0a0f00a2:TRAE Work CN.0.1.39.no_sid.no_ppe.T(2026/7/22 01:02:15) |
| 页面风格重定向 | .2024654415598313:c5217f3d1dd4790374f7f3e8149a243c_6a61d8f113ae4223d49f0f7e.6a63735c13ae4223d49f1186.6a63735c13ae4223d49f1184:TRAE Work CN.0.1.39.no_sid.no_ppe.T(2026/7/24 22:14:52) |
| 未登录预览界面设计 | 2024654415598313:cf94f0701448c093e800b3efe3b3d8b2_6a647b4613ae4223d49fe695.6a64a3f813ae4223d4a009c5.6a64a3f813ae4223d4a009c3:TRAE Work CN.0.1.39.no_sid.no_ppe.T(2026/7/25 19:54:32) |
| bug修复 | 2024654415598313:5ea13045c6e816aa8c2fedb02b7ffaf7_6a643ca613ae4223d49faf5f.6a64952113ae4223d49fff3f.6a64952013ae4223d49fff3d:TRAE Work CN.0.1.39.no_sid.no_ppe.T(2026/7/25 18:51:13) |
| agent工作流程设计 | 2024654415598313:8f3c37a4413d17b8abb7d1bfcc47de44_6a688ec922b17e1b49d56f84.6a6b1938722d2473a174a63d.6a6b1938722d2473a174a63b:TRAE Work CN.0.1.41.no_sid.no_ppe.T(2026/7/30 17:28:24) |
| 性能优化 | .2024654415598313:1ca686e048b025d91ed698730307ff6c_6a6b206f72f1437a3d71b0d0.6a6b212472f1437a3d71b1e0.6a6b2124b93ce5672e1e601d:Trae CN.T(2026/7/30 18:02:12) |
| 使用教程设计 | .2024654415598313:2e278118ca336b125c236aaa0ae1c84d_6a6b5ef372f1437a3d71cac2.6a6b5f4972f1437a3d71cb4d.6a6b5f48b93ce5672e1e6026:Trae CN.T(2026/7/30 22:58:36) |
| 数据导入与导出 | 2024654415598313:2d6c83a51a0234baf0e06058731d5f41_6a645d6813ae4223d49fc9ca.6a645d6813ae4223d49fc9cd.6a645d6813ae4223d49fc9cb:TRAE Work CN.0.1.43.no_sid.no_ppe.T(2026/7/25 14:53:28) |
| 检查 | 2024654415598313:66707d2f3d872bbbfe026cafa9748655_6a704b1dec70e54c7ee345da.6a704b1dec70e54c7ee345dd.6a704b1dec70e54c7ee345db:TRAE Work CN.0.1.43.no_sid.no_ppe.T(2026/8/3 16:02:37) |
| 本地情绪模型NPU推理与训练 | 2024654415598313:03b28c780b018544b2b479f03158ce5d_6a7753c26837f9544cdf73fb.6a775b9c6837f9544cdf77e8.6a775b9c6837f9544cdf77e6:TraeWork CN.0.1.45.no_sid.no_ppe.T(2026/8/9 00:38:52) |
| 对话图片文件识别增强 | 2024654415598313:ca4dcb3d51faf6cb6607643545c97f8c_6a7780a06837f9544cdf87af.6a7783ca6837f9544cdf89b9.6a7783ca6837f9544cdf89b8:TraeWork CN.0.1.45.no_sid.no_ppe.T(2026/8/9 03:30:23) |
| 私信语音与媒体消息 | 2024654415598313:4ff524d64f86660ebb74503542891068_6a7780a06837f9544cdf87af.6a7787a96837f9544cdf8a71.6a7787a96837f9544cdf8a6f:TraeWork CN.0.1.45.no_sid.no_ppe.T(2026/8/9 03:46:49) |
| 本地模型监控后台页 | 2024654415598313:7cf3207c32603bc013cf56d0ec8007cf_6a779d8775012605c1716844.6a780af375012605c171701c.6a780af375012605c171701a:TraeWork CN.0.1.45.no_sid.no_ppe.T(2026/8/9 13:06:59) |
