大家好，我是易安！

昨天字节的首款 AI IDE Trae 发布了 v1.3版本更新，带来了统一对话体验、MCP 支持和 Agent 能力全面升级等重磅功能，今天凌晨又更新了一个小版本。作为长期关注 AI 编程工具的玩家，我第一时间体验了这次更新，感受颇深，今天就来和大家分享我的深度测评体验。

核心更新亮点

先来看看官方的更新日志：

• 统一对话体验 ：Chat与Builder面板合并，支持通过@Builder进入Builder Agent模式
• 上下文能力增强 ：新增#Web和#Doc两种Context
• 自定义规则上线 ：支持个人规则和项目规则配置
• Agent能力全面升级 ：支持自定义Agent、自动运行模式等
• MCP 支持上线 ：内置MCP市场，支持第三方工具扩展

#技术分享上面是海外版本，国内版本功能类似，如下图所示，这里不再赘述

这次更新不是简单的功能叠加，而是字节对 AI 辅助开发范式的重新思考。让我们继续深入了解每个功能点的实际表现。

统一对话体验

以前使用 Trae 最大的痛点是什么？

对我来说绝对是 Chat 和 Builder 之间的割裂感。每次从需求讨论切换到代码实现，都需要在两个面板间来回切换，上下文经常丢失。

这次合并后的体验让我惊喜。界面设计保持了简洁，只需在对话框中输入"@Builder"就能无缝切换到 Builder 模式。我测试了一个数据可视化仪表盘开发流程：

1. 在Chat中讨论需求："我需要一个展示销售数据的仪表盘，包含趋势图和地区分布"
2. AI给出设计建议和技术选型
3. 输入"@Builder"切换到Builder模式
4. 直接获得完整实现代码，无需重复描述需求

整个过程流畅自然，就像与一个既懂产品又会编程的同事协作。这种"一次对话，全程服务"的体验，显著提高了我的工作效率。

不过，我也发现了一个小问题：在复杂项目中，Builder 模式有时会"遗忘"之前 Chat 中讨论的一些细节约束。当我询问原因，Trae 团队表示这是上下文长度限制导致的，后续版本会优化这一点。

上下文能力增强

上下文能力增强：新增支持 #Web 和 #Doc 两种 Context

我体验了一翻，Trae 新增的#Web 和#Doc 两种 Context 真是太实用了！

Web支持直接粘贴链接，AI自动提取网页内容。我测试了GitHub仓库页面、技术博客和API文档，提取效果都很不错。比如我粘贴了React文档链接，Trae立即能基于最新文档回答我的问题，甚至能指出官方示例中的一些微妙问题。

从演示结果来看，它不仅分析了 github 链接，它还会从知乎、talkdata 等平台获取信息

Doc则支持上传文档或添加URL作为知识库。系统支持最多1000个文件，总容量50MB。这是什么概念？官方说法是相当于152本金庸小说的内容量！我实测上传了一个技术文档集（约30MB），Trae不仅能准确回答文档内容问题，还能结合多个文档进行交叉分析，帮我发现了几处文档间的矛盾点。

最让我震惊的是，当我同时使用#Web 和#Doc，Trae 能够无缝整合网络信息和本地知识，给出更全面的解答。这对于需要同时参考官方文档和内部规范的开发场景简直是救星。

C MCP支持

MCP 支持是此次更新的最大亮点，也是 Trae 与其他 AI IDE 的重要差异点。

内置的 MCP 市场提供了丰富的工具扩展：GitHub、PostgreSQL、Puppeteer、Figma AI Bridge 等。我重点测试了 GitHub 和 PostgreSQL 集成：

GitHub MCP ：

授权后，Trae 可以直接查看、创建和管理仓库。我让它"分析项目中最频繁修改的文件并创建性能优化 Issue"，它完成得相当出色——不仅找出了热点文件，还给出了针对性的优化建议并自动创建了 Issue。

PostgreSQL MCP ：这个真是数据分析的利器。我连接了自己的测试数据库，然后要求"分析过去30天用户活跃度变化并找出异常点"，Trae 自动生成 SQL 查询，分析数据趋势，甚至还生成了可视化图表展示结果。整个过程无需我写一行代码！

MCP 最强大之处在于组合使用。例如，我可以让 Trae：

1. 从PostgreSQL数据库获取用户行为数据
2. 自动分析用户路径和转化漏斗
3. 生成优化建议报告
4. 创建对应的GitHub Issue并分配任务

这种"一条指令，全流程自动化"的体验，让我真切感受到了 AI 工具链的威力。

不过，MCP 集成也有一些问题。权限管理还不够精细，某些敏感操作（如数据库结构变更）缺乏二次确认机制。

Agent能力全面升级

Agent 能力的升级主要体现在三个方面：自定义 Agent、自动运行模式和工具调用。

自定义Agent

Trae 支持通过 prompt 和 tools 自定义 Agent。我创建了一个"代码审查专家"Agent，

为它配置了自定义规则（如"遵循 SOLID 原则"）和工具组合（如代码静态分析工具），效果相当惊艳。

提示词如下：

你是一位资深的代码审查专家，专注于提供高质量的代码分析和改进建议。作为代码审查专家，你应遵循以下工作流程：

1. 首先分析代码的整体架构和设计模式，评估其是否符合SOLID原则和最佳实践

2. 详细检查代码的质量，包括可读性、性能、安全性和可维护性

3. 提供具体、可行的改进建议，包括代码示例

4. 区分关键问题和次要问题，优先解决影响最大的问题

语气上，你应保持专业但友好，直接指出问题但不带有居高临下的态度。在发现问题时，先肯定代码的积极方面，再提出改进建议。

你偏好使用静态代码分析工具进行初步扫描，使用 Git 历史分析了解代码演进过程，并自动生成详细的审查报告。

在代码规范方面，你严格遵循:

