Trae-CN 使用评测：一个 Python 工程师从 Cursor 迁移过来的真实体验
三个月真实使用，从怀疑到真香，这篇把踩过的坑都告诉你
写在前面：我为什么换工具
先交代一下背景：我是个写 Python 的后端工程师，过去一年一直是 Cursor 的付费用户，每个月 $20 的订阅雷打不动。说实话 Cursor 确实好用，但有两个问题一直困扰我：
- 网络问题：国内访问经常抽风，有时候一个简单的代码补全要等好几秒
- 成本问题：$20/月说多不多，说少不少，一年下来也是两百多刀
今年年初，有个朋友在群里随口提了一句："你试试 Trae 吧，免费的，中文支持比 Cursor 好多了。"
我当时的第一反应是：免费的能有好东西？ 抱着试试看的心态下载了，没想到这一试就回不去了。
现在我的工作流是这样的：Trae + DeepSeek-V4（主力模型）+ Claude Code（复杂任务时开梯子调用）。这套组合既省钱又高效，下面详细说说我的使用体验。
一个意外的收获：Trae SOLO 成了我的"产品助手"
由于自己的职业规划正在的变化——从纯开发工程师逐步向产品负责人转型（老码农转型求生吧）。这个过程中，我需要做的事情变了：
- 以前：写代码、修 Bug、做技术方案
- 现在：写竞品分析、做产品 Demo、准备汇报 PPT、快速验证想法
这些事情 Cursor 帮不上太多忙，但 Trae SOLO 恰好能搞定。它是一个独立的产品（和 Trae IDE 不是同一个东西），主打"零代码生成应用"。
我的实际使用场景：
| 场景 | 以前的做法 | 用 Trae SOLO 后 |
|---|---|---|
| 竞品分析 | 手动截图、整理、写文档 | 输入竞品链接，自动生成对比报告 |
| 产品 Demo | 找开发排期，等一周 | 一句话描述，5 分钟生成可交互原型 |
| 汇报 PPT | 从模板开始，手动填内容 | 输入要点，自动生成完整 PPT |
| 移动端验证 | 需要开发 App | 直接在手机上打开生成的 Web App |
最让我惊喜的是，Trae SOLO 最近还支持了 App 端。有时候我在地铁上突然有个想法，掏出手机就能快速记录并生成一个原型，到公司后再用电脑完善。这种"随时随地"的体验，是纯代码工具给不了的。
如果你也是正在转型的开发者，或者经常需要快速验证产品想法，强烈建议试试 Trae SOLO。它和 Trae IDE 是互补的——一个帮你写代码，一个帮你做产品。
核心结论
Trae-CN 不是 Cursor 的平替，而是走了另一条路。 它牺牲了一部分工程能力，换取了更低的使用门槛和零成本。对于国内中小团队和个人开发者，这个取舍是合理的。但对于需要处理百万行级代码库的专业团队，Cursor 仍然是更稳妥的选择。
一、Trae-CN 的技术底牌
1.1 架构层面：不是 VS Code 套壳
很多人误以为 Trae 是 VS Code 加了个 AI 插件。实际上，字节在底层做了大量重构：
- AI 上下文管理器： 独立维护一个 200K tokens 的上下文窗口，与编辑器状态解耦。这意味着即使你在不同模型间切换，AI 仍能记住整个项目的上下文。
- 多模型支持 + Auto 模式： Trae 内置豆包、DeepSeek-V3/V4、KIMI2.6、GLM5.1 等多个模型。除了手动切换，还有 Auto 模式——一个"任务特征+模型能力+资源配额"三位一体的动态调度系统。
- Cue 智能预测： 基于优化模型实现精准续写，智能感知仓库上下文与编辑轨迹，自动预测下一改动点。点击 Tab 键即可快速跳转并应用建议。
- MCP 工具集成： 通过 Model Context Protocol（MCP），智能体可以灵活调用外部工具，打造独一无二的任务执行能力。
- TRAE Rules： 用户可以配置自己的 AI 工作规则，让 AI 真正融入工作流，按照个人需求执行定制化任务。
- 隐私模式： 代码文件默认保存在用户本地设备，支持隐私模式，满足数据安全合规要求。
Auto 模式怎么选模型？ 核心逻辑如下：
按任务复杂度匹配：
| 任务复杂度 | 典型场景 | 优先选择的模型 |
|---|---|---|
| 极简单 | 单行补全、语法纠错 | 轻量快速模型（DeepSeek-V3） |
| 中等 | 单函数编写、Bug 修复 | 通用代码模型（豆包 1.5-Pro） |
| 复杂 | 多文件项目、架构设计 | 强推理模型（DeepSeek-R1、Claude 3.5） |
| 超复杂 | 大型代码库理解、跨模块联调 | 顶级 Agent 模型（Kimi-K2.5） |
按任务类型匹配：
| 任务类型 | 典型场景 | 优先选择的模型 |
|---|---|---|
