英语短冷笑话集合：用TRAE SOLO复刻PewDiePie智囊团，开启幽默AI新体验

也就是说，只要身为TRAE国际版的用户，在升级至软件的最新版本之后，就都能够使用SOLO模式。

SOLO正式版上线之后，我们进行了一番上手实测。总体感觉而言，SOLO正式版最为核心的进化之处，在于它拥有了能够“搞定复杂项目开发”的综合实力 。

这种实力得以升级，是源于多项核心能力进行了更新，SOLO正式版增添了内置智能体SOLO Coder，还有多任务列表，以及上下文压缩，另外有代码变更等功能，这些为复杂任务的执行提供了坚实支撑。

把上一次Beta版的定位进行对比，其定位是「业内首个基于（上下文工程）理念的AI开发助手」，TRAE将SOLO正式版定位成「The Agent」，这指的是「具备响应感知的编程智能体」。

在2025年的时候，AI编程进入了「人机共创」阶段，这种类型的设计明显是更加紧挨着实际生产场景的，属于开发范式 。

就在这个时候，我们另外发现了彩蛋，面向所有 TRAE 国际版会员开放的时候，TRAE 举办了一场限时免费体验活动，从现在开始一直到 11 月 15 日 23:59，所有用户能够免费体验 SOLO Coder 和 SOLO 。

薅羊毛的机会，这不就来了吗？

什么是 The Agent？

我们先看下此次产品更新的内容。

表面呈现为人机共同创造的传统氛围编程，实则是 AI 在某个项目上进行修修补补，且并无整体的设计思路。时间一旦变长，带来的情况是修改记录难以去追溯，工具需要来回进行切换，而且上下文会反复出现丢失的状况。如同网友的这张图那般，主要突出的是结构处于混乱状态，只要能够运行就可以了。

TRAE所给出的答案是The Agent，也就是「具备响应感知的编程智能体」哪，围绕实时有着感知，随时能够掌握，多任务并行这三大核心特性哟，构建起的一整套功能体系呢。

随时可掌控（ ）

—— 信息不丢失、意图可对齐

诸多开发者于运用AI进行编程之际，会萌生出一种“又爱又恨”的繁杂情绪。事实上，大多缘由在于于开发进程当中极难维持对AI的掌控之感。AI常常偏离既定意图，忘掉上下文内容，前后逻辑不相符合，致使开发进程充斥着不确定性以及挫败之感。

此种“不安全感”的源头，事实上并非单纯是“AI不够聪慧”，而是上下文管理存有结构性的不足。一旦项目稍有延长，逻辑稍有繁杂，模型就会出现记忆的断层，即前面的需求忘掉了，修改的缘由丢失了，历史状态无法回溯，只能依靠开发者持续不断地重复描述，手动进行兜底。

TRAE SOLO正式版会提出「 」，这般做的原因是要解决如下问题，即让上下文能够被跟踪，能够被回溯，可以被压缩且不会中断，使得人和AI在整个项目进程里的思路持续保持同频，让我们对于开发项目切实达成「随时可掌控」 。

SOLO 的解决办法，是使得「对话自身变为开发现场」。「对话」被再度界定为开发的关键界面。开发者不用再于编辑器、命令行、文档以及工具之间持续切换，而是能够在一条连贯的对话里目睹整个项目的发展进程，不用再依靠记忆或者反复阐述。

TRAE SOLO 的交互界面，呈现出一种以对话作为核心交互空间的三栏结构 。

进行此次更新 Plan 功能，目的在于防止 AI 在执行期间出现背离意图的状况，直接针对用户痛点，SOLO 做到了这一点。Plan 模式会于真正开展写代码操作之前，预先给出清晰确切的任务规划，促使人和模型先达成一致，之后能够通过一键确认进入实施阶段。

项目渐渐变得复杂起来，对话深入到多轮迭代阶段，此时上下文管理变得极为重要。SOLO正式版全面强化了测试版时「 」的强大管理能力，它会自动留存关键上下文，支持智能压缩上下文，而且用户能够实时查看上下文用量，还能手动进行压缩，以此确保模型在长链路开发中始终保持专注。

上下文压缩过程示意

这才是能够令人安心的长程开发体验。

实时有感知（ ）

—— 可视化的开发协作

“随时可掌控”所解决的，是信息连续性方面 的问题，而“实时有感知”所解决的则是开发过程中透明度方面的问题 。

于过往的AI编程感受里，我们时常会有一类熟悉的困扰，AI确实是在开展执行的动作，然而我们并非总是能够清楚知晓它到底在做些什么，为何要这样去做，以及达成了怎样的状况。这般的「半黑箱式」协作场面会致使人们难以生出信任之感，并且还难以达成交付的目标。

