如果你正在 AI 编程工具里做选择,TRAE 和 Google AntiGravity 大概率都会出现在你的候选列表里。两者都是 2025—2026 年 AI 编程赛道的重要选手,定位相近但又各有侧重。
本文从产品形态、核心能力、Agent 机制、模型策略、Skills 生态和国内使用条件六个维度展开对比,帮助你在实际项目里做出判断。
产品定位:一体化平台 vs Agent 优先
TRAE 是面向开发者的 AI 原生集成开发环境,提供 Agent 窗口与 IDE 窗口双形态,覆盖从需求拆解、方案生成到成果交付的开发全流程。它保留了编辑器、终端、调试、Git 等传统工作流,同时内置可规划并执行任务的 AI 智能体能力。产品矩阵还包括 TRAE Plugin(嵌入主流 IDE)、TRAE CLI(终端 Code Agent,可脚本化嵌入 CI/CD)以及面向企业的 TRAE 企业版。
AntiGravity 是 Google 推出的 agent-first 开发平台。AntiGravity 1.0 更像一个 AI 优先的代码编辑器,到 2.0 版本则彻底转向以智能体为中心:用户不再是在编辑器里写代码、AI 来帮忙,而是 AI 在执行任务、用户在做审查。它把 Agent Manager 从 IDE 附属功能升级为独立核心,支持多个 agent 并行编排。
两者的共同方向都是把开发工具从编辑器迁移到任务中心,但实现路径不同:TRAE 走的是双形态路线,Agent 和 IDE 窗口可以在同一工作台内无缝切换;AntiGravity 走的是 Agent 完全前台化路线,IDE 编辑功能退居为 agent 执行链路中的一个环节。
核心能力横向对比
从开发者日常高频使用的维度来看,两款工具各有强项:
| 维度 | TRAE | AntiGravity |
|---|---|---|
| 产品形态 | 独立 IDE + Plugin + CLI + 企业版 | 独立桌面应用 + IDE(VS Code 分支)+ CLI |
| 编程辅助 | 代码补全、上下文引用、智能代码审查、调试、Git | 代码生成、多 agent 协同改文件、diff 审查 |
| Agent 能力 | Agent 窗口 + IDE 窗口双形态,可规划并执行任务 | Agent Manager 为核心,支持多 agent 并行编排 |
| 模型选择 | 内置模型(以官方文档为准) | 支持 Gemini、Claude、GPT 等多厂商模型 |
| 扩展机制 | 插件扩展 + Skills + MCP | Skills + MCP,与 Anthropic Skills 生态兼容 |
| 产物输出 | 代码、HTML 页面、文档、报告等多类型 | 以代码为主,可输出文件并运行命令 |
| 远程/云端 | SSH / WSL 远程开发、云端运行环境、移动端 | 本地为主,支持 CLI 远程调用 |
| 国内使用 | 国内可直接访问,中文文档完善 | 需关注网络与账号条件 |
以下雷达图更直观地展示了两个工具在六个核心维度上的侧重点差异(分数为基于公开信息的定性评估,满分 10 分):
mermaid
---
config:
radar-beta:
axis:
- id: coding
name: "代码补全与编辑"
- id: agent
name: "Agent 自主性"
- id: model
name: "模型灵活性"
- id: ecosystem
name: "生态与扩展"
- id: accessibility
name: "国内使用便利性"
- id: delivery
name: "多类型产物交付"
curve:
- id: trae
name: "TRAE"
data: [8, 8, 6, 7, 9, 8]
- id: antigravity
name: "AntiGravity"
data: [8, 9, 9, 7, 5, 6]
max: 10
min: 0
---
从雷达图可以看出:AntiGravity 在 Agent 自主性和模型灵活性上更激进,TRAE 在国内使用便利性和多类型产物交付上更有优势。两者在代码补全与编辑维度持平,生态扩展能力也较为接近。
Agent 机制:两种编排哲学
两款工具在 Agent 设计上的分歧最值得关注。
AntiGravity 2.0 把 Agent 放在绝对中心。用户通过 Agent Manager 同时编排多个 agent 并行执行任务,每个 agent 可以独立读文件、改文件、跑命令、查文档。Google 的野心是把 AntiGravity 打造成 agent 交互的中心,让开发者从“我在写代码”变成“AI 在干活,我在审查”。它的 /grill-me 功能也很有特色:在 agent 开始实现之前,先让 agent 反问用户,追问计划里的具体细节,避免 AI 一上来就急着改代码。
TRAE 则走双形态路线。Agent 窗口负责全局调度和任务规划,IDE 窗口负责深度编辑和精细控制,两者可以在同一工作台内无缝切换。这种设计的优势是:当你需要 agent 帮你整体推进项目时,切到 Agent 窗口;当你需要逐行精细修改代码时,切回 IDE 窗口。你不用在“让 AI 全权负责”和“自己完全手写”之间二选一,而是按任务阶段灵活切换。
