TRAE 生态与操作技巧实战指南

技巧分享
1

TRAE 生态与操作技巧实战指南

深度指南 · TRAE 生态与实战｜覆盖窗口：2026.09.07 – 2026.09.21 官方动态与社区实测 · 发布日期：2026-09-21

过去两周（9 月上旬至 9 月 21 日），TRAE 生态密集更新：TraeCode 连发 5 个版本，上线插件市场、对话分享、网络代理并完成 Agent 智能体合并，GLM-5.3-FlashX 同步进入内置模型列表；官方运营侧"金九银十"征集等活动接连展开。结合社区近两周的实测数据，本文提炼出一套可落地的实战路径——先按实时倍率选模型，再用 Goal 模式整体交付，最后用 Skill 沉淀经验：单系统开发成本可压到 183 积分，日常 Agent 消耗还能再降一半。

核心亮点：

  • 183 积分交付一套完整前后端系统

  • 15 款模型积分倍率实测对比

  • 62.6 GB自造 Skill 的真实战果

速览：三条主线，一套方法

如果你只有五分钟，记住这三句话就够了。

主线一 · 生态开放——能力从"内置"走向"可组装"
插件市场上线、Agent 智能体合并、MCP 与 Skill 持续繁荣——TRAE 正在把扩展能力交给用户，生态重心从"官方提供什么"转向"你能组装什么"。

主线二 · 协作增强——从个人提效走向团队复用
对话分享、移动端连接 TraeCode、电脑控制等新能力，把"一个人的 AI"变成"一条工作流的 AI"，问题复现与经验传递的成本显著降低。

主线三 · 性价比可控——积分时代更要会算账
积分制计费落地后，模型倍率差异最高达 30 倍。会选模型、会合并指令、会固化规则，是把额度用在刀刃上的三个前提。

01 近两周官方动态速览

版本节奏、模型上新与运营活动三条线并行，更新密度为近几个月最高。

1.1 版本时间线：插件市场、对话分享与智能体合并

日期 版本 / 事件 要点
09-01 TraeCode v3.3.93–96（仅企业版） Solo Agent 与 Agent 智能体合并为统一的 Agent 智能体，IDE / SOLO 模式通用；内置 /goal、/plan、/spec 命令，支持按模型开启 Max 模式、选择 Auto Mode、调用自定义智能体
09-03 TraeCode v3.3.97（仅个人版） 插件市场正式上线，可在客户端内直接安装、管理插件，生态入口前移
09-08 TraeCode v3.3.99 支持分享对话——把关键会话一键分享给同事，上下文随对话走；同时支持配置网络代理，改善受限网络环境下的可用性
09-11 / 09-15 v3.3.100 / v3.3.101（Hotfix） 集中修复已知问题，为功能发布后的稳定性兜底
09-20 GLM-5.3-FlashX 上线内置模型（模型上新） 社区确认 GLM-5.3-FlashX 已进入 TraeCode 内置模型列表，Flash 系低倍率快模型阵容进一步扩充

来源：TraeCode 更新日志、TRAE 官网更新日志

1.2 官方运营：金九银十征集进行中

近两周官方社区活动同样密集：「金九银十就业季有奖征集」（9 月 14 日–27 日，进行中）邀请用户晒出用 TRAE 做的简历工具、面试复盘、作品集等求职小作品，优秀创作者可获机械键盘、1000 积分等奖励；「TraeCode 上手记」（9 月 18 日开奖）与「TraeCode 的 100 种用法」（9 月 16 日开奖）均已收官，沉淀了大量新手路径；「AI Passport 二创」仍在进行中。这批活动帖本身也是一份现成的场景灵感库——每一篇参赛作品都是一个"TRAE 能做什么"的答案。

解读： 这波更新与活动的指向非常一致：先开放生态（插件市场、智能体合并），再降低协作与复用成本（对话分享、移动端协同），最后用活动把社区经验沉淀成公共资产。对普通用户而言，这意味着"一个人闷头用"的阶段结束了，接住社区红利比埋头摸索更划算。

