电子工业出版社-网上书店

这是一本全面、深入的TRAE与AI Agent（智能体）协作实战指南，系统阐释了AI驱动的新一代编程范式。全书从TRAE的核心理念与安装、设置入手，深入讲解CUE这一智能代码提示工具及SOLO这一自主协作方式，并进一步剖析MCP的原理与Skills定制化开发方法。本书还通过搭建播客网站、开发古籍识别项目、在现有项目中快速构建业务模块、多智能体协作开发桌面笔记应用、从零构建本地知识库系统及开发小程序和移动端等六大实战项目，手把手引导读者掌握从需求分析到部署上线的全流程AI协作开发方法。本书适合所有希望借助AI提升研发效能的开发者阅读和参考。无论你是编程新手、资深工程师还是技术架构师，都能通过本书建立起与AI Agent高效协作的思维模式，掌握面向未来的软件开发新技能。

第1章  初识TRAE	1
1.1  什么是TRAE	1
1.1.1  TRAE的由来与愿景	1
1.1.2  AI辅助编程的演进	1
1.2  TRAE的核心理念和优势	2
1.2.1  流式交互与即时反馈	2
1.2.2  人机协作的编程新范式	3
1.2.3  TRAE与传统IDE的对比	3
1.3  TRAE的适用场景	4
1.3.1  快速原型开发：从想法到验证	4
1.3.2  学习新技术：AI驱动的“私人导师”	4
1.3.3  日常开发：从“写代码”到“策代码”	5
第2章  安装与设置	6
2.1  系统要求	6
2.1.1  硬件与操作系统	6
2.1.2  网络环境	6
2.2  安装TRAE	7
2.2.1  各平台安装指南	7
2.2.2  初始设置向导	8
2.2.3  常见的安装问题与解决方案	12
2.3  安装TRAE的插件	12
2.3.1  插件市场概览	13
2.3.2  插件安装方式	13
2.3.3  插件管理操作	15
2.3.4  核心插件推荐	16
2.4  进阶设置与个性化	16
2.4.1  个性化设置	16
2.4.2  使用命令行工具	17
2.4.3  项目管理基础	19
2.4.4  验证安装与设置	21
第3章  TRAE的界面与功能	22
3.1  界面	22
3.1.1  界面布局与核心组件	22
3.1.2  打造个性化的工作环境	24
3.1.3  命令面板的使用技巧	24
3.2  核心功能与工作方式	25
3.2.1  CUE：智能化的代码提示和自动补全	25
3.2.2  SOLO：我们的专属编程伙伴	26
3.3  其他功能	26
3.3.1  智能聊天：不止于编程	26
3.3.2  终端集成：在IDE中完成一切	27
3.3.3  文件与项目管理	28
第4章  AI侧边栏：智能对话中心	29
4.1  AI侧边栏概述	29
4.1.1  AI侧边栏的核心特性	29
4.1.2  AI侧边栏的界面布局	29
4.2  TRAE的对话方式	30
4.2.1  侧边对话	30
4.2.2  行内对话	31
4.2.3  两种对话模式的使用场景	32
4.2.4  有效的提问技巧	33
4.2.5  理解AI的回复	34
4.3  高级对话功能	34
4.3.1  侧边对话的代码分享与分析	34
4.3.2  行内对话的智能代码分析	35
4.3.3  多轮对话管理	36
4.4  常见问题与解决方案	36
第5章  CUE：智能代码提示	38
5.1  CUE概述	38
5.1.1  CUE的核心特性	38
5.1.2  CUE与传统代码自动补全工具的区别	39
5.2  CUE的触发机制与用法	40
5.2.1  自动触发机制	40
5.2.2  接受和拒绝建议	40
5.3  CUE的智能功能	41
5.3.1  代码补全与生成	41
5.3.2  上下文感知的代码建议	43
5.3.3  错误检测与修复建议	45
5.4  CUE的高级功能	46
5.4.1  性能分析与优化建议	46
5.4.2  多语言代码生成	47
5.4.3  代码重构建议	48
5.4.4  文档生成	49
5.4.5  调试与测试支持	49
5.5  如何与CUE高效协作	51
5.5.1  与CUE协作的技巧	51
5.5.2  常见问题与解决方案	52
第6章  SOLO：以AI为主导的协作方式	54
6.1  SOLO的核心特性	54
6.2  SOLO的页面	55
6.3  开发情绪记录应用	62
6.3.1  编写项目需求	62
6.3.2  编写产品需求文档	63
6.3.3  编写技术架构文档	65
6.3.4  规划任务实现方案	66
6.3.5  最终成果展示	68
6.4  如何与SOLO高效协作	71
6.4.1  产品需求文档应当明确、完整	71
6.4.2  在技术架构文档中选择熟悉的技术栈	72
6.4.3  交互技巧	73
6.4.4  个性化与集成技巧	73
6.4.5  常见问题与解决方案	73
第7章  MCP原理与实战	75
