TRAE SOLO 模式中国版惊艳上线，重新定义 AI 编程

你可能遇到过这样的场景：开发一个购物车重构功能，涉及数据校验、优惠叠加、订单拆分等多个逻辑。

你把需求交给 Coding Agent，它没处理完就停止了，需要你继续对话完成这个任务。

就这样反复停止、继续对话。

到了第 8 次，它已经忘记你在任务开始时，告诉他的“一个类只做一件事”的开发原则。

问题出在哪？这其实是当前 Coding Agent 的通病：

1. 一次任务给的 token 给的不够，难以处理复杂任务，只能拆分成多个独立请求；

2. 处理多个任务时，跨步骤的逻辑关联容易丢失，无法在长对话中保持上下文连贯性；

3. 执行模式偏黑盒，只返回结果，不主动同步进度或暴露决策过程。

针对这类复杂编程任务场景，字节 TRAE，推出了 SOLO 模式，想要解决上述这类复杂问题。

SOLO 模式 7 月份在 TRAE 海外版上线了内测版本；11 月 12 日，SOLO 在 TRAE 海外版全面开放；11 月 25 日，SOLO 模式正式登陆 TRAE 国内版，而且完全免费使用。

SOLO 模式的三个体验增强

TRAE 国内版 SOLO 模式目前可以完全免费使用，支持约 10 万个文件大规模代码库检索，对于大部分个人项目，甚至公司内部的单体仓库，都在它的能力覆盖范围之内。

官方称它为“The Responsive Coding Agent”：一个能实时反馈进度、支持随时干预、可以并行推进多个任务的编程智能体。

简单说就是三句话：看得见（实时进度）、管得住（随时叫停）、跑得快（多任务并行）。

具体包括三个层面的体验增强：

让用户实时可感知。AI 会通过智能摘要、To-Do List、开发计划等形式主动汇报进度，你不用逐行翻对话，就能知道现在做到哪一步。

让用户随时可掌控。Plan 模式让 AI 在动手前先给出方案，DiffView 则集中展示所有代码变更，方便你像做 Code Review 一样逐条过一遍。

引入了多任务并行机制。新增的多任务列表支持多个开发任务并行推进，且互不影响，大大增加了项目的开发效率。

此外，SOLO 模式内部集成了 SOLO Coder。

什么是 SOLO Coder 呢？

简单来说，它是 SOLO 模式下的内置智能体，可以智能调度多个专业 Agent，是一个具备「计划-执行-监控-审查」完整闭环能力的开发智能体。

SOLO Coder 的四个关键能力

从技术视角看，SOLO Coder 用四个机制，解决了 AI 处理复杂任务和反馈不及时的问题：

执行前方案评审：Plan

启用 Plan Mode 后，系统会先输出结构化的开发计划，而非直接生成代码。

你可以直接点击执行来通过方案，也可以回复“不行”拒绝或“不行，Redis 缓存策略要改成 LRU”调整方案。

这种机制可以降低 Agent 误操作风险，例如可以防止 Agent 误删你的文件（参考前段时间的新闻：Gemini3 删除了用户 800 个 G 的文件，把用户的 AI  Coding 工具和资料都删了）。

专业的事交给专业 Agent：Sub Agent 智能调度

面对「为 SaaS 产品新增多租户权限系统」这类较复杂的编程任务，SOLO Coder 可以将任务拆解，并交给不同的专业 Agent 解决对应问题，例如，主 Agent 可以调用数据库架构 Agent 设计表结构，再调用后端开发 Agent 实现 RBAC 逻辑、调用前端开发 Agent 搭建权限管理界面。

通过引入子 Agent，可以在复杂项目中提升 AI 输出效果。

主 Agent（如 SOLO Coder）通常是执行和处理较复杂任务的，在上下文较长时，会容易出现执行具体任务不准的情况。通过引入 Sub Agent，则可以更清晰地拆分和隔离各种精细化的任务，让专业的 Agent 做专业的事，Sub Agent 工作时的上下文是隔离的，也会减少上下文污染的问题。

此外，目前大多数 Coding Agent 只能人为调度各种 Agent 工作，SOLO 模式通过引入子 Agent，其智能化和自动化程度更强。

改了什么一目了然：DiffView 代码审查

系统会保留最近若干次会话的变更记录，你可以在对话末尾点开「查看变更」，一次性审查多个文件的修改；如果对某一步的改动不放心，也能只看那一步对应的 diff，精准追踪问题来源。