02 TRAE 生态全景：一个品牌，五端入口，四层能力

先看清全貌，技巧才有落点。

2.1 产品家族：按场景选入口

定位 产品 说明
AI 原生 IDE TraeCode 深度融合 AI 的开发环境：Chat 对话、Agent 智能体、CUE 超级代码补全；内置 IDE 与 SOLO 双模式，覆盖从写一行代码到交付整个项目的粒度
AI 工作台 TraeWork 网页 + 桌面 + 移动三端一体的 AI 工作台，提供 Work / Code / Design 三模式；写方案、做分析、出设计、生成应用一站式完成
终端智能体 TraeCode CLI 面向终端流的命令行 AI 编码智能体，与 IDE 独立、可单独安装，适合终端重度用户与脚本化工作流
编辑器插件 TraeCode Plugin 把 TRAE 的 AI 能力装进 VS Code 与 JetBrains，不换编辑器也能用智能体；配合 9 月上线的插件市场，入口进一步前移
移动端 TRAE App 操作界面与任务执行分离：可向云端沙箱及已配对的个人电脑下发任务，通勤路上发起、回工位收结果
企业侧 企业版能力 企业专属智能体、企业文档集、用量限额配置；9 月起企业版率先获得合并后的统一 Agent 智能体能力

注：同一账号最多同时登录 3 台客户端设备（TraeCode、TraeWork 桌面版与移动端 App 计入，网页版不计入）。

2.2 四层能力体系：从模型到扩展，逐层可控

  • 模型层：内置 GLM、Seed、DeepSeek、Kimi、MiniMax、Qwen 等系列，可开 Auto 模式让系统自动匹配、可对部分模型开启 Max 模式，也支持接入自定义模型与自定义请求地址。

  • 智能体层：合并后的 Agent 智能体作为统一入口，/goal /plan /spec 三条工作流按任务规模分流；可创建自定义智能体、Subagent，按角色组装"AI 团队"。

  • 知识层：Rules 固化规范（全局 / 项目 / 子目录三级），Memories 沉淀偏好，# 引用文件、代码、历史对话等上下文，代码索引 + 上下文压缩管理长对话。

  • 扩展层：Skill 用"方法"武装智能体，MCP Server 接入外部"能力"，插件市场提供开箱即用组件，Browser Use / Computer Use 把浏览器和桌面交给 AI，沙箱保障命令安全执行。

“规则管底线，MCP 管能力，技能管方法。”
—— 社区对 Rules / MCP / Skill 三者边界的通行总结，出自官方最佳实践讨论串

03 核心实战技巧：五个可以直接抄的动作

以下技巧全部来自近两周官方更新与社区实测，按"算账 → 交付 → 沉淀 → 选型 → 协同"的顺序排列，环环相扣。

3.1 积分经济学：先看实时倍率，再选模型【省钱】

积分制计费全面落地后，"选错模型"成为积分浪费的第一大来源。社区用户对 16 款内置模型做了实测（GLM-5.3 与 GLM-5.2 倍率相同，合并展示）：最便宜的 GLM-5.3-Flash 与 Seed-Code 均为 0.06x，最贵的 Kimi-K3 达 1.83x——同样一次提问，价差高达 30 倍。

表 1 · 16 款内置模型积分倍率对比（社区实测于 2026-09-20，以 IDE 内实时倍率为准）

模型 积分倍率 速度 · 表现
Kimi-K3 1.83x 慢 · 强推理
Qwen3.8-Max 1.50x 慢 · 强
Kimi-K2.8-Preview 0.98x 中 · 良好
GLM-5.3 / GLM-5.2 0.78x 中 · 强
DeepSeek-V4-Pro 0.72x 慢 · 推理最强（闲时）
MiniMax-M3 0.26x 中 · 良好
Qwen3.7-Plus 0.25x 中 · 一般
Seed-2.1-Turbo 0.20x 极快 · 良好
DeepSeek-V4-Flash 0.16x 极快 · 一般（闲时）
DeepSeek-V4.1-Flash 0.13x 极快 · 一般（闲时）
Seed-2.1-Pro-0915 0.08x 中 · 良好（限时 1 折）
Seed-Evolving 0.08x 中 · 实验款（限时 1 折）
Qwen3.8-Flash 0.08x 快 · 带图片理解
Seed-Code 0.06x 中 · 代码专精
GLM-5.3-Flash 0.06x 极快 · 良好

数据来源：社区用户实测帖《别再信官网折扣表！IDE 实时倍率才是积分真相——16 款模型实测全表》；倍率为该模型相对基准消耗的乘数，DeepSeek 系标注"闲时"仅闲时有效。

一句话结论：倍率呈极端长尾分布——日常任务无脑选 0.06x 档的 GLM-5.3-Flash 或 Seed-Code，视觉任务选 0.08x 且带图片理解的 Qwen3.8-Flash，把 1x 以上的模型留给真正的重活。

