TRAE - IDE
TRAE AI IDE | 国内首款 AI 原生集成开发环境，深度集成 Doubao-1.5-pro 与 DeepSeek 模型，支持中文自然语言一键生成完整代码框架，实时预览前端效果并智能修复 BUG。首创 Builder 模式实现需求到代码的自动化开发，兼容 Windows/macOS 系统，官网下载即用。
TRAE - IDE 介绍
TRAE IDE 是一个深度融合大模型能力的新一代集成开发环境。
它能帮你把写代码的过程变成像日常聊天一样自然，用来处理前后端开发与自动化任务都不成问题。你只需要把需求说清楚，剩下的目录结构与依赖管理它都会替你理顺，让你专注在核心业务思路上。
主要功能
自然语言生成代码
通过对话直接输入需求，自动写出完整文件或项目骨架
智能调试与修复
自动识别运行报错并给出修改方案，甚至直接替换问题代码段
一键搭建项目
根据描述自动创建文件夹、配置依赖环境并启动初始服务
全局上下文记忆
读取当前文件与整体项目逻辑，提供精准的补全提示与重构建议
使用场景
跨模块项目开发初始化
新建工程时需要手动规划文件层级并逐一安装运行所需的第三方组件
直接在界面中输入业务需求描述，系统自动生成立体目录结构并加载对应依赖，支持前后端代码编写与自动化任务处理
复杂业务逻辑的逐步实现
频繁切换不同编辑面板与命令行工具会打断整体编码节奏
采用日常对话模式逐条提出功能要求，内置模型自动接管底层文件组织与依赖配置，使工作流始终围绕核心业务展开
使用建议
这套工具特别适合习惯用对话交互、想跳过重复性模板代码的开发者用来加快日常开发节奏。
也有个问题是它的核心流程比较依赖云端模型的稳定响应，如果经常在信号差或者完全断网的车间里工作，建议提前准备好离线版工具作为备选。
套餐详情
- Chat / Builder / Agent / MCP / Rules
- IDE / 插件形态
- Max 模式
- SOLO 模式
- 每席每月，1人起购
- 30M 会话 Tokens + 10M 补全 Tokens
- Chat / Builder / Agent / MCP / Rules
- IDE 形态
- Max 模式
- 成员与权限管理
- 企业版专用推理服务
- 每席每月，1人起购
- 40M 会话 Tokens + 20M 补全 Tokens
- Chat / Builder / Agent / MCP / Rules
- IDE / 插件形态
- Max 模式
- 成员与权限管理
- 企业版专用推理服务
- 企业数据看板
- 审计日志
- 企业知识库
- 企业自定义 Agent
- 企业级安全管控
- 优先体验国内 SOTA 模型
- 每席每月，10人起购
- 50M 会话 Tokens + 40M 补全 Tokens
- Chat / Builder / Agent / MCP / Rules
- IDE / 插件 / CLI 全形态
- Max 模式
- SOLO 模式
- 成员与权限管理
- 企业版专用推理服务
- 企业数据看板
- 审计日志
- 企业知识库
- 企业自定义模型接入
- 企业自定义 Agent
- 企业级安全管控
- 用量精细管控
- IP 白名单管理
- 网络访问控制
- 优先体验国内 SOTA 模型和最新功能
常见问题
用户评分
为此工具评分
相关工具推荐
CodeBuddy
腾讯云工具 CodeBuddy 是下一代 AI Code Editor。Powered 由 Tencent Yuanbao Code Large Model 提供支持，包括代码补全、错误诊断、技术 Q&A 和性能优化等服务。Supporting 支持主流编程语言，编码效率提升 90%，代码错误率降低 35%，使其适用于企业级应用开发和教学实践。
CodeBuddy
腾讯云工具 CodeBuddy 是下一代 AI Code Editor。Powered 由 Tencent Yuanbao Code Large Model 提供支持，包括代码补全、错误诊断、技术 Q&A 和性能优化等服务。Supporting 支持主流编程语言，编码效率提升 90%，代码错误率降低 35%，使其适用于企业级应用开发和教学实践。
Amazon Q 开发者版
Amazon Q Developer（原CodeWhisperer）是AWS亚马逊的生成式AI编程助手，可在IDE中生成、调试、重构代码，并提供安全扫描、测试生成与智能体编码等能力，提升开发效率。
Amazon Q 开发者版
Amazon Q Developer（原CodeWhisperer）是AWS亚马逊的生成式AI编程助手，可在IDE中生成、调试、重构代码，并提供安全扫描、测试生成与智能体编码等能力，提升开发效率。
最新资讯
智能体AI验证与自改进机制研究
arXiv新论文提出一种形式化框架，用于分析智能体AI系统在验证与自改进过程中的能力边界。该研究区分了不同改进机制，并通过有界验证、随机性控制和复杂性类分析，揭示了自改进行为对正确性、证据要求及资源消耗的影响。
LLM智能体受限自演化与准入闸门机制
一项arXiv研究提出，自我改进的LLM智能体若重写自身，会破坏监管者所依赖的变更记录。研究者将自演化限定在运行时挂架层，模型权重保持不变，并设计带哈希链记录的准入闸门。仿真中闸门仅接纳7449个候选变更中的144个，且无一致命错误恶化。
智能体可控遗忘机制实现上下文可逆压缩
arXiv论文提出智能体控制的遗忘机制，让模型把冗余的工具返回结果替换为简短笔记并存入可恢复归档，无需任务训练。在OpenTelemetry调试实验中，提示词token从912492降至231951，成本从约4.38美元降至约1.28至1.44美元，但耗时增加17%，且节省效果依赖具体工作负载。
可解释的表头中心语义表格解读框架
arXiv 上一项研究提出以表头为中心的可解释框架，用于仅有元数据条件下的列类型标注与数据质量评估。该框架把表头映射为39种可解释类型，结合数据质量问题分类体系生成规则化检测，并聚合为数据源级指标 HeadersIQ，在约12万列表头上完成评测。
无模式数据合成框架STS实现企业级智能体训练数据生成
研究者提出无模式数据合成范式STS，让大模型智能体在模拟企业环境中通过调用策略执行API生成数据，由构造保证结构有效性。其通用填充器GP在十个环境中实现0.88平均边际保真度与百分之百约束满足，且无需访问数据库模式，并开源全部框架、环境与数据集。