【AI大模型接入SDK】Trae生成代码介绍

🎬 个人主页 ：艾莉丝努力练剑
❄专栏传送门 ：《C语言》《数据结构与算法》《C/C++干货分享&学习过程记录》
《Linux操作系统编程详解》《笔试/面试常见算法：从基础到进阶》《Python干货分享》

⭐️为天地立心，为生民立命，为往圣继绝学，为万世开太平

🎬 艾莉丝的简介：

文章目录

[1 ~> ChatServer 项目背景与 main 方法开发需求](#1 ~> ChatServer 项目背景与 main 方法开发需求)
- [1.1 项目现状](#1.1 项目现状)
- [1.2 ChatServer 构造函数核心代码（修正原始代码语法错误）](#1.2 ChatServer 构造函数核心代码（修正原始代码语法错误）)
[2 ~> Trae IDE 基础功能与 AI 对话面板](#2 ~> Trae IDE 基础功能与 AI 对话面板)
- [2.1 Trae IDE 基础简介](#2.1 Trae IDE 基础简介)
- [2.2 AI 对话面板核心控件](#2.2 AI 对话面板核心控件)
- - [2.2.1 Auto Mode 自动模型模式](#2.2.1 Auto Mode 自动模型模式)
  - [2.2.2 输入框快捷符号](#2.2.2 输入框快捷符号)
- [2.3 Trae 全局模式分类](#2.3 Trae 全局模式分类)
[3 ~> 智能体 (Agent) 核心概念](#3 ~> 智能体 (Agent) 核心概念)
- [3.1 大语言模型与智能体对比](#3.1 大语言模型与智能体对比)
- - [3.1.1 大语言模型](#3.1.1 大语言模型)
  - [3.1.2 智能体 Agent](#3.1.2 智能体 Agent)
- [3.2 Trae IDE 内置智能体](#3.2 Trae IDE 内置智能体)
- - [3.2.1 Chat](#3.2.1 Chat)
  - [3.2.2 Builder](#3.2.2 Builder)
  - [3.2.3 Builder with MCP](#3.2.3 Builder with MCP)
- [3.3 自定义智能体](#3.3 自定义智能体)
[4 ~> 本项目工作流程总结](#4 ~> 本项目工作流程总结)
结尾

1 ~> ChatServer 项目背景与 main 方法开发需求

1.1 项目现状

服务器业务代码已全部开发完成，程序无法运行，缺失入口main函数，该函数负责完成服务配置加载，实例化服务对象并启动 HTTP 服务。
ChatServer构造函数接收ServerConfig配置对象，该对象保存各个大模型 API 密钥、超参数、Ollama 本地模型连接信息。

1.2 ChatServer 构造函数核心代码（修正原始代码语法错误）

cpp 复制代码

#include"ChatServer.h"
#include <ai_chat_sdk/util/myLog.h>
#include <httplib.h>
#include <jsoncpp/json/forwards.h>
#include <jsoncpp/json/value.h>
#include <jsoncpp/json/reader.h>
#include <jsoncpp/json/writer.h>

namespace ai_chat_server
{
	ChatServer::ChatServer (const ServerConfig& config)
	{
	    // deepseek模型配置
	    auto deepseekConfig= std::make_shared<ai_chat_sdk::APIConfig>();
	    deepseekConfig->_modelName="deepseek-chat";
	    deepseekConfig->_apikey= config.deepseekAPIKey;
	    deepseekConfig->_temperature= config.temperature;
	    deepseekConfig->_maxTokens=config.maxTokens;
	
	    // gpt‑4o‑mini模型配置
	    auto chatGPTConfig= std::make_shared<ai_chat_sdk::APIConfig>();
	    chatGPTConfig->_modelName="gpt-4o-mini";
	    chatGPTConfig->_apikey= config.chatGPTAPIKey;
	    chatGPTConfig->_temperature= config.temperature;
	    chatGPTConfig->_maxTokens=config.maxTokens;
	
	    // gemini‑2.0‑flash模型配置
	    auto geminiConfig = std::make_shared<ai_chat_sdk::APIConfig>();
	    geminiConfig->_modelName="gemini-2.0-flash";
	    geminiConfig->_apikey= config.geminiAPIKey;
	    geminiConfig->_temperature=config.temperature;
	    geminiConfig->_maxTokens=config.maxTokens;
	
	    // Ollama本地deepseek‑r1:1.5b模型配置
	    auto ollamaConfig= std::make_shared<ai_chat_sdk::OllamaConfig>();
	    ollamaConfig->_modelName=config.ollamaModelName;
	    ollamaConfig->_modelDesc= config.ollamaModelDesc;
	    ollamaConfig->_endpoint= config.ollamaEndpoint;
	    ollamaConfig->_temperature=config.temperature;
	    ollamaConfig->_maxTokens=config.maxTokens;
	
	    // 组装全部模型配置集合
	    std::vector<std::shared_ptr<ai_chat_sdk::Config>> modelConfigs={
	        deepseekConfig,
	        chatGPTConfig,
	        geminiConfig,
	        ollamaConfig
	    };
	
	    // SDK初始化全部模型，初始化失败打印错误日志
	    if(!_chatSK->initModels(modelConfigs))
	    {
	        ERR("ChatSK init Failed!!!");
	    }
	}
}