三条容易踩坑的"反常识"：

  • 被普遍推荐的 Seed-2.1-Turbo（0.20x）其实比 GLM-5.3-Flash（0.06x）贵 3.3 倍——"省积分切 Turbo"是流传最广的误区；

  • 闲时折扣是"薛定谔的便宜"：DeepSeek 系 0.13x 只在闲时成立，高峰恢复原价还可能排队；

  • 官网折扣表是营销口径，IDE 内实时倍率才是结算真话——查证路径：IDE 底部模型选择器 → 悬停任意模型 → 读取"积分消耗速度 x 倍"。

选对模型只是第一步。针对 Agent 开发中"积分消耗过快"的问题，社区用户以 Vue3 + TS + .NET10 管理系统为样本，整理出五招实操方案，同等需求下消耗下降约一半（原工作流 9 步约 500 积分）：

  1. 关闭项目全局自动扫描，限定 Agent 仅读取指定文件，禁止遍历整个仓库；
  2. 重构指令、合并多轮零散修改，减少"挤牙膏式"确认，同时限制 AI 自动重试与自动执行脚本；
  3. 按任务分级选模型：简单代码修改用低倍率模型，复杂重构再切换高性能模型；
  4. 预设项目规则固化技术栈信息，避免每轮对话重复描述项目背景；
  5. 构建、测试、lint 等操作放本地执行，减少云端 Agent 命令调用次数。

注意： 发任务前看一眼"思考强度"和"更大上下文 Max"两个开关——它们都会成倍放大单次消耗，日常任务保持默认即可。

3.2 Goal 模式：一次指令，交付一套能跑的系统【交付】

指标 数值 说明
完整系统总消耗 183.17 积分 前后端 6 个模块一次对话完成
总耗时 1h 38m 从发起 Goal 指令到可用系统
人工干预 ≈ 0 AI 自行完成开发与增删改查自测

这是近两周社区最有说服力的实测：用户"飞哥数智谈"以开源公益项目**爪迹 PawLog（猫咪救助管理平台）**为样本，验证了"150 积分到底能干什么"——最终用 183.17 积分、1 小时 38 分钟拿到一套前后端完整、AI 已自测过的管理系统。他的流程可以标准化为四步：

  1. 聊出产品文档——先用对话模型把想法聊成一份完整 PRD，明确模块与边界，别让 Goal 模式"边猜边做"。
  2. 生成设计参考图——根据 PRD 产出页面设计参考图，给 Goal 模式一个视觉锚点，还原度更可控。
  3. 翻译成 Goal 指令——把 PRD 交给 AI：“帮我生成一个适合 ai coding goal 模式的指令”，并在指令中写清开发节奏。
  4. 发起并等待交付——在 TraeCode 发起指令、附参考图，然后等待，AI 按节奏开发并用内置浏览器自测。

三个值得直接复用的实战细节：

  • 在 Goal 指令里定义"开发节奏"：AI 会严格按你交代的节奏推进，相当于给一位不知疲倦的开发同学下达排期；

  • 开发与测试已成闭环：AI 会自动打开内置浏览器，真实完成登录、新增、修改、搜索、弹窗与下拉交互等增删改查测试，交付物"带自检"；

  • MVP 阶段主动屏蔽环境因素：先用 sqlite 等零依赖方案降低环境对生成质量的影响，内测稳定后再切换正式数据库——环境越简单，AI 交付质量越高。

谁该用 Goal 模式： 非技术人员可以借它告别细节掌控、一次性拿到完整系统；技术人员则用它精准控制节奏与方向，把精力留给架构决策。配合 3.1 的倍率技巧（Goal 全程用低倍率模型打底），这套打法的性价比还能进一步放大。

3.3 Skill：从装一个，到自造一个【沉淀】

近两周社区热度最高的 Skill 实战，是用户"u1760757069392339"自造的系统清理 Skill：一个下午把 C 盘从 36.84 GB 清理到 99.49 GB，净释放 62.6 GB。它比"清理脚本"高明的地方，在于把四类判断交给了 AI：

  • 环境变量清理：识别失效系统变量与 PATH 死条目，删除前自动 reg export 备份，可一键还原。

  • 卸载残留识别：与 287 个已安装软件交叉比对，找出 57 个孤儿目录——规则脚本写不死，这正是 AI 擅长的判断。

  • 垃圾白名单清理：18 项白名单位置逐项确认后执行，分安全等级，不做"一键梭哈"。

  • 数据外迁与磁盘规划：Gradle/Maven/npm/pip 等工具链迁至数据盘，自动改写 8 个环境变量与配置文件，用 robocopy /MOVE 保证数据不丢。

