目录

一、Trae 安装

1、Trae 介绍

2、Trae 安装

二、项目构建

1、项目背景与技术选型

2、开发环境准备

三、需求分析

1、功能模块设计

2、数据库设计

四、功能实现

1、用户系统开发

2、天气服务实现

3、测试用例编写

五、Trae 体验总结

---

随着人工智能技术的迅猛发展，AI编程工具逐渐进入开发者的日常工作中，成为提升开发效率的得力助手。AI编程工具能够通过自然语言与开发者进行交互，智能生成代码，并在开发过程中实时提供反馈与建议。

一、Trae 安装

1、Trae 介绍

Trae 是字节跳动推出的AI 编程助手，和MarsCode一个团队，提供了更完整的AI体验，它能够智能生成代码，解决开发者在编程过程中遇到的问题。通过使用 Claude模型，Trae不仅支持中文输入，还能够根据上下文提供精准的代码建议和解决方案。不管你是写新功能，还是优化代码，都很方便。

Trae 你能不能用，我的看法是不管你是哪个阶段的程序员都能用。

后面我会展示如何使用 Trae 从零到一完成一个项目。如果你刚接触工作，那么这种交互式的对话相当于一个老师，不管遇到哪些你不懂得问题就直接问“我不明白”，Trae 就能给你详细讲解，干中学嘛！

如果你是工作经验丰富的开发者，那 Trae 就是你的实习生，功能的前因后果交代好，你不想动手的功能就写完了，再补充一些细节，就完事了。

2、Trae 安装

我们以 MacOS 为例，说明如何安装 Trae 到你的设备。

打开官网，我们可以在页面看到下载按钮。

然后，我们只需要双击下载的安装包，将 Trae 图标拖拽到应用文件夹，就完成了安装。

安装完成后，启动 Trae，我们需要登录账号来使用Trae AI。当我们点击登录之后，会跳转到 Trae 的网页进行登录，你可以使用 Githb、Google 以及电子邮箱进行登录。登录完成之后，即可跳转到 Trae 。

二、项目构建

1、项目背景与技术选型

在本项目中，我们将构建一个天气服务系统，涵盖用户注册登录、天气查询和城市收藏等功能。

通过 Chat 模式，我们和 Trae 对话，确认项目中要使用的技术栈。

我正在构建一个基于 Django 的天气服务 API，要求包括用户注册、登录、天气查询、城市收藏认证等功能。项目需要支持高并发查询，数据缓存需要进行优化，并且要支持不同城市的天气数据。请推荐合适的技术栈，包括后端框架、数据库、缓存解决方案，并提供一些技术选择的理由。

在 Chat AI 的模式下，Trae 给出了完整的技术方案，包括后端框架与组件、数据库选择、缓存策略、性能优化建议。

Trae 的 Chat AI 模式基于Claude 3.5，支持上下文，所以我们可以做出追问，继续询问技术方案和细节和调整。

比如，我觉得这个项目使用 MySQL 就足以满足需求，并且项目早期可以使用更加精简的架构设计。

那么，就这样，我们在和 Trae 的 Chat AI 模式下确定了技术选型。

2、开发环境准备

接下来，我们使用 Trae-Builder 模式，快速搭建 Django 项目并配置必要的依赖和数据库。

新建项目文件夹，我们点击 Builder ，将 Chat 模式下的内容发过来。

我们在构建一个基于 Django 的天气服务 API ，要求包括用户注册、登录、天气查询、城市收藏认证等功能。

以下是使用的组件：

- Web 框架 ：Django + DRF

- 主数据库 ：MySQL

- 缓存系统 ：Redis

- Web 服务器 ：开发阶段使用 Django 开发服务器，生产环境再使用 Nginx

请你帮我搭建项目

注意：MySQL我已经在本地运行，使用3306端口，可以进行连接；Redis也在本地运行，使用6379端口，也可以直接连接。

当我把要求发给他之后，他会帮我创建对应的文件，注意的是，整个过程并不是自动执行的，不然整个过程会非常不确定。我们可以审查每一个涉及到的文件，以及要执行的命令。

在这个过程中，可能会出现一些报错，Trae 会识别这些报错，并给出解决方案，而我们要做的，就是检查解决方案是否正确，并点击运行。下面的过程就是 Trae 从识别错误，到解决错误、继续执行命令的过程。

由于是从零开始构建项目，所以整个过程会比较长，如果过程出现了中断，你只需要发送"继续"，Trae 就能从现在的搭建项目状态继续进行操作，不需要担心任务丢失，也不需要每次都从头开始。

当项目搭建任务完成之后，Trae 会告诉我们已经完成了，你要做的就是检查代码，进行后续的功能开发。

三、需求分析

1、功能模块设计

在项目搭建阶段，因为我们给出了项目的简单信息，所以 Trae-Builder 模式下得到的项目已经包含了基础的业务逻辑，但是这不一定是我们的真实业务想要的。

Chat AI 模式下，Trae 不会运行代码，更适合我们的需求分析和代码优化。

目前的功能模块设计，我会给出完整详细的需求，和 Trae 一起进行对实际需求的实现设计。

下面我们一起对需求进行分析，我会给你完整的功能需求，请你和我一起确认设计思路。

用户模块：目前的用户使用邮箱注册需要增加验证码，需要完善对应逻辑，如果涉及到发送验证码到邮箱就先预留这部分逻辑；要包含完整的邮箱注册、邮箱登录、邮箱找回密码的逻辑。

