💻 范式革新：TRAE SOLO 作为多智能体工作站的零代码实战
摘要 (Abstract)
我们通常将 Web Coding 工具（例如 Cousor, claude code, trad、codex, T）视为提高编写代码效率的工具。然而，通过深度实验发现，这些工具本质上是隐藏在 IDE 里的超级 AI Agent 平台。它们是本地迷你版的 AUTGPT 工作站，或是一个能跑数据分析的 NL 客户端。本文将以构建一个 NL2SQL（自然语言转 SQL）数据分析工作流为例，展示如何通过配置 Agent 体系而非编写代码，实现高度自动化、可控制的数据分析和可视化过程。
关键词： TRAE SOLO；AI Agent；；零代码开发；MCP；Vibe Coding 范式转变
一、AI 编程工具的本质与新范式
Web Coding 工具的功能远不止于写代码。它们能够执行代码、在代码里纠错、修復代码，并支持配置 MCP、调用工具、调动和编排智能体（Agent）的工作。
1.1 Vibe Coding 的核心转变
Vibe Coding 的概念不再是“写代码的工具”，而是将开发者的电脑变成了本地可控的智能体总控平台。未来的软件将越来越多地不是写出来的，而是由智能体协作完成的。
1.2 强大的 Agent 功能
通过配置，智能体可以具备以下能力，使其成为一个完整的本地工作站：
- 执行与推理： 自动修正、自动推理。
- 用户介控： 允许用户在执行错误时及时介入修改，让其继续工作。
- 操作能力： 智能体可以去阅读、编辑代码，操纵终端，预览，甚至可以联网搜索。
- 平台定位： 它是一个带 UI 的多智能体工作站，一个能跑数据分析的 NL 客户端，一个能配置 Agent 系统的 LCH。
1.3 零代码的可能性
在构建复杂的 NL2SQL 工作流的整个过程中，作者一行代码都没有写。只需要负责告诉 Agent 需求，剩下的全部由 Agent 协作完成。
二、实战案例：NL2SQL 数据分析工作流的构建
本项目旨在将自然语言提问（如“统计一下每个商品下有多少，每个类别下有多少商品”）转化为 SQL 查询，执行后输出结果和可视化图表（如标准 SVT 图）。
2.1 自动化工作流的 Agent 链
为了实现这一目标，我们配置了一个包含多个专业化 Agent 的流水线（Pipeline）：
| Agent 角色 | 核心职能 |
|---|---|
| 路由识别 Agent | 负责识别查询的路由。 |
| 芋头识别 Agent | 负责识别查询中的关键要素。 |
| 查询规范化 Agent | 负责规范化用户的自然语言查询。 |
| 写 SQL Agent | 负责生成 SQL 代码。 |
| SQL 推理 Agent | 负责对生成的 SQL 进行推理。 |
| 执行 SQL Agent | 负责执行 SQL 查询，直接连接数据库。 |
| 写代码 Agent | 负责编写可视化代码（如 SVT 图）。 |
| 可视化图 Agent | 负责生成和展示可视化图表。 |
| 数据洞察 Agent | 负责最终的数据洞察和总结。 |
三、利用 TRAE SOLO 构建自动化系统的步骤整理
以下是构建上述零代码、多智能体 NL2SQL 数据分析工作流的详细步骤：
步骤一：配置模型上下文协议 (MCP)
在开始定义 Agent 之前，必须先配置 MCP。
- 行动： 第一步给工具配置一个 MCPM 的 MCP（模型上下文协议）。
- 目的： 为后续智能体的工作提供必要的上下文和基础能力支撑。
步骤二：定义与创建专业化 Agent
根据工作流的需求，定义并创建一系列具有特定职责的 Agent。
- 行动： 定义一堆 Agent，这些 Agent 无需特别复杂。
- 数量与功能： 按照流水线的需求，配置如路由识别、查询规范化、写 SQL、执行 SQL 等 Agent。
步骤三：设置 Agent 的职责、提示词与调用条件
每个 Agent 必须有清晰的职能和触发机制，以确保它们能按需协作。
- 行动： 编写好提示词（Prompt），然后告诉 Agent 它在什么地方，它的职责是什么。
- 调用设置： 设置 Agent 在什么时候被调用（何时被调用）。
步骤四：编排 Agent 流水线
将独立的 Agent 按照数据处理的逻辑顺序串联起来，形成自动化工作流。
- 行动： 把 Agent 们串成了一个流水线。
- 目的： 确保 Agent 能够自动推理、自动执行，并实现从自然语言提问到可视化结果输出的完整链条。
步骤五：下达自然语言指令并启动执行
通过自然语言提问启动整个系统。
- 行动： 向 Agent 平台提问（例如：“根据性别统计，注册用户数并生成对语图”）。
- 过程： 在执行过程中，系统会自动调用 Agent 和调用工具，例如调用路由识别 Agent、查询规范化 Agent，并调用相应的工具来执行 SQL。
步骤六：用户介入与结果验证
在执行过程中，可进行实时监控和干预。
- 行动： 当 Agent 执行的时候，如果发现它错了，可以及时地介入去修改它，它又可以继续去工作（用户介入）。
- 验证： 验证最终结果，确保输出的商品统计数量和生成的可视化图表（如 SVT 图）符合预期且没有问题。
四、结论与未来展望
这次实战证明，像 TRAE SOLO 这样的 Web Coding 工具，其真正的价值在于它是一个可配置的智能体总控平台。开发者在未来的应用开发中，不再需要去写后端或复杂的 API。只需配置 MCP 和 Agent，让智能体在里面去自动推理、自动执行，就能拥有一套自动运行的智能工具体系。
这预示着一个被忽视却足以改变开发的生产力的范式变化。未来软件的构建将更多依赖于智能体协作完成。