| 图片全内容识别与深度解析 | 2024654415598313:891eaa6fbb826b72405406c2b6ccc05a_6a7780a06837f9544cdf87af.6a7791fc6837f9544cdf916b.6a7791fb6837f9544cdf9169:TraeWork CN.0.1.45.no_sid.no_ppe.T(2026/8/9 04:30:52) |
.2024654415598313:e98f2bb0501edaa97fd531ea6cc582ba_6a7351985bb904a2881b9ef0.6a73599c5bb904a2881ba3d1.6a73599bf6a1013f3e47a5e9:Trae CN.T(2026/8/5 23:41:16)
.2024654415598313:f7cf4ff997883fe7c8016dd34073c236_6a72e63c58e3d4eca007b0b9.6a73517f5bb904a2881b9ee0.6a73517ff6a1013f3e47a5d9:Trae CN.T(2026/8/5 23:06:39)
2024654415598313:03b28c780b018544b2b479f03158ce5d_6a7753c26837f9544cdf73fb.6a775b9c6837f9544cdf77e8.6a775b9c6837f9544cdf77e6:TraeWork CN.0.1.45.no_sid.no_ppe.T(2026/8/9 00:38:52)
相关开发截图
二 、jack相关开发记录
1.社区模块的初开发：
410545730096760:9855bfabe1c42afe385eca4fde443b87_6a6570a5a8657ea4d498ae12.6a6570a6a8657ea4d498ae15.6a6570a5a8657ea4d498ae13:TRAE Work CN.0.1.40.no_sid.no_ppe.T(2026/7/26 10:27:50)
410545730096760:3311331712e76f912d06b2d6ad302bc2_6a6570a5a8657ea4d498ae12.6a659bfba8657ea4d498b7a3.6a659bfba8657ea4d498b7a1:TRAE Work CN.0.1.40.no_sid.no_ppe.T(2026/7/26 13:32:43)
2. 社区模块的优化
相关id：
410545730096760:5ac9eb4f884a4362978ee5db61b1a92c_6a6570a5a8657ea4d498ae12.6a65e4a2a8657ea4d498bddb.6a65e4a1a8657ea4d498bdd9:TRAE Work CN.0.1.40.no_sid.no_ppe.T(2026/7/26 18:42:42)
410545730096760:d282cfdfd4b0ca47de8c869523fbf67e_6a66b2ac4e0cf63a6838c902.6a66b6884e0cf63a6838cb07.6a66b6884e0cf63a6838cb05:TRAE Work CN.0.1.40.no_sid.no_ppe.T(2026/7/27 09:38:16)
410545730096760:d282cfdfd4b0ca47de8c869523fbf67e_6a66b2ac4e0cf63a6838c902.6a66b6884e0cf63a6838cb07.6a66b6884e0cf63a6838cb05:TRAE Work CN.0.1.40.no_sid.no_ppe.T(2026/7/27 09:38:16)
3.社区模块的AI助手设计：
相关id：
410545730096760:293b0098cb27f49ebe60df18ec533ab7_6a670aad50ada373a3736f93.6a670aae50ada373a3736f96.6a670aad50ada373a3736f94:TRAE Work CN.0.1.40.no_sid.no_ppe.T(2026/7/27 15:37:18)
410545730096760:4cbb71cdeb2c14a633473d80edca39f5_6a670aad50ada373a3736f93.6a6717b050ada373a37370eb.6a6717b050ada373a37370e9:TRAE Work CN.0.1.40.no_sid.no_ppe.T(2026/7/27 16:32:48)
410545730096760:ad58423bb783833b41c0decfee7d56b3_6a670aad50ada373a3736f93.6a671d4450ada373a373719d.6a671d4450ada373a373719b:TRAE Work CN.0.1.40.no_sid.no_ppe.T(2026/7/27 16:56:36)
4. 社区模块的朋友交流功能设计：
相关id：
410545730096760:e9cf0f75daa9c1886da354de7ab6b749_6a695acfce9dad317388ada7.6a6977d6ce9dad317388b2d3.6a6977d6ce9dad317388b2d2:TRAE Work CN.0.1.40.no_sid.no_ppe.T(2026/7/29 11:47:57)