长对话不跑偏：上下文管理

SOLO 支持自动与手动两种压缩方式：当上下文逼近窗口上限或切换 Agent 时，系统会自动触发压缩；在对话内容占用较多窗口时，开发者也可以手动按下 Compact 进行压缩。

压缩策略是尽量丢弃冗余细节，保留关键信息，让模型在长对话中不跑偏。

一套新的协作模式

把这四个能力串起来，你会得到一套新的协作模式：

第一步，用 Plan 模式让 AI 事前沟通。重点看它有没有考虑边界情况：异常处理完整吗？并发场景会不会死锁？事务边界划对了吗？如果方案有漏洞，现在拒绝比事后 debug 成本低得多。

第二步，让 AI 先写测试用例。告诉它“先写 3 个正常场景 + 2 个异常场景的测试”，再让它实现功能。如果它测试用例写得清楚，说明它真的理解了这次需求。

第三步，用 DiffView 保证代码的质量。你可以检查是否引入了新的外部依赖、是否改动了不该修改的文件、变更范围是否合理。

第四步，让 SOLO Coder 完成整个流程的闭环。你只需要耐心等待，它按照跟你沟通后的方案，完整的执行整个复杂的工程任务，然后给出你一份它的处理报告。

这个流程的核心是：让 AI 先证明自己想清楚了，再允许它开发，然后看它的开发完成的报告，复查对代码的影响。

以前文的购物车重构为例，完整流程如下：

第一步，开启 Plan 模式，让 SOLO Coder 先给出方案。它列出了数据模型调整、API 接口改造、前端组件重构三个阶段，每个阶段标注了依赖关系和风险点。你发现它计划用 Redis 做缓存，但考虑到公司 Redis 集群资源紧张，你可以在 Plan 阶段，就要求它改用本地缓存+定时同步的方案。

第二步，方案确认后，SOLO Coder 开始执行。它自动调用了后端开发者 Agent 设计 API，调用前端开发者 Agent 重构购物车组件。期间你打开 DiffView，发现它修改了一个支付相关的配置文件，这不应该在购物车模块范围内。你立即中止操作，AI 撤回了这次变更。实测中，这类越界修改的识别依然需要人工判断，DiffView 的价值在于让这类问题更容易被发现。

第三步，当对话历史积累到 200 轮时，上下文开始影响 AI 的准确性。你手动触发上下文压缩，系统保留了核心的架构决策和关键代码片段，丢弃了中间可以忽略的上下文。

整个过程中，你同时还在另一个任务窗口里处理支付模块的 bug 修复，两条线互不干扰。

多任务并行，上下文不会混淆

这些能力带来的最直观变化是，你可以像管理开发团队一样管理 AI。

在电商平台开发中，你可以开三个任务：一个专注用户体系，一个推进订单系统，一个负责接入支付接口。

AI 会根据首次提问自动生成会话标题，你也可以改成「支付模块重构」「Redis  缓存优化」这样的标签，方便快速切换。

对比一下：以前你得在三个聊天窗口里分别问“用户表怎么改”、“订单接口报错怎么办”、“支付对接文档在哪”，每次切换都要重新交代背景。

现在三个任务并行，AI 会自己记住每条线的上下文。

这种多任务列表让任务状态一目了然：主要开发任务在后台执行时，你可以随时切到另一个任务问一个技术问题，而不会中断当前的执行链路。

在界面的呈现上，SOLO 模式的三栏布局让信息更聚焦：左侧是多任务窗口，中间是更清爽的对话流，右侧是灵活的工具面板。

对话流中的关键步骤会被折叠成摘要，To-Do List 智能拆解任务并标记完成情况，你可以快速跳到上一条、下一条消息或对话顶部和底部，在复杂执行过程中始终保持条理清晰。

随着 Coding Agent 能力的提升，编程的协作方式正在从「让 AI 辅助写代码」向「让 AI 主导代码」演变。

换句话说，你需要做的，正在从手写每一行代码，变成定义清楚项目目标、审核 AI 给出的方案、把控关键路径上的代码质量，对于程序员和 Vibe Coding 爱好者，提示词工程和 AI 协作能力正在成为新的编程门槛。

有了 SOLO 模式，你可以放心把完整模块交给它，自己只盯三个关键节点：方案评审、代码 Diff、线上验证，这种协作方式，已经接近你和一个专业技术团队的交互模式。

如果，你也对现有 Coding Agent 产品，无法解决复杂任务产生失望。

那么，下一个任务，不妨试试 TRAE SOLO 模式：

把需求完整描述给它，然后看着它自动执行，在你审核确认后，一项项划掉 To-Do List。

文章来自于微信公众号 “特工宇宙”，作者 “特工宇宙”