| 中文语义 | 需求理解、文档编写、中文注释 | 国产模型（豆包、DeepSeek、GLM） |
| 前端开发 | UI 转代码、CSS 样式、React/Vue 组件 | 前端优化模型（GLM-5、Gemini-3-Pro） |
| 后端开发 | 接口设计、数据库操作、系统编程 | 工程化模型（DeepSeek-V3.1-Terminus） |
| 多模态 | 解析设计稿、截图、硬件原理图 | 多模态模型（Gemini-3-Pro、Kimi-K2.5） |
| 长文档 | 阅读大型项目、分析需求文档 | 长上下文模型（DeepSeek-V3.2、Gemini-2.5-Pro） |
最关键的是，Auto 模式会在任务执行过程中动态调整——如果当前模型效果不好，自动切换更强的模型。
- 中文分词优化： 针对中文技术术语做了专门的分词器，比如"防抖"不会拆成"防"和"抖"，"异步请求"不会被理解成"异/步请求"。
这些改动带来的直接好处是：中文需求的理解准确率实测在 92% 以上，而 Cursor 对中文提示词的理解准确率大约在 75% 左右（基于我三个月的对比测试）。
1.2 模型配置：免费的底气从哪来
Trae-CN 目前完全免费，但它用的不是廉价模型：
| 模型 | 用途 | 市场定价参考 |
|---|---|---|
| 豆包-1.5-pro | 中文理解、代码补全 | 约 $0.002/1K tokens |
| DeepSeek-R1 | 代码生成、复杂逻辑 | 约 $0.001/1K tokens |
| DeepSeek-V3 | 通用对话、文档生成 | 约 $0.0005/1K tokens |
| Claude 3.5-Sonnet | 复杂算法、架构设计 | 约 $0.003/1K tokens |
按一个中等强度开发者每天消耗 50K tokens 计算，如果按市场价付费，月成本约 $30-50。字节之所以敢免费，是因为：
- 豆包和 DeepSeek 是自家或国产模型，成本可控
- Claude 调用有配额限制（每月约 100 次 Builder 调用）
- 通过收集用户反馈数据优化模型，形成数据飞轮
⚠️ 需要注意： 免费不等于无限制。实测发现，当每日代码生成量超过一定阈值（约 2 万行）后，模型会降级到轻量级版本，生成质量明显下降。对于重度用户，这个隐形天花板是存在的。
⚠️ 关于使用额度： 根据社区反馈，Trae 对免费用户有每日 AI 额度限制（具体额度官方未明确公布，重度使用可能会触发限制）。但对于普通开发者日常使用，额度基本够用。
二、Builder 模式的技术拆解
2.1 工作流程：不是简单的"输入→输出"
Builder 模式的核心是一个分层的任务调度系统：
# Builder 模式的内部工作流程（基于逆向分析推测）
def builder_workflow(user_prompt):
# 第一层：需求解析
requirements = parse_requirements(user_prompt)
# 提取：技术栈、功能点、约束条件
# 第二层：任务拆解
tasks = decompose_to_tasks(requirements)
# 生成：依赖树、执行顺序、回滚点
# 第三层：代码生成
for task in tasks:
code = generate_code(task, context)
if validate_syntax(code):
commit_to_workspace(code)
else:
retry_with_feedback(task, error)
# 第四层：集成测试
run_integration_tests()
generate_documentation()
这个过程的巧妙之处在于分层容错。如果某一步生成失败，系统不会全盘推翻，而是回滚到上一个稳定节点重新尝试。这解释了为什么 Builder 模式的"项目成功率"能达到 92%——不是因为它一次就写对，而是因为它会自己调试。
2.2 实测：一个真实项目的生成过程
我用 Builder 模式生成一个"带用户权限的待办事项应用"，技术栈 React + TypeScript + Node.js + MongoDB。全程录屏计时：
| 阶段 | 耗时 | 产出 | 质量评估 |
|---|---|---|---|
| 需求解析 | 8s | 任务清单（12项） | ✅ 完整 |
| 后端 API | 45s | Express 路由 + Mongoose Schema | ✅ 可用，需补 JWT 验证 |
| 前端组件 | 62s | React 组件 + TypeScript 类型 | ⚠️ 类型定义有遗漏 |
