全新 TRAE 测评:Agent 模式和 IDE 模式,我各交了什么任务、何时接管

109 阅读6分钟

参赛赛道:全新 TRAE 测评

选题方向:Agent+IDE 双模式切换(Agent 模式 / 全链路平台能力实测)

话题:#TRAE双端融合 #全新TRAE实战体验

art3-01-tasks-prompt-and-summary.png

写在前面

全新 TRAE 把 TraeWork 与 TraeCode 融合成了双模式(Agent + IDE),官方说"两者随时切换"。但"随时切换"是宣传语,我真正想知道的是:该在什么时候切。

为了回答这个问题,我拿自己的真实工程做了实验:「仓衡 RepoBalance」,我用华为云码道独立开发并开源的 Rust + Tauri 2 桌面应用,对本地 Git 仓库做健康度体检(AtomGit G-Star 认证项目,主界面见上一篇文章)。Rust workspace + Tauri 前端的组合很典型:既有严格类型的检查引擎(crates/rb-core),又有像素敏感的桌面 UI(crates/rb-app)。我设计了三个刻意横跨两种模式的对照任务,让同一个工程在两种模式下各跑一遍,然后看:哪些环节放心交给 Agent 推进,哪些时候必须切回 IDE 自己动手。

任务①:全程交给 Agent(scan 输出加执行耗时)

第一个任务是给 rb-core 的 scan JSON 输出带上每个检查项的执行耗时。我刻意完全不插手:只投需求,不复述、不纠正,记录 Agent 每一步做了什么。

结果超预期:它自己读了现有检查项的产出结构,对齐了 serde 序列化风格,改完调用了 cargo test 验证。整个过程我只说了一句话术。

从步骤日志看:8 步走完(需求澄清 → 改 serde 结构 → CLI 实现 → 补单测 → 编译试错),总耗时算进三个任务合计的 12 分 39 秒里。中途有 2 次编译错误(Copy 冲突、plan trait 签名写错),它自己修了;没有返工。一个小坦白:fmt --all 顺带清掉了上一轮体检报告标出的 15 处既有 fmt 偏差,这次 sweep 没区分新旧账。

这件事给我的答案是:功能语义清晰、验收标准能写成命令的任务(测试通过、JSON 结构合理、CLI 能跑),Agent 全程托管是成立的。

art3-02-task1-step-log.png

任务②:必须切回 IDE(报告页徽章的视觉细节)

第二个任务是 Tauri 前端报告页的结论分级徽章——配色与间距的视觉调整。这类问题的验收标准是"我看着舒服",而"舒服"长在像素上:色值、字重、留白的微妙差异。

我先让 Agent 试着改:它给出的修改在技术上是"对的"(样式合法、层级正确),但视觉上是"差不多的"。于是我切回 IDE 手动调整。

Agent 改了两轮我都不满意,切回 IDE 自己调(改 theme.css 三处:行内间距、圆点尺寸,顺手把 --info token 也对齐了),改完重跑 tauri dev 看报告页。IDE 侧实测耗时 25 分钟,比让它来回猜要快得多。

art3-06-task2-theme-css.png

任务②给我的教训更直白:验收标准长在人的感官上的活(视觉、交互手感),别浪费 Agent 轮次,直接 IDE 接管。不是 Agent 弱,是我没法把"舒服"翻译成它能判定的验收标准。

任务③:混合模式(大仓库扫描的性能排查)

任务③最典型,因为它的两半性质完全不同:

  • 诊断(热点在哪):交给 Agent。它读 rb-core 的扫描代码、分析现有 rayon 并行的使用、给出候选热点清单——这类大范围代码考古正是它的强项;
  • 验证(改了有没有效):切回 IDE。加计时打点、跑真实大仓库、对比数字,每个动作都是秒级的,等 Agent 轮次的往返反而慢。

Agent 的静态分析给到 2 个候选热点并排了序:第一嫌疑是历史切片的全树遍历(repo.rs 的 history_blob_metas/history_file_contents 对每个 commit 从根树全量 collect_tree_blobs),第二是工作区采集没有忽略 node_modules、target(自扫实测 50217 个文件/7.2GB,"少干活"可能比"干得快"收益更大)。打点验证我在 IDE 里手动做,实测 32 分钟(加计时打点、跑真实大仓库、对比数字),Agent 分析这步约 1 分钟。

art3-03-task3-agent-hotspot-analysis.png

art3-05-task3-repo-rs-hotspot.png

性能类任务就是天然的混合模式场景:诊断交给 Agent,打点验证留在 IDE。

复盘:一张切换决策表

三个任务跑完,我让 TRAE 帮我整理了复盘框架,数据是实测值:

art3-04-retro-table-framework.png

任务主导模式切换次数Agent 卡住的点我接管的原因耗时
① scan 耗时输出Agent02 次编译错,自纠无需接管12 分 39 秒(三任务 Agent 侧合计)
② 徽章视觉调整IDE1视觉"差不多"验收标准长在感官上25 分钟(IDE 手动实测)
③ 扫描性能排查混合1热点清单到手后打点验证秒级动作等 Agent 往返太慢Agent 分析约 1 分钟 + IDE 打点验证 32 分钟

三个任务跑完,切换的判断标准其实已经自己浮出来了:

  1. 验收标准能写成命令或断言(cargo test 通过、JSON 结构合理、CLI 能跑)→ 交给 Agent 主导;
  2. 验收标准长在感官上(视觉、手感)→ 直接 IDE,不试 Agent;
  3. 诊断与验证分离的任务(性能、疑难 bug)→ Agent 诊断 + IDE 验证,切换点放在"原因清楚了"那一刻。

踩坑实录

1. 让 Agent 改 UI 是在用轮次买"差不多"

现象:任务②让 Agent 迭代了多轮视觉调整,仍不及格。

根因:我给的反馈是"再明显一点"这类不可执行的描述,Agent 只能盲猜。

解决:视觉任务直接 IDE 接管。

教训:给 Agent 的任务必须有可判定的验收标准,否则它和你都在空转。

2. 混合任务的切换点选错会两头慢

现象:任务③一开始把打点验证也丢给 Agent,每轮调整都等完整对话往返。

根因:没有区分"诊断"(低频高价值)和"验证"(高频低价值)。

解决:切换点固定在"热点清单到手"。

教训:混合模式的核心是选对切换点,不是随时切。

结论

三个任务测下来,我的使用节奏已经稳定:结构化任务全交 Agent,感官任务留在 IDE,疑难问题让 Agent 找原因、自己动手验证。全新 TRAE 的双模式不是把两个产品缝在一起,切换的成本也确实低——低到值得为每个任务先想一句"这一步该谁做"。想清楚这一点,比模式本身更重要。


仓衡 RepoBalance:开源 Git 仓库健康度体检台(Rust + Tauri 2),atomgit.com/dickeryang/…