用TRAE寫了一年代碼，我重新理解了程序員的價值！

周六晚上，我坐在沙發上看電視，孩子則坐在書桌邊全身關注地盯著電腦，時不時敲一會兒鍵盤，然后笑著告訴我：“爸爸，它把這個附加牌的效果實現了！”

我知道，她不是在玩游戲，她是用一個AI Coding工具，開發自己設計的一個回合制卡牌類游戲。

這不是一個簡單的小游戲，有攻擊牌、附加牌（效果會持續幾個回合）、防守牌，牌還可以合并，有攻擊距離，角色可以移動，有體力值，邏輯復雜，再加上各種動態特效，讓我這個老程序員來做，也是很頭疼的。

但是讓我萬萬沒想到的是，我僅僅幫她開了個頭，做了技術選型，她竟然獨自用自然語言驅動TRAE把游戲的功能逐個實現了。

這要是放在一年前，打死我也不敢相信的。

這一年，TRAE的發展可謂是迅猛至極，幾乎每周都有更新，我眼睜睜地看它從一個小插件，變成一個可以信任的編程伙伴。

最近TRAE的年終用戶報告也出來了，我看了一下還是挺有趣的。

我從3月2日開始使用，最多一天用了208分鐘，狂按Tab 54次，有一天竟然怒刷了近7000行代碼（哈哈，應該是在讓TRAE給我實現SQLite），最后榮獲“創世神”的稀有稱號，這些數據里邊應該有不少是孩子的貢獻。

我其實并不算是一個TRAE的重度用戶，日常主要做架構和設計，寫代碼并不多，但是對于AI Coding工具我也忍不住手癢，會用TRAE嘗試做點兒小項目，目前TRAE是我用起來覺得性價比最高，也是最能帶給我驚喜的AI Coding工具。

在2025年，我感覺完整地經歷了使用TRAE三個階段:

(1) 函數級： 代碼自動補全

(2) 模塊級： 自然語言驅動生成

(3) 項目級：簡單項目，讓TRAE SOLO從需求到設計、開發、測試、部署，全部做完。復雜項目，建立規范的方法來驅動TRAE編程，實現掌控感，讓自己心安。

0 1

開端：從“自動補全”開始的信任

最早我用的是MarsCode這個插件，剛接觸AI Coding，還不太敢大規模使用，主要做代碼自動補全。

其實類似這樣的代碼，程序員也能一點點敲出來，就是特別耗時，用MarsCode一下子就省事多了，當然，我還得檢查下它寫得對不對。

除了自動補全，當時MarsCode還支持“解釋代碼”、“錯誤修復”、“生成注釋”，“自動生成單元測試”等功能，都是程序員平時常用的功能，使用起來都非常絲滑。

0 2

試探：用自然語言寫代碼

代碼補全用得多了，發現AI寫的代碼準確度非常高，慢慢對AI Coding放心了。

這時候TRAE也正好發布第一版，開始切換過來，嘗試用自然語言讓它實現一些模塊級功能。

例如我曾經讓它實現過一個ETL的功能，從Excel中讀取數據，輸出JSON

這些模塊一般邊界清晰、輸入輸出明確、非常適合AI Coding，它實現起來真是又好又快。

0 3

放手：讓TRAE單飛搞定一個網站

7月份，TRAE SOLO beta推出，這個新版本讓人非常震撼。

TRAE SOLO不但覆蓋了軟件開發的全生命周期，還能夠理解軟件開發上下游的各類 Context（產品需求、產品設計、技術方案、代碼、測試用例、部署的信息），可以根據用戶的任務類型，智能去使用不同的 Context 和工具，最終完成開發任務。