7.1  MCP原理解析	75
7.1.1  MCP的设计理念	75
7.1.2  MCP的运行机制	76
7.2  在TRAE中配置MCP服务器	78
7.2.1  如何配置MCP服务器	78
7.2.2  常用的MCP服务器	79
7.3  开发自定义的MCP服务器	81
7.3.1  创建简单的MCP服务器	81
7.3.2  配置和使用自定义的MCP服务器	85
7.3.3  MCP服务器的核心设计原则	86
7.4  MCP生态系统	87
7.4.1  通用的MCP服务器	87
7.4.2  浏览器自动化：Chrome DevTools MCP	88
7.4.3  播客查询助手	89
第8章  掌握Skills：让TRAE成为领域专家	93
8.1  什么是Skills	93
8.1.1  Skills的工作原理：渐进式披露	94
8.1.2  TRAE自动生成Skills	96
8.2  在TRAE中查找和使用Skills	97
8.2.1  查看项目中的技能	97
8.2.2  在TRAE中使用Skills	99
8.2.3  实战案例：使用Skills进行国际化转换	100
8.3  Skills的共享	104
8.3.1  团队的Skills仓库	104
8.3.2  社区的Skills生态	105
第9章  小试牛刀：搭建播客网站	106
9.1  项目背景与需求分析	106
9.1.1  项目设定与目标	106
9.1.2  结构化对话：与TRAE一起梳理需求	106
9.2  对话策略	107
9.2.1  人机对话的本质	107
9.2.2  与TRAE协作的四大原则	108
9.2.3  与TRAE对话的三个层次	108
9.2.4  把控协作节奏	109
9.2.5  关键词体系的建立与使用	109
9.3  需求分析与项目规划	111
9.3.1  需求梳理和项目定义	111
9.3.2  技术栈确认和架构设计	113
9.3.3  SvelteKit项目初始化	114
9.4  核心功能开发	115
9.4.1  Svelte组件的架构设计	115
9.4.2  首页开发	117
9.4.3  播客列表功能	122
9.4.4  音频播放器开发	124
9.4.5  SEO和性能优化	128
9.5  从技巧到实战	129
9.5.1  对话技巧和最佳实践	129
9.5.2  常见的对话场景	134
9.5.3  对话中的常见陷阱与应对	137
9.5.4  高级对话技巧	139
第10章  开发古籍识别项目	141
10.1  项目启航：为什么要做这个，需要准备什么	141
10.1.1  需求背景	141
10.1.2  安装Node.js	142
10.1.3  获取AI服务配置	142
10.1.4  快速验证：让AI第一次“看”图	143
10.2  创建项目	145
10.2.1  项目初始化	145
10.2.2  为什么选择Astro	145
10.3  生成产品需求文档	146
10.3.1  整理产品需求	146
10.3.2  基础提示词	147
10.3.3  优化提示词	149
10.3.4  生成产品需求文档	150
10.4  生成技术架构文档	152
10.4.1  文档概览	152
10.4.2  核心流程图	153
10.5  编码和调试	154
10.5.1  SOLO Builder的自动编码	154
10.5.2  项目交付成果	155
10.5.3  迭代优化与调试	155
10.6  更新文档	157
10.6.1  同步调整文档	157
10.6.2  文档更新结果	158
10.7  部署上线	158
第11章  在现有项目中快速构建业务模块	161
11.1  项目背景：了解ruoyi-vue-pro	161
11.2  需求分析：会议室管理模块	164
11.2.1  功能需求清单	164
11.2.2  业务流程梳理	165
11.3  数据库设计	166
11.4  后端开发：实体类与Mapper	167
11.4.1  创建实体类（DataObject）	167
11.4.2  创建Mapper接口	168
11.4.3  创建Service层	169
11.4.4  创建Controller层	171
11.4.5  完善模块配置	172
11.5  前端开发	173
11.5.1  创建API文件	173
11.5.2  路由与菜单的关系	174
11.5.3  创建会议室列表页面	175
11.6  权限配置	177
11.6.1  生成菜单配置SQL语句	177
11.6.2  角色权限分配	178
11.7  业务逻辑优化	178
11.7.1  并发冲突检测优化	179
11.7.2  消息通知功能	180
11.7.3  数据统计功能	181
11.8  测试与调试	181
