11月12日,TRAE宣布推出SOLO正式版。SOLO正式版定位于“The Responsive Coding Agent”,旨在为专业开发者提供实时有感知(Responsive Review)、随时可掌握(Responsive Context)、多任务并行(Responsive Multi-Agent)的AI编程新体验。
即日起,SOLO正式版面向TRAE国际版用户全面开放,限时免费体验活动同步开启。
今年7月,TRAE推出SOLO Beta版,内置智能体SOLO Builder,能够结合多模态上下文进行需求感知、任务分解、工具调度与执行反馈,完整交付软件结果,帮助用户快速搭建端到端应用。在Beta版的基础上,SOLO 正式版增加了更擅长处理复杂任务的智能体SOLO Coder,并新增多任务并行、上下文压缩和代码变更等核心能力。
随着Beta版迭代为正式版,TRAE SOLO的定位也从最初的“The First Context Engineer”升级为“The Responsive Coding Agent”。SOLO正式版更加关注人与Agent在整个开发流程中的协同响应,“Responsive”代表在高度自动化的同时真正做到实时有感知、随时可掌握、多任务并行。基于多项功能升级,SOLO正式版更加适应专业开发场景,并在整个开发过程中实现了更快的响应速度、更好的交付质量。
SOLO Coder:专为复杂开发场景打造的智能体
在此前推出的SOLO Beta版本中,内置智能体 SOLO Builder 能够较好地支持“从0到1”项目的开发,帮助用户快速开发应用并上线。但在更专业的开发场景中,用户需要基于已有的仓库进行功能迭代、代码重构、Bug修复,完成更多从“1到100”的复杂任务。
为了更好地协助开发者完成复杂开发任务,SOLO正式版新增内置智能体“SOLO Coder”。

针对复杂开发场景,用户开启对话时勾选“Plan”辅助进行开发规划,可获取更强的掌控感和更专业的工程化支持。AI会协助用户制定开发规划,用户确认后方可进入开发执行阶段。
同时,SOLO Coder可智能调用多个智能体完成特定任务,为用户提供了“专业的AI开发团队”。在执行和处理复杂任务时,SOLO Coder会更清晰地拆分和隔离各自精细化任务,同时减少上下文污染的问题。目前,自定义智能体支持手动创建和智能创建两种方式。手动创建即用户完整输入智能体内容;智能创建即用户输入对智能体的简短描述,模型根据描述生成完整的智能体内容。
全新可视化布局,支持多任务并行,让 AI 开发更简便、可控
SOLO正式版提供了三栏布局,从左到右分别为多任务列表、对话流窗口和工具面板,致力于为用户打造更清晰、高效的开发空间。

多任务列表为SOLO正式版新增功能,支持同时并行开发不同功能模块。开发者可以多线程推进工作,并在多个任务之间灵活切换,清晰掌握每个任务的实时进度,有效提升开发效率。
对话流窗口进一步优化了展示逻辑。在关键步骤或功能模块完成后,SOLO会自动将过程折叠为简洁的摘要,而To-Do List 会智能拆解任务并标记完成情况,同时,窗口还提供了一键跳转到对话顶部/底部的快捷操作,保证了用户对任务执行状态和后续计划的清晰掌控,实现与智能体无缝衔接的协作。
最右侧的工具面板集成了数据库(Supabase)、AI服务(LLM)、部署(Vercel)、支付(Stripe)、设计稿(Figma)等核心工具,可以轻松调用和快捷接入,有效降低了用户在多个平台之间切换的成本。
此外,SOLO正式版还增加了代码变更和上下文压缩两项关键功能。上下文压缩功能旨在解决多轮提问后因上下文变长导致的模型失焦或幻觉问题,提升模型输出效果并显著节省使用 AI 成本。代码变更可帮助用户快速了解 AI 对代码的新增和修改情况,满足了专业开发者对掌控感的要求。
过去半年,AI编程类产品逐渐从“工具增强”步入“流程重构”的新阶段,不再满足于辅助生成代码,而是打造一种覆盖全流程且高度自动化的开发模式。
对于用户来说,TRAE SOLO正式版不只是“ AI工程师伙伴”,更相当于“一个专业开发团队”。用户能够像管理开发团队一样调度多个智能体协同工作,同时保证协作体验的清晰、可控。
目前,TRAE提供IDE和SOLO两种开发模式。IDE模式具备智能问答、代码自动补全等AI编程能力,保留原有开发流程,掌控感更强;SOLO模式以AI为主导,可理解目标、承接上下文并调度工具,独立推进各阶段开发任务。用户可根据任务需求切换,自由探索人与AI的协作开发模式。
好文章,需要你的鼓励
本文揭示了AI时代CIO的七项关键行为特征,基于对多位CIO和AI专家的深度访谈。专家指出,AI精通的CIO需具备实用AI素养、战略视野和变革领导力,能将技术与业务战略对齐,建立强大数据治理基础。文章详细解析了分析型AI、生成式AI和智能体AI三大技术领域,强调数据基础的重要性,并提出CIO应从项目思维转向产品思维,通过跨职能团队实现端到端价值交付。
斯坦福大学等机构联合开发的CIFT系统首次解决了机器人"近视眼"问题,通过精确控制真实数据和合成数据的混合比例,让机器人在陌生环境中的表现提升54%以上。该系统包含多视角视频增强引擎MVAug和数据组合优化策略,能够预测数据失效的"去相干点",确保机器人学习真正重要的任务特征而非环境表象,为实用化通用机器人奠定了重要基础。
尽管苹果在AI竞赛中看似落后,但其私有云计算基础设施展现了技术优势。当行业为追赶大语言模型而降低隐私标准时,苹果坚持原则,开发出保护用户数据隐私的技术方案。谷歌最新宣布的类似实施方案验证了苹果技术路线的正确性,这可能推动其他AI实验室采用相同做法,为用户隐私带来重大胜利。
香港中文大学研究团队开发的Search-R3系统成功解决了大语言模型推理与搜索分离的问题,通过两阶段训练让AI在深度思考过程中直接生成搜索向量。该系统在多个领域测试中显著超越现有方法,特别是启用推理后性能提升明显,为AI系统设计提供了推理与搜索统一的新范式,展现了从专门化向通用化发展的重要方向。