我和TRAE的这一年：从"看不懂"到"玩得转"的AI学习进化史

一、初识TRAE：从"这是什么鬼"到"原来如此"

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。

二、GPT模型 vs Gemini模型：我的选择策略

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。

GPT模型：我的"代码审查官"

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：

• 编写核心业务逻辑时，需要确保代码健壮性
• 处理敏感数据（如支付、用户信息）时
• 需要生成详细文档和注释时

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。

Gemini模型：我的"快速原型师"

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：

• 快速原型开发，需要快速看到效果
• 处理大型代码库，需要理解整体架构
• 需要生成简洁的代码片段时

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

我的选择策略

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"。

三、Max Mode vs Auto Mode：我的效率提升秘籍

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。

Max Mode：复杂任务的"重型武器"

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：

1. 大型项目重构：需要理解整个项目的依赖关系
2. 复杂业务逻辑：需要多轮对话才能完成的任务
3. 生成完整项目：从需求到部署的全流程

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：

• 开启Max Mode前，先整理好需求文档
• 使用#符号引用项目文件，让其理解上下文
• 定期保存对话记录，避免丢失进度

Auto Mode：日常开发的"智能助手"

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：

1. 日常代码补全：写代码时的智能提示
2. 快速问答：遇到问题随时提问
3. 小功能开发：简单的增删改查

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：

• 不需要手动选择模型，让AI自动判断
• 适合处理简单的、单次对话就能解决的问题
• 成本更低，适合日常高频使用

我的模式切换策略

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。

四、那些"看不懂"的源码，TRAE帮我读懂了

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。

案例：理解Vue3源码

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。

我的源码学习流程

1. 整体了解：让TRAE生成项目架构图
2. 深入模块：选择核心模块，让TRAE解释实现原理
3. 细节分析：遇到具体问题，用Auto Mode快速提问
4. 实践验证：自己动手写代码，遇到问题再问TRAE

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。

五、我的TRAE工作流：从需求到上线的全流程

经过一年的摸索，我总结出了一套高效的TRAE工作流：

阶段1：需求分析（Max Mode）

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。

阶段2：项目搭建（Builder模式）

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。

阶段3：功能开发（Max Mode + Auto Mode）

• 核心功能：用Max Mode生成完整模块
• 细节调整：用Auto Mode快速修改样式、修复bug
• 代码审查：用GPT模型进行代码质量检查

阶段4：测试部署（Auto Mode）

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。

阶段5：上线维护（Auto Mode）

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。

六、这一年，关于TRAE,我学到了什么

1. AI不是替代，而是增强

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。

2. 学会提问比学会写代码更重要

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。

3. 代码质量比代码速度更重要

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。

4. 持续学习是唯一的护城河

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。

七、给新手的建议

如果你刚开始使用TRAE，我有几点建议：

1. 从小处开始：不要一上来就让它生成完整项目，先从简单的代码片段开始
2. 学会拒绝：AI生成的代码不一定都正确，要学会判断和拒绝
3. 多问多试：同一个问题，用不同的方式提问，看看哪个效果更好
4. 建立知识库：把常用的Prompt保存下来，形成自己的知识库
5. 保持批判性思维：AI会犯错，你要有自己的判断

七、结尾：

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。