代码修正项：修复原始代码中拼写错误：nake_shared→make_shared、各类变量名、头文件拼写、数组初始化语法错误。
业务逻辑说明：构造函数内部完成 4 套模型配置对象实例化，存入 vector 容器，调用 SDK 接口批量初始化模型。初始化失败输出错误日志。
后续任务：实现 main 函数，加载配置、构造ChatServer实例，启动 HTTP 服务，提供网页访问接口。

2 ~> Trae IDE 基础功能与 AI 对话面板

2.1 Trae IDE 基础简介

Trae IDE 基于 VSCode 内核深度改造，深度集成 AI 能力，具备智能问答、代码补全、Agent 自动编程能力。
官方资源
- 官网：https://www.trae.ai/
- 使用手册：https://docs.trae.ai/ide/what-is-trae?_lang=zh
- 下载地址：https://www.trae.ai/download
远程开发能力：支持 Remote SSH，直接连接远程 Linux 主机开发；输入格式ssh 用户名@IP地址 -A
远程开发必备插件（插件安装至远程主机）
- clangd：C/C++ 开发插件，能力包含语法高亮、代码补全、静态语法检查、符号跳转、悬停查看函数文档。
- CMake Tools：CMake 项目构建、编译、调试支持。

2.2 AI 对话面板核心控件

2.2.1 Auto Mode 自动模型模式

开启 Auto Mode：Trae 根据任务复杂度、模型负载自动选择最优可用模型，界面不展示模型下拉列表。
关闭 Auto Mode：手动从内置模型列表选择推理模型。
内置模型列表：Doubao‑Seed‑1.6、Kimi‑K2‑0905、Qwen‑3‑Coder、GLM‑4.6、GLM‑4.5、DeepSeek‑V3.1‑Terminus。
模型悬停提示：光标悬浮模型名称，展示模型能力标签，区分推理模型。

2.2.2 输入框快捷符号

@ ：指定智能体，支持选择内置智能体，也支持自定义创建智能体。

#：引用外部文件作为对话上下文，适合长提示词、引用项目源码文件，把项目代码交给 AI 读取。

2.3 Trae 全局模式分类

Max 模式
Auto 模式
隐私模式

3 ~> 智能体 (Agent) 核心概念

3.1 大语言模型与智能体对比

3.1.1 大语言模型

代表模型：deepseek‑chat、gpt‑4o‑mini、gemini‑2.0‑flash
本质：文本生成模型，擅长知识问答、文本理解，类比知识渊博的博士生。
局限：仅输出文本，无法主动调用外部工具 API，不能执行真实业务动作。
示例场景：让大模型订机票，只能输出操作步骤，无法调用订票 API 完成实际下单。

3.1.2 智能体 Agent

定义：以大语言模型作为大脑的编程助手；接收复杂任务，自动拆解为多个可执行子步骤，调用各类外部工具、API 完成真实业务，达成最终目标。类比 "有手有脚可以干活的实干家"。
核心能力
1. 任务拆解：复杂需求拆分为多个串行、并行子任务。
2. 工具调用：调用文件读写、命令执行、网络请求等工具。
3. 上下文维护：维护完整任务上下文，多步骤之间状态传递。
4. 迭代执行：根据工具返回结果，调整后续执行策略。

3.2 Trae IDE 内置智能体

3.2.1 Chat

适用场景：代码库对话、普通问答、简单代码片段生成。
定位：轻量对话智能体，不执行复杂多步骤项目构建。

3.2.2 Builder

适用场景：从零到一完整项目开发。
能力：自动调用多套工具：代码解析、文件编辑、命令行执行、编译构建；多轮交互完成项目落地。本项目使用 Builder 智能体生成 main 入口代码。

3.2.3 Builder with MCP

继承 Builder 全部能力；自动加载全部配置好的 MCP Server，MCP 相关内容查阅文档附录。

3.3 自定义智能体

Trae 支持用户自行创建自定义智能体，配置专属工具集与系统提示词。

4 ~> 本项目工作流程总结

已有 ChatServer 业务类，缺失 main 入口函数。
使用 Trae IDE，打开 AI 侧边栏，选择Builder智能体。
可关闭 Auto 模式手动挑选推理模型，或保持 Auto 模式自动分配模型。
使用#引用项目源码文件作为上下文，向 Builder 下达指令生成 main 函数代码。
将生成 main 函数整合进项目，编译运行 ChatServer 服务，对外提供 HTTP 接口，完成多模型对话服务。

结尾

uu们，本文的内容到这里就全部结束了，艾莉丝在这里再次感谢您的阅读！

|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| ### 艾莉丝努力练剑 C/C++ & Linux 底层探索者 | 一个正在努力练剑的技术博主 *** ** * ** *** 👀 【关注】 跟随我一起深耕技术领域，见证每一次成长。 ❤️ 【点赞】 让优质内容被更多人看见，让知识传递更有力量。 ⭐ 【收藏】 把核心知识点存好，在需要时随时查、随时用。 💬 【评论】 分享你的经验或疑问，评论区一起交流避坑！ 不要忘记给博主"一键四连"哦！ "今日练剑达成！" "技术之路难免有困惑，但同行的人会让前进更有方向。" |

结语：希望对学习Linux相关内容的uu有所帮助，不要忘记给博主"一键四连"哦！

往期回顾：

【AI大模型接入SDK】ChatServer 路由规则绑定

🗡博主在这里放了一只小狗，大家看完了摸摸小狗放松一下吧！🗡 ૮₍ ˶ ˊ ᴥ ˋ˶₎ა