介绍自己
我是大型 3C 制造集团（苹果/华为供应链级别）的数字化/IT 负责人，负责 AI 平台建设、数据治理与网络基础设施演进。
过去两年，我们把 AI 从内网问答机器人一路推到了真实产线，几个代表场景：
-
阳极产线槽液配比 Agent：接入 QMS + MES + PLC，边缘部署，实时调参，效果已验证，是集团第一个直接"摸到设备"的 Agent；
-
NPI 制程管理系统：清单驱动执行、老板看板看进度，下一步计划让大模型按关键参数自动生成制程清单；
-
专业知识库：历年报告与专案总结沉淀成 RAG 知识库，是集团核心资产；
-
CNC Agent：2D/3D 图纸解析到 DFM 风险初评，目前泛化性不足；
-
Data Agent 与 AI 数据实验室：Excel 交互式清洗、调用 JMP 出图、FACA 报告自动化，单场景效果好，跨上百个库查询时卡在语义层、权限和编排上。
我当下最花精力的事，是把这十几个各自为战的 Agent 变成有统一网关、统一数据底座、统一安全策略的平台。下面这些期待，全部来自这条路上的真实卡点。
我对 TraeCode 的愿景
一、把 MCP 网关当作一等公民，让 TraeCode 成为企业 Agent 的驾驶舱
功能说明：TraeCode 原生支持 MCP Gateway 模式——在 IDE 里直接发现网关注册的内部 MCP Server（MES、QMS、PLC 网关、统一数据平台、知识库），调用时自动携带企业统一鉴权，执行全程留审计日志；同时内置 MCP Server 开发工具链，把一个内部系统封装成 MCP Server 的脚手架、调试、测试都能在 TraeCode 里完成。
为什么需要：我们已确定从硬编码 Tool 转向 MCP Server + MCP Gateway，但这条路的开发体验还很原始——每写一个 Agent，都要自己搭工具注册、鉴权透传、日志埋点。这一层如果由 TraeCode 标准化，工具一次注册、全集团 Agent 复用，开发 Agent 就从"写胶水代码"变成"在 IDE 里编排工具"。
能解决什么问题：以 CNC Agent 的 DFM 初评为例，理想链路是读图纸、查 MES 历史工艺参数、检索知识库同类专案、输出风险评估。这条链路目前要三套自研代码拼接；若能在 TraeCode 里直接编排三个 MCP Server，新场景 Agent 的交付周期可以从月级压到周级。
二、私有化与分级密级：离线可用，密级可控
功能说明：一是完全离线部署版本，模型端点可自定义（OpenAI 兼容接口指向自建推理，我们中心侧是 Qwen2-72B，信创终端侧是 7B INT4）；二是密级标签跟随会话与文件——涉密项目自动禁用云端能力、只走本地模型，内网知识库级数据可走中心推理但不出域；三是信创终端（国产 OS/芯片）可用版本。
为什么需要：我们的密级分三档——通用非涉密、内网知识库、涉密终端物理断网。目前市面上的 AI IDE 从第二档开始能力就要打折，第三档完全用不了，涉密环境的工程师只能退回裸写代码，这是最明显的能力断层。
能解决什么问题：一个 IDE 覆盖三档环境，工程师不用在"工具好用"和"合规"之间二选一，集团也不必为每一档环境单独维护一套开发工具链。
三、读懂工程图纸：制造业自己的多模态
功能说明：TraeCode 把 2D 工程图（尺寸、公差、GD&T、材料、Notes）和 3D 模型当作一等上下文，像读 markdown 一样读图纸，并直接生成下游工件——DFM 检查规则、检测程序、PLC 参数配置、工艺文档。
为什么需要：CNC Agent 做图纸到 DFM 初评，最大痛点是泛化性：图纸风格、标注习惯、模板差异都会让解析质量明显波动。制造企业的"源代码"很大一部分就是图纸和 BOM，AI 编程工具读不懂它们，就始终隔着一层玻璃。
能解决什么问题：图纸解析稳定之后，DFM 初评可以从工程师抽查变成全量自动跑、例外人工确认，NPI 周期里最贵的试错时间有机会被压下来。
四、接入数据语义层，让 Data Agent 跨得动百库
功能说明：TraeCode 支持连接统一数据平台的语义层（指标口径、表血缘、行列级权限），提供"自然语言到跨库 SQL 到权限校验再到结果回流"的完整链路，生成的 SQL 像代码一样可 review、可版本化、走 Git。
为什么需要：集团十几个系统、上百个分散数据库，正在建统一数据平台整合。Data Agent 单库场景效果不错，一到跨库就撞上三堵墙：同一个"良率"有七八种口径、权限无法透传、多步查询编排失控。
能解决什么问题：让 AI 在数据治理体系之内工作，而不是绕开它。数据工程师在 TraeCode 里和 AI 结对产出 SQL、报表和清洗脚本，口径由语义层保证、权限由平台校验，产出沉淀回数据资产，而不是变成一批无人维护的野生查询。
五、融入工作流：让 Agent 资产享受代码的工程待遇
-
Git：Agent 的 prompt、工具配置、知识库引用全部版本化，用分支管理实验、用 MR 做 review；
-
CI/CD：prompt 或工具定义的每次变更自动触发回归测试集，跑历史案例比对输出，防止改好一个场景、弄坏三个场景；
-
IM（飞书）：长任务（批量 FACA 报告生成）完成后推送结果卡片；槽液调参建议先推工程师确认、再下发 PLC——产线上不能让 Agent 直接改参数；
-
知识库：年报 RAG 知识库作为 TraeCode 的上下文源，写工艺文档和复盘报告时自动引用集团历史专案；
-
任务系统：需求单（比如 NPI 制程清单条目）能直接变成 TraeCode 的任务上下文，完成状态自动回写系统。
你希望它以什么形态出现
-
多步智能体流程为主，关键节点人工确认。制造场景容错低，DFM 结论、调参建议这类输出必须保留人工确认位；同时需要可回放执行轨迹的面板——每一步调了哪个工具、传了什么参数、返回了什么，既是调试工具，也是审计凭证。
-
命令 + 模板 + 面板的组合。命令承载日常操作（/dfm-check、/gen-checklist 这类）；模板库沉淀行业资产（MCP Server 脚手架、FACA 报告模板、DFM 检查规则模板）；面板承载运行轨迹与审计日志。自动触发留给低风险高重复的场景，比如 Excel 上传后自动进入清洗流程。
-
优先打通：MCP Gateway、Git、主流 CI/CD、飞书、任务系统（Jira/禅道），以及 MES/QMS/PLC 网关和 JMP 这类专业工具。
写在最后
我们已经在产线上验证了 Agent 的价值，下一步的瓶颈，是把每个 Agent 的成功经验变成可复制的工程能力。TraeCode 若沿着 MCP 原生、私有化分级、行业多模态这条路走下去，它会出现在每一条产线旁边，出现在涉密内网的工程师终端上——那才是制造业真正需要它的地方。