如果說之前AI只是在小范圍“小打小鬧”的話，TRAE SOLO就進入了項目級，進入了“AI自主執行開發任務”的新時代。

我曾經用TRAE SOLO的功能實現了一個仿reddit的網站，它會自己拆解需求，生成核心流程，設計用戶界面，然后編寫代碼，進行部署測試。

總之，從最源頭的需求到最后的部署，TRAE SOLO都可以自動完成。

我最喜歡的一個功能就是通過TRAE內置的瀏覽器來查看網站，竟然可以直接修改網站的內容，實現所見即所得！

比如我可以直接在下面的界面中把“最熱帖子”改成“熱門帖子”，即時生效。

還可以把界面元素添加到對話，精確地告訴TRAE我想對UI做的調整，這就成了一件和TRAE交互的利器，經常被我使用。

0 4

共舞：找回程序員的掌控感

隨著TRAE不斷推出新功能，它的能力也越來越強，尤其是那些智能體，無論給它什么樣的需求，它都能快速完成。

我甚至讓它去實現一些系統級軟件，比如一個簡版SQLite數據庫，它也能實現得有板有眼。

但是很多同事反應，喪失了程序員原有的掌控感！

AI輸出代碼很多，功能似乎也實現了，但是面對這么多代碼，心里是沒底的。

怎么辦呢？我想起來敏捷軟件開發中的測試驅動開發（TDD）， 通過測試先行，織起一張安全網，這樣AI對代碼再做任何改動以后，都有測試網保證，能做到心中有底。

TDD原來需要程序員先寫測試，大家很煩，現在有了TRAE，測試自然不再話下，簡直為TDD而生！

現在只要建立一套和AI一起工作的TDD規范就行，舉個非常簡單的例子，這是我給孩子開發「校園零食品鑒」時使用的提示詞（部分）。

你將作為我的結對后端工程師，和我一起用【嚴格 TDD】方式，使用 Python + Flask 實現一個 JSON API 網站「校園零食品鑒」。 【核心原則】 永遠先寫測試，再寫實現 任何業務能力必須由測試驅動 未被測試覆蓋的行為，一律不實現 每次只實現一個最小業務行為 實現階段只寫“剛好讓測試通過”的代碼 所有 API 只返回 JSON，不返回 HTML API 是面向真實前端調用的，不是 Demo

【TDD 紀律（不可違反）】 1. 沒有測試，不能寫實現 2. 測試未確認前，不得寫實現 3. 不提前設計模型、表結構或抽象 4. 任何“順手加的功能”都是違規 5. 始終說明當前是 Red / Green / Refactor 階段 【交互規則】 每一步先解釋你要做什么 測試命名要體現業務語義 測試中要明確斷言 JSON 結構與內容 未經我確認，不進入下一階段 現在請等待我給出第一個【可測試行為】。

一個可測試行為是這樣的：

Given 系統中存在一個零食 When 客戶端 GET /api/snacks/{id} Then 返回狀態碼 200 And 返回 JSON 包含： id name ratings comments 請你： 只寫測試 不寫任何實現 標注 Red 階段

然后進入實現階段

請進入 Green 階段，用最小實現讓測試通過。 如果你發現自己想“順便”加點什么， 那說明你已經偏離 TDD，請停下來。

經過若干行為的實現以后，進行重構：

現在進入 Refactor 階段， 在不改變任何行為、不修改測試的前提下， 請整理代碼結構。

通過這種結構化的方式來約束AI，不要一下子跑得太猛，太快，而是小步快跑，循序漸進。確保每一個功能都被測試完整覆蓋，每一行代碼都可控，心里有底。

實踐證明，TRAE在TDD模式的表現特別棒，大家有空也可以試一試。

0 5

尾聲：從輔助者到創造者的加速器

從我這一年使用TRAE的經驗來看，以TRAE為代表的AI Coding工具已經從函數級走向模塊級，最后來到了項目級。它已經從編程的輔助者（自動補全）變成了良好的協作者，正在向自主執行進軍。

原來我們認為不太可能的一些工作，現在都在被AI一一攻克，它甚至實現了讓一個十幾歲的小孩子不懂編程的情況下，獨自編寫自己喜歡的游戲。

當然，這也孩子個人玩的娛樂性的項目，我們一旦面對大型的、復雜的、正式的項目，程序員必須站出來做問題的定義者，質量的裁決者和AI指揮官。在通用人工智能實現之前，我相信這一點都不會變化。

我期待未來的TRAE，不只是更加“聰明”，而是更加“職業”，是一個能融入工程體系的存在：希望它能在大型項目中累積記憶，知道什么是系統的紅線和共識；知道什么時候該激進試錯，什么時候必須保守演進；希望它能理解評審、回滾、審計這些看不見的工程紀律，這樣TRAE就不是單點爆發的效率工具，而是可以被團隊長期信任的生產力節點。