410545730096760:b551ae02f14e58250add610a82f01d7b_6a695acfce9dad317388ada7.6a697c11ce9dad317388b42e.6a697c11ce9dad317388b42d:TRAE Work CN.0.1.40.no_sid.no_ppe.T(2026/7/29 12:05:40)
410545730096760:46e40ce15e74d0f48a2be0bfdc45b33b_6a695acfce9dad317388ada7.6a697d10ce9dad317388b46b.6a697d10ce9dad317388b469:TRAE Work CN.0.1.40.no_sid.no_ppe.T(2026/7/29 12:09:52)
5. 社区模块功能测试与评审
相关id：
410545730096760:e755a86532f274c5a5e5655503a7d4b0_6a6b0db29bc1be637c6b2fa8.6a6b0db39bc1be637c6b2fab.6a6b0db29bc1be637c6b2fa9:TRAE Work CN.0.1.40.no_sid.no_ppe.T(2026/7/30 16:39:15)
410545730096760:fc8353850afbccca95f7503c674d7f89_6a6b0db29bc1be637c6b2fa8.6a6b11299bc1be637c6b31e0.6a6b11299bc1be637c6b31de:TRAE Work CN.0.1.40.no_sid.no_ppe.T(2026/7/30 16:54:01)
410545730096760:2c0e42045656c603d7398941b774cbfd_6a6b0db29bc1be637c6b2fa8.6a6b17619bc1be637c6b337f.6a6b17619bc1be637c6b337d:TRAE Work CN.0.1.40.no_sid.no_ppe.T(2026/7/30 17:20:33)
debug
410545730096760:8e1ef33d1f684fc0066cb70db03218f5_6a759325d54d320d4a1501ac.6a759325d54d320d4a1501af.6a759325d54d320d4a1501ad:TraeWork CN.0.1.45.no_sid.no_ppe.T(2026/8/7 16:11:17)
410545730096760:7c21dd4d8054c748a2e75dbd9f85f955_6a758745d54d320d4a14fc15.6a758745d54d320d4a14fc18.6a758745d54d320d4a14fc16:TraeWork CN.0.1.45.no_sid.no_ppe.T(2026/8/7 15:20:37)
410545730096760:76b468d79ed500b79d3695bfd3f5a5c6_6a756a2fd54d320d4a14ed21.6a7580bed54d320d4a14f99a.6a7580bdd54d320d4a14f998:TraeWork CN.0.1.45.no_sid.no_ppe.T(2026/8/7 14:52:46)
410545730096760:7335d1517f119bc29507a786dcf96848_6a783eec75012605c1717f9c.6a783eec75012605c1717f9f.6a783eec75012605c1717f9d:TraeWork CN.0.1.45.no_sid.no_ppe.T(2026/8/9 16:48:44)
410545730096760:a3cd85c64830d0f287043aa7d4813bd8_6a783fc675012605c1718028.6a783fc775012605c171802b.6a783fc675012605c1718029:TraeWork CN.0.1.45.no_sid.no_ppe.T(2026/8/9 16:52:23)
410545730096760:2a732a41a29f7148be3365b5137fb911_6a75fd9cd54d320d4a152409.6a75fd9cd54d320d4a15240c.6a75fd9cd54d320d4a15240a:TraeWork CN.0.1.45.no_sid.no_ppe.T(2026/8/7 23:45:32)
410545730096760:13189a231eda3137b9430e4ec731e5c7_6a7480a6ebc9e560d6eeb3cc.6a74aca9d54d320d4a14cd6b.6a74aca9d54d320d4a14cd69:TraeWork CN.0.1.45.no_sid.no_ppe.T(2026/8/6 23:47:53)
使用感受
TRAE 在项目开发中主要用于：
- 架构设计：快速生成项目骨架和目录结构
- UI 开发：批量生成 Vue 组件和样式
- Bug 修复：定位问题并提供修复方案
- 功能实现：直接生成完整功能代码
作为一年 Vibe Coding 玩家，TRAE 在上下文理解和代码质量上表现出色，让我能专注于产品设计而非底层实现。