使用门槛低到惊人：git clone 安装、重启 TRAE 或新开会话后，直接说一句"帮我清理 C 盘垃圾"，AI 会主动询问要做哪几项。全程"扫描 → 报告 → 确认 → 执行"，所有删除必须逐项确认——这套安全范式值得所有自造 Skill 抄作业。

想从"使用者"升级为"创造者"，官方最佳实践与社区踩坑经验可以浓缩成五条设计要点：

  1. 元数据决定命中率：name 用小写字母加连字符；description 用第三人称、从模型视角描述，包含触发时机关键词，1–3 个场景写透即可（官方上限 1024 字符，实战两三百字符就该收手）；
  2. 职责绝对单一：一个 Skill 只对应一个核心动作动词——把审查、修复、提交塞进一个 Skill，触发率反而大幅下降；
  3. 写明负向排除条件：“Do NOT use when …” 能挡住大量误加载，比如"用户只是查看接口文档时不触发"；
  4. 用好渐进式披露：智能体先扫描各技能的简要描述，只在高度相关时才加载全文——元数据写得好，本身就省 token；
  5. 建回归集持续迭代：每次误触发或漏触发记一条"用户原话 → 应该用哪个 Skill"，攒够 20–30 条后改一遍 description 并跑一遍验证。

目录速查：项目技能放 .trae/skills/，全局技能 Windows 为 %userprofile%\.trae-cn\skills、macOS/Linux 为 ~/.trae-cn/skills；TRAE 也支持从 .agents/skills 目录自动加载。

3.4 三大内置工作流：Plan / Spec / Goal 怎么选【选型】

9 月起，/plan /spec /goal 三条内置命令成为 Agent 智能体的标准分流入口。选型原则一句话：按任务规模递进，别用大炮打蚊子。

表 2 · 三大内置工作流对比

模式 定位 产出物 适用场景
Plan 中小型功能开发的规划先行 规划文档 新功能开发、模块改造——先对齐方案再动手，避免方向跑偏
Spec 复杂系统任务的结构化管理 三阶段文档组（spec / plan / tasks） 跨模块重构、大型项目——需求、技术方案、任务拆解逐层落档
Goal 目标驱动的端到端交付 可运行系统（含 AI 自测） 从 0 到 1 的完整应用、非技术人员的"一句话交付"（见 3.2）

推荐路径： 改几行代码直接 Chat 对话即可；功能级任务上 /plan；系统级任务用 /spec 管住复杂度，用 /goal 拿到完整交付。拿不准就先 Plan——规划文档不满意，成本远低于错误实现再回滚。

3.5 多端协同与安全底线：把组合技串起来【协同】

近两个月的更新让"多端 + 自动化"成为可用的新工作面，五个能力按这条主线组合：

  • 移动端连接 TraeCode（8 月 20 日上线）：通勤路上用手机下发任务，桌面端自动执行，回到工位直接验收；

  • 分享对话（9 月 8 日上线）：把关键会话分享给同事，问题复现不再靠截图与口述，上下文随对话一键迁移；

  • 电脑控制（Computer Use）（8 月 12 日上线，个人版）：授权 AI 操作电脑界面完成办公任务，macOS / Windows 均有明确的授权范围；

  • Browser Use：Windows 上智能体可调用外部浏览器，配合截图卡片直观回放操作过程；

  • 沙箱：智能体执行的命令在受限环境中运行，文件访问可控，为以上自动化能力兜底安全。

安全底线： 开启"自动运行"（自动执行 MCP 与终端命令）会引入外部提示词注入等风险——只在可信环境使用，并保持沙箱开启；智能体删除的文件可在系统回收站 / 废纸篓中找回。

04 生态资源地图：把入口和杠杆握在手里

会用生态资源的人，成长速度是完全不同的量级。

表 3 · 官方核心入口

入口 地址 什么时候用
官网 trae.cn 下载客户端、了解产品矩阵与企业版
官方文档 docs.trae.cn 功能细节以文档为准；llms.txt 是全站文档索引
官方中文社区 forum.trae.cn 技巧分享、案例作品、福利活动、问题答疑都在这里发生
更新日志 docs.trae.cn/ide_changelog 每周扫一眼，新能力第一时间用上（本文第 1 章即来自这里）