两种设计没有绝对优劣。如果你偏好让 AI 高度自主地并行推进多个子任务,AntiGravity 的 Agent Manager 模式更对味;如果你需要在 AI 驱动和手动精细控制之间频繁切换,TRAE 的双窗口模式更自然。
模型策略:开放 vs 聚焦
这是两款工具在策略上最大的差异点。
AntiGravity 2.0 最引人注目的策略是模型开放性。根据 Google 官方文档,AntiGravity 支持 Gemini 3.1 Pro、Gemini 3 Flash,也支持 Claude Sonnet 4.6 thinking、Claude Opus 4.6 thinking,以及 GPT-OSS-120b 等模型。Google 的逻辑是:模型可以不是我的,但工作流必须在我这里。只要开发者选择在 AntiGravity 里完成日常工作,底层用哪个模型是次要问题。
TRAE 的模型策略则更聚焦于自有模型体系,以官方文档和实际版本为准。对于需要特定模型能力(比如偏好 Claude 的长上下文推理、或需要 Gemini 的多模态能力)的开发者来说,AntiGravity 的多模型接入是实际优势。对于更关注整体工作流效率而非单一模型选择的开发者来说,模型是否“多”不是决定性因素,工具本身的任务理解和执行质量才是关键。
Skills 生态:兼容性与丰富度
两款工具都支持 Skills 扩展机制,但路线不同。
AntiGravity 原生兼容 Anthropic 的 Skills 规范,可以直接使用社区里大量已有的 Skills 仓库。开发者把 Skills 文件夹放到 ~/.gemini/antigravity/skills/ 目录下即可加载,支持 frontend-design、backend-api、database-design、testing、documentation 等常见 Skills。对于已经熟悉 Claude Code Skills 生态的开发者来说,迁移到 AntiGravity 几乎没有 Skills 层面的学习成本。
TRAE 同样支持 Skills 和 MCP(模型上下文协议),并在此基础上提供了插件扩展体系,覆盖代码审查、调试、Git 管理等更多 IDE 内的工作流环节。TRAE 的 Skills 更深度地嵌入到 IDE 操作中,不只是给 agent 一个“专业工具包”,还能与编辑器、终端、调试器联动。
国内使用条件:不可忽视的实际因素
对于国内开发者而言,使用条件直接影响日常开发效率。
AntiGravity 是 Google 的产品,目前需要 Google 账号登录,其网络可用性、模型 API 访问、额度机制等对国内用户存在一定门槛。Google AI 计划的额度也会影响使用体验——AI Ultra 用户有更高额度,普通用户每周刷新额度,这与国内工具“打开即用”的体验有明显差距。
TRAE 在国内可直接访问,中文文档完善,下载和注册流程对国内开发者更友好。对于中文技术栈、国内云服务对接、以及团队协作场景,TRAE 的本土化优势是实际可感知的。
场景选择建议
没有一款工具适合所有人。以下流程图帮助你在实际场景中快速定位:
mermaid
flowchart TD
A[你需要什么类型的 AI 编程工具?] --> B{主要使用场景?}
B -->|国内日常开发| C[需要国内直接访问、中文文档]
B -->|多模型实验| D[需要频繁切换 Gemini/Claude/GPT 模型]
B -->|团队协作开发| E[需要团队管理、代码审查、企业级功能]
B -->|Agent 高度自主| F[偏好 AI 自主编排多 agent 并行]
C --> G[TRAE:双形态 + 本土化优先]
D --> H[AntiGravity:多模型开放]
E --> G
F --> H
G --> I{还需要精细控制?}
H --> J{网络与账号条件 OK?}
I -->|是| K[TRAE:IDE 窗口深度编辑]
I -->|否| L[TRAE:Agent 窗口全局调度]
J -->|是| M[AntiGravity:Agent Manager 并行编排]
J -->|否| G
概括来说:
- 如果你在国内做日常开发,看重开箱即用、中文生态和双形态灵活切换,TRAE 是更踏实的选择。它的 IDE + Agent 双窗口让你在不同开发阶段选择最合适的工作方式,不需要在“全自动”和“全手动”之间做极端取舍。
- 如果你需要频繁使用多种大模型、偏好 Agent 高度自主地并行推进任务,且网络和账号条件允许,AntiGravity 的多模型开放策略和 Agent Manager 设计值得认真尝试。
两款工具都在快速迭代中。TRAE 的产品矩阵(IDE + Plugin + CLI + 企业版)覆盖了从个人开发者到企业团队的完整需求链路;AntiGravity 的 agent-first 路线则代表了 AI 编程工具的下一代方向。最终的选择不取决于哪款工具“更强”,而取决于你的实际开发环境、工作流偏好和团队协作方式。
在实际使用中,你也可以两者并用——在不同项目、不同任务阶段选择最趁手的工具。毕竟,AI 编程工具的终极目标不是让你换掉所有旧习惯,而是让你更顺畅地把想法变成代码。