就此一点，SOLO正式版予以了全面且彻底的优化，于SOLO之内，AI智能体会把任务依次自动拆解成明晰的To-Do List，于执行进程里持续加以更新，能让开发者随时实时看到当下进度以及剩余工作，从而形成一种可知可感的项目正被稳步推进的节奏。

To-Do List 和实时执行情况示意

与此同时，被AI调用的那些工具是什么，被AI执行的那些操作有哪些，都会借由可视化界面进行完全呈现，以此取代往昔依靠日志排查的那种方式。

AI 调用 Agent 工具示意

在最关键的代码层面部分，SOLO 给出了代码变更工具，能清楚且明晰地呈现出每一回新增或者修改的具体详细内容，使得开发者能够直接去检查并予以确认。AI 编写代码并非在背后偷偷摸摸地进行，而是在眼前实时实地展示出来。这样的透明及可审查性质，让人切实能够对 AI 交付持有信任态度，进而实现更为高效且健康的协作关系。

AI 执行文件操作可视化示意

也就是说，SOLO并非仅仅是能够使得AI会一味地埋头进行编码，而是能够让开发者可以看得见，能够跟得上，并且能够管得住完整的整个开发进程 。

多任务并行（ Multi-Agent）

—— 多线程工作无需等待

在实际存在的软件开发进程当中，开发并非呈现为直线状态，而是以并行方式开展起来的。通常会出现这样的情形，一边进行 Bug 的修复，一边对功能予以迭代，在这个过程当中还会穿插进入突发的需求。以往的 AI 编程工具总体而言仅仅能够进行“单线程的工作”，一次仅仅能处理一个上下文，开发者不得不持续停下当前的进程去切换指令，导致效率出现极为严重的割裂情况。

SOLO正式版引进了实实在在的多任务并行，开发者能够同时开启好多项目或者子任务，并且能依据需求随时进行切换，每个任务的上下文都会被完整留存，不会因来回切换就丢失信息，开发节奏因而愈发流畅 。

多任务执行列表

在此同一时间，SOLO 内部镶嵌了一系列能够直接拿来调用的 Sub - Agent，比如说针对搜索信息这类特特定场景的专用智能体。开发者用不着自己亲自动手去处理这些繁杂细碎的环节，而是依据需求直接去调动相应的 Agent；要是默认的能力并不足够，还能够自行定义更契合项目语境的 Agent，用以达成像开展代码审查、生成单元测试等等这般的复杂需求。

一手实测：我们搞了个大模型智囊团

具有如此强大能力的TRAE SOLO正式版，以往构建简单网页应用或者小游戏的想法，已经无法满足测试需求了。因为SOLO Coder定位于支持复杂场景，专业开发者更多接触的或许是存量代码仓库的迭代；所以我们这里主要测试一个复杂场景的任务效果。

我们挑选了一个在近期很热门，并且复杂度处在适度状态下的项目，这个项目是复现由知名方面所构建而成的那个聊天机器人智囊团这般的项目 。

简而言之，针对这个项目借助多个大模型构建起了一个「智囊团委员会」，在这个委员会里头，每一个AI智能体都要展开辩论，之后通过投票选出最佳答案，最终将这个答案反馈给用户。

阶段一：打开 Plan，规划复杂需求

项目的起点是定义「做什么」，别着急进入开发，先明确好计划。

在SOLO Coder里，这一步能够使「Plan」去执行，它会于真正着手写代码之前，先产出一份结构清晰的任 务规划，让人跟模型就「要做什么」还有「打算怎么做」先取得共识，进而减少误解、提升可控性以及工程质量。

所以，我们作出决定，去测试一下 SOLO Coder 分析以及生成复杂需求的能力究竟处于何种水平，我们提取了与该项目相关的新闻报道描述，还添加了一些额外要求，之后向 SOLO Coder 发出了一个「元请求」：

有一个项目，它是要复现一篇新闻报道里描述的内容的，并且还有额外要求，要去分析这个项目的实现方式以及细节，然后给出执行计划 。

仅仅凭借那种飘忽不定、难以捉摸的情绪氛围，去琢磨构思出一个用于聊天的用户界面，并且精心塑造了一支具备相关性反馈生成以及音频输出能力的如同机械兵团一般的队伍。

他宣称，他借助那个系统构建了一个所谓的“委员会”，每一个AI智能个体都会待在里头去展开辩论，并且通过投票来挑选出最为合适的答案。

具体来讲，他运用了8个模型，这些模型配置了不一样的提示词，所以性格各异，它们共同组成了一个委员会。当进行提问时，每个模型都会给出一个答案，之后它们又会针对答案展开投票，进而从中挑选出最好的答案。