11.8.1  单元测试	181
11.8.2  接口测试	183
11.8.3  Bug修复实战	184
11.9  快速开发技巧	185
11.9.1  使用代码模板	185
11.9.2  复用业务逻辑	185
11.10  开发流程总结	186
11.11  最佳实践建议	187
11.12  常见问题与解决方案	188
第12章  多智能体协作开发桌面笔记应用	190
12.1  智能体协作开发实战	190
12.1.1  需求场景与核心价值	190
12.1.2  解决思路：“西游”团队的智能体协作框架	190
12.1.3  最终效果概览	191
12.1.4  多智能体如何启动协作	193
12.1.5  可复刻性的关键设计	196
12.1.6  项目初始化：标准化模板的战略价值	196
12.1.7  展望与完善项	198
12.2  需求拆解与规划	198
12.2.1  模糊需求拆解挑战	198
12.2.2  唐僧智能体的协作模式	198
12.2.3  实际操作	199
12.2.4  产品需求文档的演进式生成	199
12.2.5  人机协作的节奏控制	201
12.2.6  协作模式的工程价值	201
12.3  技术架构文档设计与项目骨架搭建	201
12.3.1  从产品需求文档到技术架构文档的转化路径	201
12.3.2  核心架构：全栈一体化设计	202
12.3.3  数据库选型：本地优先的决策逻辑	203
12.3.4  代码约束与可维护性保障	203
12.3.5  实际操作	203
12.3.6  建立可追溯的文档链	204
12.3.7  为迭代预留的扩展点	205
12.3.8  小结	205
12.4  用户认证模块实现与开发效率优化	205
12.4.1  从方案到代码的推进节奏	205
12.4.2  数据库模型定义：声明式Schema	206
12.4.3  服务端Actions：类型安全的前后端交互	207
12.4.4  开发便利性设计：Seed数据与一键登录	209
12.4.5  自测与验证标准	210
12.4.6  进度同步与文档状态更新	211
12.4.7  小结	211
12.5  笔记管理功能与数据持久化实现	211
12.5.1  从指令到任务拆解	212
12.5.2  CRUD操作的技术实现路径	212
12.5.3  数据模型与关联设计	213
12.5.4  状态管理与交互细节	214
12.5.5  UI优化的智能增强：MCP工具链介入	215
12.5.6  交付标准与状态同步	216
12.6  质量保障与代码评审	216
12.6.1  需求场景：代码完成后的质量验证	216
12.6.2  解决思路：引入八戒智能体作为质量门禁	217
12.6.3  展示效果	217
12.6.4  静态代码深度评审	219
12.6.5  展望与完善项	219
12.7  应用的打包与分发	220
12.7.1  需求场景与技术挑战	220
12.7.2  唐僧智能体：从模糊的需求到可执行方案	220
12.7.3  悟空智能体：脚本实现与环境封装	222
12.7.4  八戒智能体：代码审查与潜在风险识别	223
12.7.5  沙僧智能体：文档对齐与发布基线确认	224
12.7.6  最终交付物的结构与使用流程	225
12.8  项目巡查与文档对齐	226
12.8.1  启动巡查流程与时间窗确定	226
12.8.2  识别文档与代码的隐性偏差	227
12.8.3  执行质量护栏与静态分析	227
12.8.4  整改措施与留痕规范	228
12.8.5  发布基线确认与风险标识	228
12.8.6  深度理解智能体协作模式	229
第13章  从零构建本地知识库系统	230
13.1  项目需求	230
13.1.1  什么是AI知识库	230
13.1.2  什么是RAG	231
13.2  项目前置准备	232
13.3  技术选型	234
13.3.1  AI底座模型	234
13.3.2  嵌入模型	235
13.3.3  向量数据库	235
13.3.4  重排序模型	236
13.3.5  历史记录存储	237
13.4  开发功能MVP	237
13.4.1  在阿里云百炼官网创建知识库	237
13.4.2  Cherry Studio知识库	238
13.4.3  新建TRAE工程	239
13.4.4  获取文字稿	239
13.4.5  处理文档	239
13.4.6  处理嵌入模型	241
13.4.7  配置向量数据库	242
13.4.8  查询数据库	243
13.4.9  重排序	244
13.4.10  美化结果	245
13.5  优化流程	246
13.5.1  当前流程的局限性分析	247
13.5.2  优化方向建议	247
13.5.3  高层次框架封装	247