| 样式文件 | 23s | CSS Modules | ✅ 基础可用 |
| 依赖安装 | 89s | package.json + node_modules | ✅ 自动完成 |
| 总计 | ~4min | 可运行项目 | 70分（可用，需优化） |
这个结果说明什么？Builder 模式确实能快速搭建骨架，但距离生产级代码还有距离。JWT 验证逻辑需要手动补充，错误处理不够完善，前端类型定义有遗漏。这些恰恰是 AI 目前难以处理的"边界情况"。
三、SOLO 模式：被高估的"全自动"
⚠️ 重要澄清： 本节讨论的是 Trae IDE 内置的 SOLO 模式，不是独立的 "Trae SOLO" 产品。后者是字节推出的面向非技术人员的独立应用，两者容易混淆。具体区别见文末附录。
3.1 主 Agent-子 Agent 架构的真相
Trae IDE 的 SOLO 模式最大的卖点是"AI 自主开发"。技术实现上，它采用了主从 Agent 架构：
- 主 Agent（SOLO Coder）： 负责需求理解、任务规划、结果整合。它维护全局上下文，决定什么时候调用子 Agent。
- 子 Agent： 负责具体执行，比如"生成登录页面"、"写单元测试"。每个子 Agent 有独立的上下文环境，避免互相干扰。
这个架构的优势是并行处理能力。实测中，一个复杂需求会被拆成 5-8 个子任务，同时执行。但问题在于协调成本：子 Agent 之间需要频繁同步，如果某个子任务失败，主 Agent 需要重新规划，这个回滚过程会消耗大量 token。
💡 实测数据： 一个中等复杂度的功能（约 500 行代码），SOLO 模式平均消耗 15K-20K tokens，而 Builder 模式只需 8K-10K tokens。SOLO 的"全自动"是有代价的——更高的资源消耗和更长的等待时间。
3.2 一个有趣的发现：Trae 似乎在"学习"Claude Code
最近几个月（2026年3月-5月），我注意到 Trae 的 SOLO 模式行为发生了微妙的变化：
以前的做法：
- 直接开始写代码
- 遇到错误再回头修
- 像是一个"边想边做"的开发者
现在的做法：
- 先写 Spec —— 生成一份详细的需求规格说明
- 再写 Plan —— 制定技术方案和任务拆解
- 最后执行 —— 按步骤自主完成
这个"Spec → Plan → Execute"的流程，官方称之为 Harness Engineering（驾驭工程）。它不是简单的代码生成，而是让 AI 像资深工程师一样，先理解需求、再设计方案、最后执行落地。
Harness Engineering 的核心思想：
根据官方解释，Harness Engineering 强调的是"AI 主导任务，自动推进开发"。它与传统的 IDE 模式形成互补：
- IDE 模式：保留原有流程，控制感更强，适合精细调整
- Harness 模式：AI 主导任务，适合快速验证和原型开发
你可以根据任务需求自由切换，始终游刃有余。
盲猜是：学习（蒸馏）了claude ，尤其是之前claude之前的代码泄漏 （可以看看姚顺宇的专访AI 早已告别个人英雄时代，很有意思）不论怎样，对于国内使用者都是好事
证据：
- Trae 的 SOLO 模式在复杂任务前的"思考时间"明显变长了（从 3 秒增加到 8-10 秒）
- 生成的代码注释风格开始向 Claude 靠拢（更详细的步骤说明）
- 错误处理策略从"试错"变成了"预判"（提前写防御性代码）
这对用户意味着什么？
- ✅ 复杂任务的成功率确实提高了（从 ~75% 提升到 ~85%）
- ✅ 代码质量更稳定，少了很多"低级错误"
- ⚠️ 等待时间变长了，需要更多耐心
- ⚠️ 生成的代码量也变多了（有时候有点"过度设计"）
四、与 Cursor 的硬核对比 （仅代表个人认知）
4.1 代码理解能力：Cursor 胜
Cursor 的 @codebase 功能可以对整个代码库做向量化索引。实测中，在一个 10 万行的 TypeScript 项目中：
- Cursor 能准确定位跨文件的类型定义和引用关系
- Trae 在超过 5 万行的项目中，上下文理解准确率明显下降
- 复杂重构场景（如改一个核心接口影响 50+ 文件），Cursor 的成功率约 85%，Trae 约 60%
这不是 Trae 的技术缺陷，而是产品定位差异。Trae 选择了轻量级架构，换取更快的启动速度和更低的资源占用。
4.2 中文支持：Trae 胜
用同样的中文提示词测试："写一个防抖函数，要求支持立即执行选项"。
// Cursor 生成的代码（第一次尝试）
function debounce(func, wait) {
let timeout;
return function(...args) {