需按照要求，依据其进行开发，其中用户能够挑选模型并配置提示词，采用三栏式这种方式来设计，此三栏式在左侧呈现的是工作信息日志，位于中间的是模型信息，靠右侧的则是对话窗口。

面向这般相对而言较为复杂的指令之时，SOLO Coder体现得极为出色，针对此项目展开了称得上详尽十足的分析，成功地生成了一份相当之详细并且架构明晰的项目规划，与此同时还自动地保存成为了文件。

这符合 SOLO Coder 擅长处理复杂任务的定位。

执行SOLO Coder Plan的制定这一行为，以2.5倍速进行示意 ，具体涉及开发计划的规划 。

我们于Plan模式之时，能够细致查看规划内容是不是契合预期，SOLO Coder会等候我们的回应操作。若规划契合需求，能够一键点击去执行。要是存在需要调整的部分，同样是持续运用自然语言输入反馈意见，也能够在右侧的窗口直接进行编辑修改。比如，我们于规划内容里发觉了不需要的预期开发时间的部分，所以选择了手动删除。

阶段二： 按照规划，快速构建

将 Plan 给出的开发计划开展审查，没找出问题后，我们点击了「执行」，紧接着，SOLO Coder 马上着手开始工作了。

SOLO Coder 执行开发计划，30 倍速示意

令人惊喜的是，TRAE SOLO 极快地完成了相关环境包的装设，编写了配置文件，还设计了基本代码架构。

在这个进程期间，SOLO Coder针对每一个功能模块都实施了好多回测试，我们留意到它碰到了各异的报错，然而SOLO Coder呈现出了强大的自主处理问题的能力，能够迅速找寻到错误缘由，最终依靠自身修复了全部问题。这恰恰就是高效AI编程「自动化」的表现。

在执行了大约 13 分钟后，项目的 V1 版本便已生成。

我们开展了快速测试，配置了一个有着 6 位专家的「笑话委员会」，其中包括冷笑话大师、创意天才等，我们要求其生成一个有关 AI 的笑话，结果表明，委员会能够正常开展工作并投票选出最终答案，虽说笑话本身并不具备好笑的特质，这是受限于本地小模型的缘故，但是 TRAE SOLO 强大的「从 0 到 1」快速构建能力获得了验证。

与此同时，我们还发觉 V1 版是存有若干问题的：比如说，「委员会配置」界面那儿的确认按钮呈现得不完全，并且，原始需求里 RAG 以及音频输出功能并未达成，还欠缺配置的导入导出功能。

阶段三： 从 1 到 N ，迭代与修复

存在于 V1 版本之中的问题，刚好给我们创造出了能够持续进行 SOLO Coder 测试的极为出色的场景，。

有一个亮点是SOLO Coder，它善于在已有的代码体系里开展迭代、改造以及架构级重构的工作，它能够明白项目结构，管理上下文，并且在多轮迭代期间维持逻辑一致性。除此之外，具备这样的能力，SOLO Coder支持调用处于不同领域的Sub-Agent，像是审查、搜索或者测试生成智能体，在更为复杂的开发场景当中做出有序分工，以此来助力开发者推进工作 。

有了这些能力，我们促使SOLO Coder，在现有的项目根基之上，持续去完善功能，并且修复出现的问题。

在这个从 1 至 N 的迭代阶段之中，SOLO Coder 并非一下子就顺利成功的。可是关键之处在于，我们仅仅只需给出简洁明了的反馈，像是「功能还没有实现」或者「这里存在 Bug 」，如此一来，SOLO Coder 便能够理解、验证并且自己主动修正错误。

就拿添加 RAG 功能为例，我们给出如下指令：

RAG功能此刻尚未达成，要达成能够把本地文档引入RAG知识库的功能 。

SOLO Coder 添加 RAG 功能，30 倍速示意

SOLO Coder可以完全地领会功能需求，去执行安装有关的依赖，对功能代码予以更新，它甚至于自己撰写了一段文本实施多次上传测试，自动修复相关的问题。

这与SOLO正式版「The Agent」的定位极为完美精妙地契合了，它具备实时存在的感知能力，能够领会理解我们所给予的反馈，而且拥有随时呈现的可掌控性能，允许我们在任何时间随时介入并引导指导开发方向。

