创源素材
67.15M · 2026-02-04
第一次打开TRAE时，面对满屏的代码和复杂的界面，我内心的OS,"这玩意儿能帮我写代码？"带着这样的怀疑，我开始了和TRAE的第一次对话。
第一次尝试：失败的代码生成
我输入了第一个指令："帮我写一个登录页面"。结果TRAE给我生成了一堆看不懂的代码，还附带了一堆错误提示。首次使用体验感不佳。
转折点：学会提问
后来经过和同样使用TRAE的小伙伴交流，我发现，问题不在TRAE，而在我自己。更好的使用TRAE需要用更精确的语言描述需求：
请帮我用VUE + TypeScript实现一个登录页面，要求：
- 包含用户名和密码输入框
- 支持记住密码功能
- 使用localStorage存储token
- 使用Element Plus组件库
TRAE给我提供了完整的思考过程及代码执行：
生成的目录及代码如下：
实现效果：
这一次，TRAE生成的代码几乎可以直接使用，只需要微调一下样式。所以，AI不是万能的，但它能帮你完成80%的重复性工作，剩下的20%需要你亲自把控。
在TRAE中，我主要使用了GPT和Gemini两个模型，它们各有特点，适合不同的场景,接下来我着重介绍下这两个模型。
核心优势：防御性编程思维
GPT模型最大的特点是"过度负责"。它会在代码中自动添加各种校验逻辑、类型检查、错误处理，甚至会在你没想到的地方加上注释。这让我养成了良好的编码习惯——写代码时先想好边界条件。
使用场景：
真实案例： 有一次我让GPT帮我写一个文件上传功能，它不仅生成了上传逻辑，还自动添加了文件类型校验、大小限制、重试机制，甚至考虑了网络中断的情况。虽然代码量比我自己写的多了一倍，但上线后确实更稳定。
核心优势：极简主义 + 长文本处理
Gemini的特点是"精准且高效"。它不会添加多余的功能，严格按照你的要求生成代码，而且支持超长上下文，可以一次性分析整个项目。
使用场景：
真实案例： 我需要重构一个老项目的用户模块，有几十个文件。Gemini帮我分析了整个模块的依赖关系，生成了清晰的架构图，并给出了重构建议。整个过程只用了5分钟，如果我自己分析，可能要花半天,大大的节省了开发时间及分析时间
| 场景 | 推荐模型 | 原因 |
|---|---|---|
| 核心业务开发 | GPT | 代码更健壮，考虑更周全 |
| 快速原型 | Gemini | 响应快，代码简洁 |
| 代码审查 | GPT | 能发现潜在问题 |
| 架构分析 | Gemini | 长文本处理能力强 |
| 学习新技术 | 两者交替 | 对比不同思路 |
经验总结： 不要一直只用一个模型，根据任务特点灵活切换。GPT适合"求稳"，Gemini适合"求快"。
TRAE提供了两种工作模式：Max Mode和Auto Mode，使用之后，改变了我的开发模式。接下来我主要讲下这两种模式的区别。
特点： 支持最大1M上下文窗口，最多200次工具调用，不需要手动继续。
我的使用场景：
真实案例： 我需要开发一个后台管理系统，涉及用户、商品、订单、支付等多个模块。在Max Mode下，我只需要描述需求，TRAE会自动拆解任务、生成代码、配置环境，甚至帮我写测试用例。整个过程我只负责审核和微调，开发效率提升了至少3倍。
使用技巧：
#符号引用项目文件，让其理解上下文特点： 自动选择最优模型，智能调度资源，省心省力。
我的使用场景：
真实案例： 我每天都会用Auto Mode处理各种小问题：修复一个bug、优化一段代码、解释一个API用法。涉及到小问题的改动，我会选择Auto Mode模式
使用技巧：
| 任务类型 | 推荐模式 | 原因 |
|---|---|---|
| 完整项目开发 | Max Mode | 需要长上下文和多轮对话 |
| 日常编码 | Auto Mode | 响应快，成本低 |
| 学习源码 | Max Mode | 需要深度理解代码结构 |
| 快速调试 | Auto Mode | 单次对话就能解决 |
| 团队协作 | Max Mode | 需要生成完整文档 |
经验总结： Max Mode适合"大而全"的任务，Auto Mode适合"小而美"的场景。通常我会在Max Mode下完成核心功能，然后在Auto Mode下进行日常维护。
大家都知道，有些源码看起来枯燥难懂，后来我尝试使用TRAE帮我分析。
当我尝试自己阅读Vue3的源码，对于复杂的响应式系统和虚拟DOM，我很快就懵了。现在用TRAE帮我分析：
请帮我分析Vue3的响应式系统：
1. reactive和ref的区别是什么？
2. 依赖收集和派发更新的流程是怎样的？
3. 请用流程图展示整个过程
根据TRAE生成的解析，很大程度加快了我们理解源码的进度。
经验总结： TRAE不是让你不学源码，而是帮你降低学习门槛。它把复杂的源码拆解成可理解的知识点，让你能更快地掌握核心技术。
经过一年的摸索，我总结出了一套高效的TRAE工作流：
帮我设计一个电商后台管理系统，包含以下功能：
- 用户管理：增删改查、权限控制
- 商品管理：分类、上下架、库存管理
- 订单管理：创建、支付、发货、退款
- 数据统计：销售报表、用户行为分析
技术栈：React + TypeScript + Ant Design + Node.js + MySQL
TRAE会生成需求文档、技术选型建议、数据库设计，甚至包括API接口文档。
在Builder模式下，TRAE会自动创建项目结构、安装依赖、配置环境，并生成基础代码。我只需要审核生成的代码，确认是否符合预期。
请帮我生成单元测试用例，覆盖以下场景：
- 用户登录成功/失败
- 商品添加/删除
- 订单创建/支付
TRAE会生成测试用例，我只需要运行测试，确认功能正常。
上线后遇到问题，随时用Auto Mode提问：
我的项目在Chrome浏览器下样式错乱，请帮我分析原因
TRAE会给出解决方案，甚至直接生成修复代码。
TRAE可以帮我处理80%的重复性工作，让我有更多时间思考架构设计、业务逻辑、用户体验。
同样的需求，不同的提问方式，得到的结果天差地别。用结构化的语言描述需求，用具体的例子说明问题，用清晰的逻辑表达意图。好的提问，是高效使用AI的前提。
TRAE可以快速生成代码，但不一定是最优的。要养成"先让AI生成，再自己优化"的习惯。
AI技术在飞速发展，今天的最优解明天可能就过时了。要不断地学习新技术，关注AI领域的最新动态，尝试新的工具和方法。
如果你刚开始使用TRAE，我有几点建议：
这一年，TRAE已经变成了我不可或缺的"小伙伴"。它帮我完成了从"看不懂"到"玩得转"的转变，让我在技术道路上走得更远、更稳。如果你也想提升开发效率，不妨试试TRAE——它会让你成为一个更好的开发者。