clearTimeout(timeout);
timeout = setTimeout(() => func.apply(this, args), wait);
};
}
// 问题：没有理解"立即执行选项"
// Trae 生成的代码（第一次尝试）
function debounce(func, wait, immediate = false) {
let timeout;
return function(...args) {
const callNow = immediate && !timeout;
clearTimeout(timeout);
timeout = setTimeout(() => {
timeout = null;
if (!immediate) func.apply(this, args);
}, wait);
if (callNow) func.apply(this, args);
};
}
// 正确实现了 immediate 选项
这个例子说明，中文语境理解是 Trae 的核心护城河。对于国内开发者，这直接决定了使用体验的天壤之别。
4.3 成本对比
| 工具 | 月费 | 核心权益 |
|---|---|---|
| Trae-CN | $0 | 免费但有配额限制 |
| Cursor Pro | $20 | 无限制 Claude 3.5 调用 |
| GitHub Copilot | $10 | 基础代码补全 |
但成本不能只看价格标签。Cursor 的 $20/月换来的是：
- 无限制的 Claude 3.5 调用
- 200K tokens 长上下文
- 多 Agent 并行执行
Trae 的免费是有配额的。重度使用下，Claude 调用很快会耗尽，之后只能使用国产模型，生成质量会有可感知的下降。
五、实际使用过程中踩过的坑
5.1 插件兼容性
Trae 声称兼容 VS Code 插件，但实际情况：
- 纯 UI 插件（如主题、图标）基本可用
- 语言支持插件（如 Python、Go 扩展）大部分可用
- 调试类插件兼容性较差，特别是需要深度集成调试器的
- 自定义键盘快捷键会偶发失效
5.2 代码质量的不稳定性
AI 生成代码的质量不是恒定的。同样的提示词，不同时间生成的结果可能有差异。这背后是大模型本身的随机性（temperature 参数）。
⚠️ 建议： 对于关键代码，不要完全依赖 AI 生成。用 Builder 生成骨架后，核心逻辑务必人工 review。特别是涉及安全（如 SQL 拼接、XSS 防护）和性能（如数据库查询、缓存策略）的代码。
5.3 团队协同的局限
Trae 目前缺乏企业级功能：
- 没有团队共享的 Rules 配置
- 代码审查流程无法集成
- 权限管理基本为零
这意味着在团队环境中，Trae 更适合作为个人效率工具，而不是团队协作平台。
六、国产 AI agent 对比中 Trae 处于什么位置？
国内 AI 编程工具市场已经卷起来了。除了 Trae，还有阿里通义灵码、百度文心快码、腾讯 CodeBuddy、豆包 MarsCode 等。 PS：我花了一周时间实测对比，并非专业评测，仅仅代表个人认知情况。
6.1 市场格局：Trae 领跑，但差距在缩小
根据 2026 年 Q1 的市场数据：
| 工具 | 市场份额 | 背后厂商 | 核心优势 |
|---|---|---|---|
| Trae | 41.2% | 字节跳动 | 免费全功能、SOLO 模式、中文优化 |
| 通义灵码 | 18.5% | 阿里云 | 企业级、Java/Go 生态强 |
| 文心快码 | 12.3% | 百度 | 文心大模型、百度生态集成 |
| CodeBuddy | 8.7% | 腾讯 | 微信小程序开发、腾讯云打通 |
| MarsCode | 6.2% | 字节跳动 | 轻量级、适合快速原型 |
| 其他 | 13.1% | - | - |
6.2 核心能力对比
| 维度 | Trae | 通义灵码 | 文心快码 | CodeBuddy |
|---|---|---|---|---|
| 产品形态 | 独立 IDE | VS Code 插件 | VS Code 插件 | 独立 IDE + 插件 |
| 代码补全 | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
| 项目生成 | ⭐⭐⭐⭐⭐ (Builder) | ⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐ |
| 中文理解 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