历经多番反馈以及修改，最终形成的成果，于如下这般进行表示的加速视频所示，是让人感到满意的：

首先是RAG功能的达成，接着呢，我们能够把Rich所著的《苦涩的教训》的英文原本导入到RAG知识库之中。

英语文章解读委员会，新配置而成，会协同合作，基于RAG内容，进行总结，然后展开投票。

3. 音频输出达成：TTS效力有效地整合到一起，可把源自本地模型的成果予以朗诵、呈现出来。 ，。

TRAE SOLO正式版存在着一个显著亮点，这个亮点便是它能够支持多任务处理，而且还能够在同一项目里执行。在完成了上述提及的AI委员会项目之后，此刻我们同时启动了两个优化项目，这两个优化项目的提示词分别依次如下： 。

最终，我们拥有了一个AI智囊团委员会，它在功能方面更为强大了，在UI这方面更具备美学设计了。

虽说这个项目还存在能够进行优化的余地，像是拥有更周全详尽的工作日志，集成云端大模型的 API，整合具备记忆方面的能力等等，然而这一回的实际测试明确地展现出了TRAE SOLO正式版本的核心价值：

不只是能够达成从0至1的迅速开启，而且还要承担起从1至N的繁杂迭代，以及错误修复与功能增添 。

具备这样一种「双核」协作模式，它结合了强大的自主纠错能力，以及对开发者反馈拥有高响应度，故而在一种能真正应对繁复任务的情境下成为了 AI 编程助手。如果有清晰的需求，还有足够的 Token 额度，那么它就能助力你一步一步地去完善任何复杂的项目。

SOLO is All You Need ？

若针对过去两年的AI编程工具展开一次横向对比，便会发觉，领域里边众多的产品演进路径均遵循着一个极为清晰的方向，那就是，从AI辅助编码工具开始，一步步朝着能够掌控开发过程的智能体系统迈进 。

从 TRAE 的迭代历程中，我们也能看出这种趋势。

豆包在2024年时，TRAE最早可被追溯到那个阶段 。那时，AI的角色主要停留在IDE插件层 ，它负责补全 、调试以及局部生成 ，是服务于VS Code等主流开发环境的“AI助手” 。

2025年1月，TRAE IDE国际版发布了，此发布标志着TRAE开始构建原生态对话式的AI开发体验，到同年3月国内版上线后，它成为国内首个面向复杂任务的AI原生IDE 。

在这个进程里面，开发者用户的需求同样产生着变化，关键问题已并非是不是 AI 会进行撰写，而是它可不可以记住、领会并承接上下文。于是，SOLO Beta 出现了，它并非「IDE 集成 AI」，而是「AI 集成上下文」，TRAE 迈入了 2.0 阶段。AI 不再仅仅是被调用，而是掌握了依据上下文主动调动工具、理解任务链路并推动开发流程。

而TRAE 3.0，也就是SOLO正式版上线了，这使得它进一步朝着系统化定义的方向发展，这个系统化定义所指的就是：The Agent。

从这条演进链路之中能够见到一种极为明晰的趋向，智能体变得越发有能力去承担繁杂项目，产品的每一回迭代，都在持续削减编码以及开发的门槛 。

这并非仅仅在TRAE发生，将视野放到全球范围亦是这般情况。不管是 、，又或者是别的新兴的AI开发工具，它们皆在从「把代码开发当作核心」朝着「以智能体作为核心」进行转变，先是为专业开发者提供服务，接着逐渐向外界拓展能力所涉及的范围 。

或许 TRAE 正在沿着一条正确的道路前行：

的确，我们理应把AI编程的进展置于更长的技术演变轨迹之下来看待，实际上当下的产品形式其实均尚处于过渡时期。不论那基于命令行的智能体调控，还是深度融合在IDE内的代码补全型工作流程，它们都不过是在探寻「AI怎样参与开发」这般问题的各异路径。

软件开发的本质并非是写代码数量的多少，真正对系统质量起决定作用的，是持续不断地去理解需求，是建立起结构化的设计，是规划好迭代的节奏，并且要让代码体系维持可维护性，然而当下大多数的AI编程工具，尽管在一次性生成代码方面表现擅长，却很难拥有项目连续性以及架构思维。

这同样是SOLO正式版所具有的意义之处，使得开发者能够将更多心力投放于抽象结构方面，并且在系统设计范畴，以及有关工程决策领域 。

官网所讲的TRAE，就如同里面表述的这般：“SOLO is All You Need” 。

当AI的能力边界又一次被拓宽之时，它足以胜任复杂的开发项目，并渐渐成为用户背后的「全能开发团队」。在未来，「开发者」会朝着「架构师」的角色进行转变。真正具备高价值的用户，是那些能够促使AI创造出新价值的人，而非仅仅只会调用AI的人。

或许，我们正伫立在一个全新协作模式的岔道口，未来，人机协作会朝着何方前行呢，——。

说不定，TRAE SOLO 的下一回迭代，能够给出更为清晰的答案呢。

文中视频链接：