Full text · 原文
3,399 字
金磊 发自 凹非寺<br>
量子位 | 公众号 QbitAI<br>
TRAE，你这么玩，我是万万没有想到的——<br>
新发的TRAE SOLO独立端（PC端和Web端齐发），直接可以跨界干活了。<br>
例如我手上有一堆不同格式的文件：一份会议速记、一堆没清洗的原始数据、几张手绘的原型草图……<br>
然后我现在只需要一股脑地把它们打包到一个文件夹里，丢给SOLO独立端，附上一段Prompt：<br>
啪的一下，和这个项目相关的数据分析师、产品经理、运营和研发的工作，统统搞定！<br>
生成的所有文件都是可以点开、下载，直接可用的那种：<br>
咱就是说啊，TRAE SOLO独立端现在可真不只是能用来编程，需求、设计、数据、运营等岗位的人也都能拿来办公。<br>
一言蔽之，More Than Coding（MTC），把AI Coding这件事推向了AI Development。<br>
或许有小伙伴要问了，之前TRAE里面也有SOLO模式，那现在二者有什么区别呢？<br>
从形态上看，它脱离了传统的IDE架构，分为PC端和Web端两种；从能力上看，它将原本聚焦于代码的AI Agent能力，泛化到了整个互联网产研上下游：<br>
△图片由AI生成<br>
TRAE PC端： 传统的IDE形态，内部深度集成SOLO模式（SOLO Agent），面向专业且重度的研发场景。<br>
SOLO PC端（本次新增）： 独立的轻量级客户端，分为Code和MTC两种模式，面向所有产研人员。<br>
SOLO Web端（本次新增）： 浏览器即开即用版本，同样包含Code和MTC模式，主打随用随走。<br>
简而言之，TRAE SOLO独立端（下文简称SOLO）旨在用更轻量、更直观的交互范式，降低学习曲线。<br>
那么它到底能把整个产研团队的活儿干到什么程度？<br>
我们继续深入实测一波。<br>
产品经理、运营、分析师…统统都能用<br>
我们的实测将分别代入产品经理、运营、数据分析师以及研发工程师的视角，看看这个独立端在真实业务场景下的表现。<br>
产品经理实测：从海量噪音中提炼PRD<br>
产品经理（PM）的日常往往被大量的非结构化信息淹没。<br>
他们需要处理来自各个渠道的海量用户反馈，对齐历史版本的需求，最终撰写出逻辑严密的PRD（产品需求文档）。<br>
这个过程伴随着跨工具的频繁切换（从飞书/钉钉到Excel，再到原型工具和文档工具），整理一份完整的迭代方案往往需要熬上1-2天。<br>
现在，我们准备了不同格式且与产品经理工作相关的五份文件：<br>
接下来，我们把上面的文件夹直接上传到SOLO的MTC模式里，并附上这样的Prompt：<br>
请读取工作区的所有文件。首先，将300条用户反馈按功能模块进行聚类，提炼出前3个高频核心痛点；其次，结合Q1-Q4的上线数据，定位影响用户留存的关键问题；接着，严格按照我提供的PRD模板，产出下一版本的功能迭代PRD初稿；最后，根据现有的设计规范，生成一份贴合现有样式规范的原型页面结构描述。<br>
然后SOLO就开始自己工作了：<br>
最终，耗时仅7分钟，SOLO就给出了完整且超长的APP功能迭代初稿：<br>
对于PM而言，SOLO最大的价值在于上下文的持续记忆与多格式文件的整合处理。它已然是一个能同时看懂表格、文档和设计规范的业务助理。<br>
运营工作实测：从活动策划到复盘报告的全链路<br>
运营岗位工作的特点，非杂和碎莫属了。<br>
例如策划一个大促活动，前期要写方案、做宣讲 PPT、算预算；活动落地需要配置页面和物料；活动结束后还要熬夜洗数据、画图表、写复盘报告……<br>
在这次的实测中，我们将根据现实工作需求，分为活动前和活动后两个阶段。<br>
在活动前，实测的Prompt是这样的：<br>
帮我从零开始策划一场618用户拉新活动，产出完整可落地的方案（含活动主题、核心玩法、日程安排、预算明细、宣传渠道）。随后，根据该方案生成一份简洁商务风格的活动宣讲PPT。<br>
这一次，在SOLO操作之前，先提问了五个问题，包括活动对应行业、新客如何定义、总预算、PPT页数等等，以此来精确任务的执行。<br>
同样是不到7分钟，一份18页的PPT就这么水灵灵地诞生了：<br>