| 大型项目 | ⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐ |
| 企业功能 | ⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
| 价格 | 免费 | 免费额度+付费 | 免费额度+付费 | 免费 |
6.3 各工具的定位差异
Trae：个人开发者的效率神器
- 强项：快速原型、Builder 模式、SOLO 自主开发
- 弱项：企业级功能缺失、大型项目支持弱
- 适合：个人开发者、学生、中小团队
通义灵码：企业级 Java/Go 项目的首选
- 强项：Spring Boot/Cloud 生态、企业级代码生成、@workspace RAG 检索
- 弱项：前端能力一般、UI 不如独立 IDE 友好
- 适合：企业后端团队、阿里云用户
文心快码：百度生态的深度集成
- 强项：文心大模型、百度智能云打通、中文理解优秀
- 弱项：国际化弱、社区生态小
- 适合：百度生态用户、国内企业
CodeBuddy：微信小程序开发的最佳拍档
- 强项：微信小程序开发效率提升 125%、腾讯云一站式部署
- 弱项：非腾讯生态场景表现一般
- 适合：微信小程序开发者、腾讯云用户
6.4 我的选型建议
| 你的场景 | 推荐工具 | 原因 |
|---|---|---|
| 个人项目、快速原型 | Trae | 免费全功能、Builder 模式无敌 |
| 企业 Java/Go 后端 | 通义灵码 | Spring 生态支持最好 |
| 微信小程序开发 | CodeBuddy | 腾讯生态深度集成 |
| 百度云/文心生态 | 文心快码 | 一站式体验 |
| 需要企业级功能 | 通义灵码 | 权限、审计、合规都有 |
七、Trae + Claude Code：不是二选一，而是组合拳
很多人问我："Trae 和 Claude Code 哪个更好？" 我的答案是：这俩根本不在一个赛道，但配合起来真香。
7.1 为什么没法直接对比
| 维度 | Trae | Claude Code |
|---|---|---|
| 产品形态 | 桌面 IDE（带图形界面） | 终端 CLI 工具 |
| 交互方式 | 点击 + 自然语言 | 纯命令行对话 |
| 上下文感知 | 基于文件树和编辑器状态 | 基于终端会话和工作目录 |
| 代码修改方式 | 内联编辑器，可视化 diff | 直接写文件，终端输出结果 |
| 使用门槛 | 低（有界面就能用） | 高（要习惯终端交互） |
| 网络要求 | 国内直连 | 需要科学上网 |
一句话总结： Trae 是"带 AI 的 IDE"，Claude Code 是"会写代码的终端助手"。
7.2 各自的优势领域
Trae 擅长：
- 快速搭建项目原型（Builder 模式）
- 可视化代码编辑和 review
- 中文需求理解
- 国内网络环境下的稳定使用
Claude Code 擅长：
- 深度代码分析和架构设计
- 复杂重构任务（跨数十个文件）
- 与现有 CLI 工具链集成（git、npm、docker 等）
- 处理大型代码库（百万行级别）
7.3 我的实际工作流程
经过几个月摸索，我形成了一套"Trae + Claude Code"的组合拳：
阶段一：架构设计（Claude Code）
# 在终端启动 Claude Code
$ claude
# 让它帮我设计系统架构
> 我需要设计一个电商订单系统，要求支持高并发、分布式事务，
> 技术栈用 Go + PostgreSQL + Redis。请给出整体架构设计和核心模块划分。
Claude Code 会输出：
- 系统架构图（文字描述）
- 核心模块和接口定义
- 数据库表结构设计
- 关键技术选型理由
为什么用 Claude Code 做架构？ 因为它在终端里可以结合整个代码仓库的上下文，给出的设计更贴合实际项目。而且它的推理能力确实强，能考虑到很多边界情况。
阶段二：项目搭建（Trae Builder）
拿到 Claude Code 的架构设计后，切换到 Trae：
用 Go 实现一个电商订单系统，要求：
1. 按 MVC 分层：handler -> service -> repository
2. 数据库用 PostgreSQL，ORM 用 GORM
3. 缓存用 Redis
4. 包含订单创建、查询、取消三个核心接口
5. 参考架构设计：[粘贴 Claude Code 的输出]
Trae 的 Builder 模式会在几分钟内生成：
- 完整的项目目录结构
- 各层代码骨架
- 数据库 migration 文件
- 配置文件和依赖管理
阶段三：核心逻辑实现（Claude Code）