13.6  后续的优化	248
13.6.1  能力的封装与服务化	248
13.6.2  优化用户界面	248
13.6.3  规划发展路径	249
第14章  开发小程序和移动端	250
14.1  移动端开发技术选型	250
14.2  技术方案与架构设计	251
14.2.1  项目范围界定与平台策略	251
14.2.2  技术栈选型与版本锁定	251
14.2.3  开发流程设计	252
14.3  开发环境搭建指南	252
14.3.1  安装基础工具链	252
14.3.2  项目的初始化配置	256
14.4  智能体协作转化需求	257
14.4.1  产品需求文档的结构化迁移	258
14.4.2  唐僧智能体：需求抽象与架构设计	258
14.4.3  悟空智能体：技术方案的反向工程	262
14.5  功能开发和调试	267
14.5.1  模块开发	267
14.5.2  代码评审	267
14.6  各平台运行效果	270
14.6.1  微信小程序	270
14.6.2  安卓平台	272
14.6.3  iOS平台	273
14.6.4  鸿蒙平台	275
14.7  常见问题与解决方案	277
14.7.1  通过日志桥插件读取运行日志	278
14.7.2  自定义App图标	278
14.7.3  无法找到真机设备	278

前言
重新定义编程体验


当我第一次看到开发者与TRAE协作编程的场景时，一种强烈的历史感扑面而来——我们正在见证软件开发范式的根本性转移。
TRAE既不是又一个代码补全插件，也不是那种只会聊天的AI玩具。它是一个真正能理解、思考并动手执行的智能伙伴。它标志着一个新时代的开始：流式人机协作编程。
TRAE究竟是什么
简单来说，TRAE就是你团队里新来的那位“一个顶十个”AI工程师——不领工资，不睡觉，随叫随到，而且真的能干活。
它将大语言模型的“大脑”与强大的工具执行“双手”完美结合。在TRAE的世界里，你不再需要：
?	死磕那些永远记不完的API文档；
?	在编辑器、浏览器、终端之间疲于奔命；
?	为那些重复、枯燥的胶水代码消耗热情。
你只需要用自然语言描述自己的想法，将剩下的交给TRAE，它能：
?	理解意图：不仅能看懂你的话，更能领会你的开发语境；
?	检索上下文：瞬间扫描你的代码库，找到最相关的逻辑片段；
?	执行任务：自动编写代码、操作文件、运行命令，一气呵成；
?	实时反馈：每一步操作都透明可见，你始终是“驾驶员”，不是“乘客”。
为什么是TRAE，而不是别的
传统的AI助手，像是一个只会动嘴的顾问：“我觉得你应该这样写……”
而TRAE，是一个直接上手干活的执行引擎。它不仅能生成代码片段，能理解你的项目结构，亲手帮你搭建、调试、测试。这种端到端的交付能力，让它从“工具”进化为真正的“编程伙伴”。
双模协作，适配你的每一种工作状态
TRAE深谙不同开发场景的需求，为你准备了两套交互哲学：
?	SOLO：你的自主交付工程师。从需求到部署，AI自主处理整个开发工作流。你只需通过集成视图监控进度，看它如何编写代码、修复错误、交付功能即可——真正的“无人驾驶”体验。
?	CUE：你的实时结对编程大师。在你编写代码时，TRAE会像一位经验丰富的老同事，安静地观察，在最恰当的时机给出恰到好处的建议。默契，且无感。
这本书，将如何重塑你的开发方式
这不是一本普通的工具手册，而是一张通往AI协作编程新时代的地图。
?	掌握对话的艺术：学会如何“指挥”AI，让TRAE精准执行你的开发意图。
?	看透智能体的脑回路：深入理解TRAE如何通过工具调用拆解复杂任务，以及你如何引导这个过程。
?	解锁MCP的“核弹级”威力：学会用模型控制程序（MCP）无限扩展TRAE的能力，让它真正适配你的项目和团队。
?	在SOLO与CUE之间自由切换：在SOLO与CUE之间自由切换，为不同的场景选择最高效的协作方式。
?	硬核实战：从搭建播客官网到复刻“闪念胶囊”，我们将亲手验证TRAE在全栈开发中的惊人表现。
写给每一位未来的创造者
无论你是刚写下第一行代码的新手，还是久经沙场的架构师；无论你是钟情前端美学，还是擅长后端逻辑——TRAE，以及本书，都为你而准备。
我们相信，编程的未来，不是AI替代人类，而是人类与AI的深度共舞。在这个新时代里，最成功的开发者，将是那些最懂得如何与AI伙伴协作的人。
现在，旅程已经开始。
让我们推开这扇门，去探索那个属于创造者的、无限可能的未来。

——Web Worker播客

本书配套资源下载

对不起，暂无音视频资源！

TRAE与AI Agent协作实战：多智能体AI编程全栈指南