从结果可以看出，产出的策划案逻辑清晰，玩法（如裂变红包、限时秒杀）虽然中规中矩，但框架完整，预算明细的公式占位符也设置得很合理。<br>
并且生成的PPT也是直接可用的那种，页面结构（封面、背景、玩法、排期、封底）与策划案 100% 对应，甚至自动检索并插入了符合主题的配图。<br>
接下来，我们继续输出活动后数据复盘的Prompt：<br>
完成数据清洗，做数据可视化分析，产出包含效果总结、问题分析、优化建议的完整复盘报告（Word 格式）。<br>
可以看到，在读取运营数据时，SOLO自动执行了数据清理（剔除无效的刷单数据和空值），并输出了带有数据图表（折线图、柱状图）的Word复盘报告。<br>
报告中的结论也是抓住了运营体验的问题，并给出了针对性的渠道优化建议。<br>
数据分析师：自动化脚本与可视化挖掘<br>
数据分析师（DA）的核心价值在于洞察，但在实际工作中，他们60%以上的时间都花在了前置的体力活上：处理多份格式不一的表格、清洗脏数据、写Python脚本做聚合合并。<br>
为此，我们准备了非常杂乱的原始数据集，包括4个季度数据分表存储，字段命名不统一、日期格式不统一、带全类型脏数据，完全还原数分工作中从业务端拿到的多源异构原始数据场景。<br>
以及全链路用户行为原始脏数据，含重复行、空值、乱码、日期格式不统一、用户类型不统一、事件类型异常、数值异常等，还原了数分工作中从埋点系统导出的原始用户行为数据。<br>
然后我们给出这样的Prompt：<br>
给定4个季度的销售数据 Excel、用户行为原始数据集CSV，要求完成：①合并4个季度的销售数据，清理重复值和空值、统一日期格式，生成带季度列的年度总表，配套销售趋势柱形图；②对用户行为数据集做探索性分析，提炼核心业务洞察；③生成图文并茂的分析报告PPT，用合适的图表做可视化呈现，讲清数据结论和优化建议。<br>
面对多份格式有差异的表格，SOLO并没有试图硬拼。后台日志显示，它自动编写并运行了一段Python脚本，利用Pandas库精确地完成了去重、空值处理、日期格式统一以及表格拼接。<br>
除此之外，它依旧稳稳地生成了可视化的报告，包含多个数据分析需要的图表。<br>
由此，分析师不需要自己去调教代码环境，只需下达指令，SOLO就能通过代码化的方式保证计算的准确性与可复用性，解放了DA的机械劳动时间。<br>
代码实测：回归老本行<br>
最后，我们来实测一下SOLO的代码能力。<br>
即使是专业的研发人员，在处理一些快速原型的搭建、小型脚本的编写，或者在移动办公/通勤场景下，一个轻量但全能的环境更为重要。<br>
我们切换到SOLO的Code模式。测试任务不仅是简单的代码生成，而是测试其作为一个独立客户端的工程化能力。<br>
这次我们直接喂给SOLO一个PRD需求文档，简单来一句：<br>
按照产品需求做开发。<br>
不一会儿，应用就开发好了：<br>
不仅如此，包括架构设计、API定义、数据模型等等都是一口气直出的：<br>
不仅是本地可以执行，SOLO和云端项目一起多任务并行，还是可以随时接入查询状态的那种。<br>
打破了AI工具的岗位壁垒<br>
经过对四个典型岗位的深度实测，我们可以清晰地勾勒出TRAE此次发布SOLO独立端的真实用意。<br>
过去的AI工具市场存在明显的割裂：一方面是高度专业化、门槛极高的代码补全插件；另一方面是只能处理纯文本、无法触及真实业务工作流的通用对话大模型。各个岗位的人员依然困在自己的工具孤岛中。<br>
TRAE SOLO独立端的出现，最核心的变化是大幅降低了使用门槛。通过轻量化的PC端和Web端，以及MTC和Code模式的无缝切换，它将服务对象从单一的程序员，扩展到了覆盖产品、设计、数据分析、运营等互联网上下游的全链路人群。<br>
在能力层面，它不再局限于单纯的写代码，而是整合了文档理解、文件生成（PPT/Excel/Word）、数据清洗可视化、自动化脚本执行以及本地文件管理等全套能力。<br>
这意味着，TRAE正在从一个帮助写代码的AI Coding工具，升级为一个覆盖软件生命周期全流程的AI Development基础设施。<br>
对于产研团队而言，它提供了一种全新的可能性：在一个统一的智能工作流中，用自然语言调度从需求到落地的所有环节。<br>
中国版本：https://solo.trae.cn国际版本：https://solo.trae.ai