天气查询：我们使用第三方API进行查询，使用 Token 的方式进行验证，查询结果设置缓存，一分钟内重复查询相同的城市从缓存获取结果

城市列表：我们通过查询第三方 API 的热门城市确定城市列表，通过调用接口获取城市列表并刷新结果，城市的数据要保存到数据库，设置缓存，每天更新一次

城市收藏：登录用户可以选择城市进行收藏，由于城市的 id 是固定的，所以就算城市列表中没有之前收藏的城市后续也可能出现，已经收藏的城市在现在的城市列表中不存在，那么查看收藏城市列表就不展示

以上是目前的功能需求，请你和我分析需求，优化现有设计。注意：涉及到第三方接口的返回结构是后续的问题，现阶段只处理模块设计。

之后，Trae 给出了针对现有项目的结构优化，以及接口的补全，上面我给的内容不算少，他都能逐个给出修改方案。

涉及到的改动，Chat 模式下是可以通过应用按钮对代码修改的，这个特别适合对于局部代码的优化，比如算法优化。

一次对话不能优化所有问题，并且 AI 的解决思路和我们想要的会有差别，那么就需要多次对话，不断追问和调整细节。

2、数据库设计

天气服务 API 的数据库结构，除了基于基本的项目需求外，更多的依赖于使用的第三方。

我们使用 Chat AI 模式，将第三方天气服务的文档发给 Trae ，就能得到对应的数据库结构。

对于涉及到大量第三方字段的模块来说，这种实现方式大幅度降低的我们的工作量。

四、功能实现

1、用户系统开发

用户系统涉及到注册、登录、找回密码，发送验证码。在 Trae 的 Chat AI 中，我们可以选择文件的指定行，特定的文件、文件夹或者整个项目到对话中，再加上对于功能说明，就能让 AI 帮我们完成代码了。

如果你之前没有用过 AI 编程工具，那么要注意，你提供的信息越全，AI 生成的代码越满足需求。

但是，你直接把代码或者报错发给 Trae ，它也可以根据内容以及上下文给出对应的解决方案。

给你一些对话的使用建议：

• 从头开始写的功能，尽可能多的描述要求，包括输入、输出、限制、规范，相当于一篇小作文

• 需要调整的代码，精准选择对应的代码行、文件夹

• 使用追问，对一个问题不断修改，Claude 3.5 和 GPT-4o 的上下文限制足够解决某个代码问题

2、天气服务实现

在数据设计阶段，你已经发现了我们是怎么对接第三方的，就是简单粗暴粘贴文档。

对于需求实现的要求，一定要保证持续追问，一直到找到合理的解决方案。

基于Claude 3.5和GPT-4o ，你可以使用任意的语句进行追问和补充，Trae 都能理解并执行。但是我还是建议你遵循下面的结构，更好地让他输出结果。

基于 xxx ，我需要你实现 xxxx ，注意 xxxx ，请你实现 xxxx 。

完整的诉求可以避免 AI工具的自我补充细节，精准的输出带来精准的输出。

经过几次持续的追问，我们完成了第三方接口的天气获取。

3、测试用例编写

在功能实现完成后，Trae将帮助我们编写单元测试，确保代码的正确性。

在早期的 AI 编程工具中，生成测试用例是被单独列出的功能。

现在对于 Trae 来说，只需要选择对应的函数，在对话框说明，整个过程就和我们之前生成模块功能代码一样。

很多人都不喜欢写测试用例，包括我，我们的整个基于 Trae 的开发过程中，越是固定的输入、繁杂的参数，越是对于 AI 有利。你不愿意做，他做不难，这就是使用 Trae 能够进行最大提效的部分。

五、Trae 体验总结

通过本次天气服务项目的完整开发实践，我们充分验证了 Trae 作为 AI 编程助手的全流程价值。

从技术选型阶段的智能推荐，到项目搭建时的项目构建、解决问题；从复杂业务逻辑的迭代优化，到琐碎测试用例的自动化编写——Trae 始终展现出作为一名开发者的处理方式。其基于Claude 3.5的上下文理解能力，使需求沟通如非常顺滑，既能快速响应"我需要实现JWT"这类明确指令，也能理解"项目初期先不使用复杂架构"的模糊诉求。

特别是在处理第三方 API 对接这类典型场景时，Trae 通过分析非特定格式接口文档，自动生成数据模型，将原本需要数小时的手动编码压缩至分钟级完成。

点击 Trae 官网下载 Trae ，免费的 Claude 3.5和GPT-4o 真的很香。

Trae 这种"对话-审查-一键执行"的开发体验，不仅降低了技术门槛，更重新定义了工程师的工作边界。

我们作为开发者得以将更多精力投入架构设计与业务创新，而机械性编码则由 AI 高效承接。

Trae 已经可以做到融入你的工作流，成为贯穿需求分析、编码调试、性能优化的伙伴。