- 变量和函数命名必须清晰表达其用途

- 函数应遵循单一职责原则

- 注释应解释"为什么"而非"是什么"

- 异常处理必须全面且具体

- 安全相关代码必须经过额外审查

这个 Agent 能从代码中识别设计模式问题，并给出重构建议，甚至能自动修复部分代码质量问题。

自动运行模式

这个功能极大提升了使用体验。以前使用其他 AI 工具比如 cursor，每次需要执行命令或调用工具都要手动确认，打断思路。现在 Trae 支持自动执行命令和工具调用，整个流程更加流畅，有点类似前几天我测评 jetbrains 的 brave mode。

当然，为了安全起见，我也配置了命令黑名单，禁止执行 rm 、kill 等危险命令。

工具调用

Agent 支持使用历史配置成功的全部 MCP 工具执行复杂任务。我让 Builder Agent"分析项目代码质量并提出重构建议"，它自动调用了代码分析工具、Git 历史分析和文档生成器，最终生成了一份详尽的重构报告，简直像有一个资深技术主管在帮我审核代码。

自定义规则

自定义规则是 Trae 的另一大亮点。系统支持两级规则：个人规则（user_rules.md）和项目规则（
.trae/rules/project_rules.md）。

个人规则适用于所有项目，我配置了一些个人偏好，如"使用 TypeScript 而非 JavaScript"、"遵循函数式编程范式"等。

项目规则则针对特定项目，我在公司项目中设置了"遵循公司编码规范"、"使用特定版本依赖"等要求。

实测下来，Trae 能很好地遵循这些规则。更让我惊讶的是，它不仅遵循明确的指令，还能理解规则背后的意图。例如，我在规则中提到"代码应当健壮"，它会自动添加输入验证、错误处理、单元测试等内容，展现出对软件工程原则的深刻理解。

真实项目体验：内容管理系统从0到1

为了全面测试 Trae 的能力，我尝试用它从头开发一个简单的内容管理系统。整个过程如下：

1. 需求讨论 ：我描述了基本需求"一个博客CMS，支持文章编辑、分类管理和用户权限控制"
2. 架构设计 ：Trae提供了几种技术方案，我选择了Next.js+PostgreSQL方案
3. 数据库设计 ：通过PostgreSQL MCP，Trae设计了数据库结构并自动生成迁移脚本
4. 代码实现 ：使用@Builder模式，Trae生成了前后端代码
5. API测试 ：Trae自动生成了API测试脚本，确保接口正常工作
6. 部署流程 ：通过GitHub MCP，自动创建仓库并设置Vercel部署配置

用到的提示词如下：

你是一位资深的全栈架构师，专注于构建高质量、可扩展的内容管理系统。请帮我从0到1设计并实现一个博客CMS系统，遵循以下要求和工作流程：

# 需求概述

设计并实现一个现代化博客 CMS 系统，需要支持以下核心功能：

- 文章管理：创建、编辑、发布、归档文章

- 分类管理：创建分类/标签体系，文章分类关联

- 用户权限控制：基于RBAC模型，至少包含管理员、编辑、作者、读者四种角色

- Markdown编辑器：支持图片上传、预览和语法高亮

- 响应式前端：确保在移动设备和桌面设备上均有良好体验

# 技术栈选择

技术栈需要满足现代化、高性能、易于维护的原则。优先考虑：

- 前端：Next.js 14+（App Router架构）

- 后端API：Next.js API Routes或独立Express服务

- 数据库：PostgreSQL

- 认证：NextAuth.js (或Auth.js)