回到终端，让 Claude Code 实现关键业务逻辑：
$ claude
> 请实现订单创建的核心逻辑，要求：
> 1. 使用分布式锁防止超卖
> 2. 实现幂等性校验
> 3. 事务内完成库存扣减和订单创建
> 4. 代码位置：internal/service/order.go
Claude Code 会直接修改文件，并在终端展示变更内容。
阶段四：功能完善和调试（Trae）
回到 Trae：
- 用 Builder 模式生成单元测试
- 用 Chat 模式解释不理解的代码
- 用 SOLO 模式批量生成 CRUD 接口
- 可视化调试和断点跟踪
7.4 在 Trae 终端里直接用 Claude Code
最爽的是，你完全可以在 Trae 的集成终端里使用 Claude Code：
# 在 Trae 里打开终端（Ctrl + `）
$ claude
# 现在你可以在同一个窗口里：
# - 左边：Trae 的代码编辑器，可视化编辑
# - 右边：Claude Code 的终端会话，深度代码分析
这种组合的体验：
- Trae 负责"快" —— 快速生成、快速验证、快速迭代
- Claude Code 负责"深" —— 深度分析、复杂重构、架构设计
写在最后
Trae-CN 是一款有诚意的国产工具。它没有试图做 Cursor 的复制品，而是抓住了"中文友好+免费"这个差异化定位。对于国内大量中小开发者和学生群体，这个定位是精准的。
但我们需要理性看待它的能力边界。它不是"不会写代码也能做项目"的神器，而是"会写代码的人能更快完成项目"的加速器。那些声称"AI 替代程序员"的营销话术，听听就好。
真正有价值的，是理解这些工具能做什么、不能做什么，然后在合适的场景使用它们。Builder 模式适合搭骨架，SOLO 模式适合探索性开发，但核心的架构设计和关键业务逻辑，仍然需要人的判断。
工具在进化，开发者也需要进化。未来的竞争力不在于"会不会写代码"，而在于"能不能用好 AI 工具写对代码"。
附录：Trae IDE vs Trae SOLO 产品——别搞混了
字节跳动在 AI 编程领域有两个容易混淆的产品，很多人（包括我最初）都搞混了：
Trae IDE（本文主角）
| 属性 | 说明 |
|---|---|
| 产品形态 | 桌面端 IDE（类似 VS Code） |
| 目标用户 | 开发者、程序员 |
| 核心功能 | 代码编辑、Builder 模式、SOLO 模式、Chat |
| 使用场景 | 软件开发、项目构建、代码维护 |
| 技术门槛 | 需要懂编程 |
| 定价 | 完全免费 |
Trae IDE 里的 SOLO 模式 是一个功能开关，开启后 AI 会自主执行开发任务，但仍需要开发者监督和确认。
Trae SOLO（独立产品）
| 属性 | 说明 |
|---|---|
| 产品形态 | 独立应用（PC 端 + Web 端 + 移动端） |
| 目标用户 | 非技术人员（产品经理、运营、设计师） |
| 核心功能 | 自然语言生成应用、PRD 文档、数据分析、可视化、Skills 市场 |
| 使用场景 | 快速原型、内部工具、文档生成、移动端随时记录想法 |
| 技术门槛 | 零代码，纯自然语言交互 |
| 定价 | 免费额度 + 付费订阅 |
| 最新动态 | 2025年5月移动端正式上线，支持语音输入 |
Trae SOLO 的 MTC 模式（More Than Coding）主打"不止于编程"，可以：
- 输入一句话生成完整的 Web 应用
- 自动生成 PRD、需求文档
- 处理 Excel 数据并生成图表
- 把 Figma 设计稿转成可运行代码
一句话区分
- Trae IDE = 给程序员用的 AI 编程工具（你要会写代码）
- Trae SOLO = 给普通人用的 AI 应用生成器（你不需要会写代码）
两者的关系有点像 Photoshop vs Canva：前者专业但门槛高，后者简单但功能受限。
为什么会有两个产品？
字节的策略很清晰：
- Trae IDE 抢占开发者市场，对标 Cursor
- Trae SOLO 抢占低代码/无代码市场，对标 Bolt、V0 等
两者底层可能共享部分技术（如模型路由、代码生成引擎），但产品定位完全不同。
选型建议
| 你的情况 | 推荐产品 |
|---|---|
| 我是开发者，需要写生产级代码 | Trae IDE |
| 我是产品经理，想快速验证想法 | Trae SOLO |
| 我是运营，需要做数据看板 | Trae SOLO |
| 我要维护一个大型代码库 | Trae IDE（或 Cursor） |
| 我完全不会编程，但需要做网站 | Trae SOLO |
**