4.1 常用 MCP：给智能体接上外部世界

  • Context7：文档检索与注入，让 AI 用最新 API 而不是记忆里的旧版本；

  • Playwright：网页自动化测试，截图、点击、填充一条龙；

  • Figma AI Bridge：把 Figma 设计稿直接转成前端代码；

  • 高德地图：坐标转换、天气查询、行程规划等生活向能力。

4.2 热门 Skill 方向：站在社区肩膀上

官方"研发场景十大热门 Skills"覆盖前端设计、代码审查、缓存优化、全栈开发等环节；非研发侧 PRD 写作、PPT 生成、PDF / 飞书文档处理类 Skill 同样热度不减。起步建议：先装 2–3 个高口碑 Skill 跑通"触发—执行"体感，再对照 3.3 的五条要点自造第一个——你的第一个 Skill，最好来自你本周重复了三次的某个动作。

4.3 参与官方活动：把经验变成收益

正在进行中的**「金九银十就业季有奖征集」**（截至 9 月 27 日）门槛很低：任何用 TRAE 做的简历优化、面试准备、作品集、投递管理类小作品均可参赛，优秀创作者可获键盘与积分奖励。发帖带上活动话题、正文写清"我是谁 / 做了什么 / 怎么做的 / 成果截图"，既是参赛，也是给自己沉淀一份可检索的技术资产。

05 上手行动清单：按角色抄作业

把前面的技巧折算成今天就能执行的步骤。

开发者

  • 查实时倍率：模型选择器悬停，日常锁定 0.06x 档

  • 固化项目 Rules：技术栈、命名、提交规范一次写清

  • 按规模选工作流：改动 Chat / 功能 Plan / 系统 Spec·Goal

  • 建团队 Skill 库：把高频流程沉淀成 .trae/skills

  • 连接移动端：碎片时间下发任务

产品 / 非技术

  • TraeWork Work 模式起步：先聊 PRD、做分析找体感

  • 照 3.2 四步走 Goal 模式：文档 → 参考图 → 指令 → 交付

  • MVP 先用零依赖方案：sqlite 起步，屏蔽环境干扰

  • 装 2–3 个成品 Skill：文档处理 / 表格 / PPT 类最实用

效率玩家

  • 试 Computer Use：授权范围内让 AI 操控桌面应用

  • Browser Use 自动化：网页操作交给外部浏览器

  • 自造第一个 Skill：从重复三次的动作里选题

  • 盯更新日志：每月新能力先到先得

最后回到那个贯穿全文的判断：TRAE 近两周的更新把生态从"工具箱"升级成了"工作台"——模型层会算账、智能体层会选流、知识层会沉淀、扩展层会组装的人，才能真正吃到这波生态红利。技巧清单已就位，剩下的就交给你的第一个任务。

引用来源

  1. TraeCode 更新日志（2026 年 9 月版本记录）（2026-09-21 查阅）
  2. TRAE 官网更新日志（2026-09-21 查阅）
  3. TraeWork 更新日志（2026-09-21 查阅）
  4. 《GLM-5.3-FlashX 模型上新！！！》（TRAE 官方中文社区，2026-09-20）
  5. 《【金九银十就业季有奖征集】晒出你用 TRAE 做的求职作品》（官方运营帖，2026-09-14）
  6. 《别再信官网折扣表！IDE 实时倍率才是积分真相——16 款模型实测全表》（社区实测，2026-09-20）
  7. 《【经验分享】TraeCode Agent 积分消耗过高踩坑 + 前端项目降积分消耗实操方案》（社区实测，2026-09-18）
  8. 《TraeCode 180 积分帮我做了一套系统，全程我感觉自己有点多余》（社区实测，2026-09-17）
  9. 《C 盘爆满自救：我写了个 Skill，一个下午清出 62.6 GB》（社区实战，2026-09-06）
  10. 《官方最佳实践｜TRAE 核心功能》（官方运营汇总帖）
  11. 《如何写好一个 Skill：从创建到迭代的最佳实践》
  12. 《研发场景十大热门 Skills 推荐》
  13. 《热门 MCP Server 详解》
  14. 《内置工作流：Plan、Spec 与 Goal》
  15. 《沙箱》；及《自动运行 & 安全性》
  16. TRAE 官网
  17. TRAE 官方文档索引 llms.txt
  18. 《设备数量限制》
  19. 《快速开始：TRAE 移动端》

说明：模型倍率、积分消耗等数据均为社区用户实测结果，可能随官方计费策略调整而变化，请以 IDE 内实时显示为准；模型与功能可用性因订阅档位与版本（个人版 / 企业版）而异，最新信息请查阅官方文档。

2 个赞