- ORM：Prisma

- UI库：TailwindCSS与Shadcn/UI组件

# 工作流程

请按照以下步骤引导整个系统的设计与实现：

## 1. 架构设计

首先提供系统架构设计，包括：

- 整体架构图（前端、API、数据存储层）

- 核心数据流程图

- 主要技术组件说明与选型理由

- 安全性考量与策略

## 2. 数据库设计

设计规范、高性能的数据库结构：

- 提供完整ER图

- 定义所有表结构、字段、关系与索引

- 设计考虑数据增长与性能

- 生成Prisma schema

- 提供迁移脚本

必须包含的核心表：

- users（用户）

- roles（角色）

- permissions（权限）

- articles（文章）

- categories（分类）

- tags（标签）

- comments（评论，可选）

- media（媒体文件）

## 3. API设计

设计 RESTful API，包括：

- 认证/授权端点

- 用户管理端点

- 内容管理端点

- 媒体管理端点

- 详细API文档（包含请求、响应示例）

- 错误处理策略

## 4. 前端实现

详细设计并实现前端界面：

- 后台管理界面布局与组件结构

- 文章管理工作流程

- Markdown编辑器集成（优先考虑MDX或React-Markdown）

- 分类与标签管理界面

- 用户管理界面

- 权限管理界面

- 移动响应式设计

## 5. 安全实现

实现全面的安全策略：

- RBAC权限模型具体实现

- JWT或Session认证详细配置

- CSRF保护措施

- XSS防护策略

- 密码安全存储（bcrypt或argon2）

- API速率限制

- 输入验证与净化

## 6. 测试策略

设计并实现测试方案：

- API单元测试

- 前端组件测试

- E2E测试用例

- 性能测试指标与方法

## 7. 部署配置

提供完整部署方案：

- GitHub仓库结构

- CI/CD配置（GitHub Actions）

- Vercel部署配置文件

- 环境变量管理

- 数据库迁移策略

# 具体实施要求

在实施过程中，请特别注意以下几点：

## Markdown编辑器实现

- 推荐几个成熟的Markdown编辑器方案（如React-SimpleMDE、MDX Editor）

- 实现图片上传功能（直接集成到编辑器）

- 实现实时预览功能

- 支持语法高亮和代码块格式化

- 支持常用Markdown扩展（表格、任务列表等）

## 权限控制细节

- 实现精细的RBAC模型

- 权限应细化到操作级别（如：创建文章、编辑他人文章、发布文章、管理用户等）

- 前端UI需根据用户权限动态调整

- API层实现权限中间件

- 提供权限管理界面

## 性能优化

- 实现图片优化和CDN集成

- API响应缓存策略

- 实现分页和无限滚动优化

- 前端组件懒加载

- 数据库查询优化

## 用户体验优化

- 实现暗黑模式支持

- 提供直观的拖拽界面（如分类排序）

- 自动保存草稿功能

- 文章版本历史记录

- 响应式设计确保在所有设备上的良好体验

# 额外功能（如有余力）

如果基础功能实现顺利，请考虑以下增强功能：

- SEO优化工具（元标签管理、关键词分析）

- 文章分析（阅读时间、热度统计）

- 内置搜索功能（使用PostgreSQL全文搜索）

- 国际化支持（i18n）

- 文章导入/导出功能

作为架构师，请以专业、全面的方式引导整个开发流程，权衡技术选择与实现复杂度，确保最终产品既满足功能需求，又具备良好的可维护性和扩展性。在每个关键决策点，请提供清晰的理由和可能的替代方案，以便我能够充分理解系统设计思路。

整个过程中，最让我印象深刻的是 Trae 处理身份认证和权限控制的方式。它不只是简单实现登录功能，还考虑了 RBAC 权限模型、CSRF 保护和安全存储，展现出专业级的安全意识。

当我提出要支持 Markdown 编辑器时，Trae 立即推荐了几个成熟方案，并针对我选择的库自动集成了图片上传、预览和语法高亮功能，细节处理得相当到位。

最终，我只花了约2小时就完成了一个功能完整的 CMS 系统，比我预计的时间少了60%以上。用户体验和代码质量也远超我的预期。

当然我也对比了 Jetbrains 的 Junie，还是相同的提示词配方

花了大概15分钟才生成好，代码无虚修改，配置好 postgreSQL，直接可以一键运行

易安锐评

Trae v1.3的更新让我看到了字节在 AI 辅助开发领域的野心和实力。统一的对话体验、增强的上下文能力、MCP 工具链和自定义规则共同构建了一个全新的开发范式。

优势总结 ：

• 统一对话体验大幅提升工作流畅度
• 上下文增强能力显著扩展知识边界
• MCP工具链打通了设计-开发-部署全流程
• Agent能力让AI从工具变成了真正的助手
• 自定义规则提供了个性化定制空间

不足之处 ：

• 复杂项目中上下文管理仍有提升空间
• MCP的权限管理需要加强
• 对某些编程语言的支持深度不均衡
• 工具使用经常会有延迟，希望trae早日开启付费订阅模式

从行业角度看，Trae 的这次更新反映了 AI 辅助开发的关键趋势：从单点工具向全流程助手演进、从被动响应向主动协作转变。字节似乎在下一盘大棋：不仅要提供一个 IDE，而是构建一个完整的 AI 辅助开发生态。

Trae 能否凭借此次升级在竞争激烈的 AI IDE 市场脱颖而出？我觉得核心将取决于三点：MCP 生态的丰富度、Agent 能力的持续提升以及与传统开发流程的无缝衔接。

无论如何，Trae 已经为 AI 辅助开发设立了新的标杆。这次更新更像是一次范式转变，让我们看到了 AI 如何真正成为开发者的"结对编程伙伴"。

作为一个见证了多代开发工具演进的开发者，我不禁觉得 AI 辅助开发的浪潮来得比想象的还要快，这才上线没多久，就已经追上 cursor 的脚跟了，Trae 展示的是未来开发环境的雏形。

让我们拭目以待，共同见证。