剛剛，TRAE SOLO上線獨立端：已經不滿足寫代碼，還要跨界干活！

金磊 發自 凹非寺
量子位 | 公眾號 QbitAI

TRAE，你這么玩，我是萬萬沒有想到的——

新發的TRAE SOLO獨立端（PC端和Web端齊發），直接可以跨界干活了。

例如我手上有一堆不同格式的文件：一份會議速記、一堆沒清洗的原始數據、幾張手繪的原型草圖……

然后我現在只需要一股腦地把它們打包到一個文件夾里，丟給SOLO獨立端，附上一段Prompt：

啪的一下，和這個項目相關的數據分析師、產品經理、運營和研發的工作，統統搞定！

生成的所有文件都是可以點開、下載，直接可用的那種：

咱就是說啊，TRAE SOLO獨立端現在可真不只是能用來編程，需求、設計、數據、運營等崗位的人也都能拿來辦公。

一言蔽之，More Than Coding（MTC），把AI Coding這件事推向了AI Development。

或許有小伙伴要問了，之前TRAE里面也有SOLO模式，那現在二者有什么區別呢？

從形態上看，它脫離了傳統的IDE架構，分為PC端和Web端兩種；從能力上看，它將原本聚焦于代碼的AI Agent能力，泛化到了整個互聯網產研上下游：

△圖片由AI生成

• TRAE PC端： 傳統的IDE形態，內部深度集成SOLO模式（SOLO Agent），面向專業且重度的研發場景。
• SOLO PC端（本次新增）： 獨立的輕量級客戶端，分為Code和MTC兩種模式，面向所有產研人員。
• SOLO Web端（本次新增）： 瀏覽器即開即用版本，同樣包含Code和MTC模式，主打隨用隨走。

簡而言之，TRAE SOLO獨立端（下文簡稱SOLO）旨在用更輕量、更直觀的交互范式，降低學習曲線。

那么它到底能把整個產研團隊的活兒干到什么程度？

我們繼續深入實測一波。

產品經理、運營、分析師…統統都能用

我們的實測將分別代入產品經理、運營、數據分析師以及研發工程師的視角，看看這個獨立端在真實業務場景下的表現。

產品經理實測：從海量噪音中提煉PRD

產品經理（PM）的日常往往被大量的非結構化信息淹沒。

他們需要處理來自各個渠道的海量用戶反饋，對齊歷史版本的需求，最終撰寫出邏輯嚴密的PRD（產品需求文檔）。

這個過程伴隨著跨工具的頻繁切換（從飛書/釘釘到Excel，再到原型工具和文檔工具），整理一份完整的迭代方案往往需要熬上1-2天。

現在，我們準備了不同格式且與產品經理工作相關的五份文件：

接下來，我們把上面的文件夾直接上傳到SOLO的MTC模式里，并附上這樣的Prompt：

• 請讀取工作區的所有文件。首先，將300條用戶反饋按功能模塊進行聚類，提煉出前3個高頻核心痛點；其次，結合Q1-Q4的上線數據，定位影響用戶留存的關鍵問題；接著，嚴格按照我提供的PRD模板，產出下一版本的功能迭代PRD初稿；最后，根據現有的設計規范，生成一份貼合現有樣式規范的原型頁面結構描述。

然后SOLO就開始自己工作了：

最終，耗時僅7分鐘，SOLO就給出了完整且超長的APP功能迭代初稿：

對于PM而言，SOLO最大的價值在于上下文的持續記憶與多格式文件的整合處理。它已然是一個能同時看懂表格、文檔和設計規范的業務助理。

運營工作實測：從活動策劃到復盤報告的全鏈路

運營崗位工作的特點，非雜和碎莫屬了。

例如策劃一個大促活動，前期要寫方案、做宣講 PPT、算預算；活動落地需要配置頁面和物料；活動結束后還要熬夜洗數據、畫圖表、寫復盤報告……

在這次的實測中，我們將根據現實工作需求，分為活動前和活動后兩個階段。

在活動前，實測的Prompt是這樣的：

• 幫我從零開始策劃一場618用戶拉新活動，產出完整可落地的方案（含活動主題、核心玩法、日程安排、預算明細、宣傳渠道）。隨后，根據該方案生成一份簡潔商務風格的活動宣講PPT。

這一次，在SOLO操作之前，先提問了五個問題，包括活動對應行業、新客如何定義、總預算、PPT頁數等等，以此來精確任務的執行。

同樣是不到7分鐘，一份18頁的PPT就這么水靈靈地誕生了：

從結果可以看出，產出的策劃案邏輯清晰，玩法（如裂變紅包、限時秒殺）雖然中規中矩，但框架完整，預算明細的公式占位符也設置得很合理。

并且生成的PPT也是直接可用的那種，頁面結構（封面、背景、玩法、排期、封底）與策劃案 100% 對應，甚至自動檢索并插入了符合主題的配圖。

接下來，我們繼續輸出活動后數據復盤的Prompt：

• 完成數據清洗，做數據可視化分析，產出包含效果總結、問題分析、優化建議的完整復盤報告（Word 格式）。

可以看到，在讀取運營數據時，SOLO自動執行了數據清理（剔除無效的刷單數據和空值），并輸出了帶有數據圖表（折線圖、柱狀圖）的Word復盤報告。

報告中的結論也是抓住了運營體驗的問題，并給出了針對性的渠道優化建議。

數據分析師：自動化腳本與可視化挖掘

數據分析師（DA）的核心價值在于洞察，但在實際工作中，他們60%以上的時間都花在了前置的體力活上：處理多份格式不一的表格、清洗臟數據、寫Python腳本做聚合合并。

為此，我們準備了非常雜亂的原始數據集，包括4個季度數據分表存儲，字段命名不統一、日期格式不統一、帶全類型臟數據，完全還原數分工作中從業務端拿到的多源異構原始數據場景。

以及全鏈路用戶行為原始臟數據，含重復行、空值、亂碼、日期格式不統一、用戶類型不統一、事件類型異常、數值異常等，還原了數分工作中從埋點系統導出的原始用戶行為數據。

然后我們給出這樣的Prompt：

• 給定4個季度的銷售數據 Excel、用戶行為原始數據集CSV，要求完成：①合并4個季度的銷售數據，清理重復值和空值、統一日期格式，生成帶季度列的年度總表，配套銷售趨勢柱形圖；②對用戶行為數據集做探索性分析，提煉核心業務洞察；③生成圖文并茂的分析報告PPT，用合適的圖表做可視化呈現，講清數據結論和優化建議。

面對多份格式有差異的表格，SOLO并沒有試圖硬拼。后臺日志顯示，它自動編寫并運行了一段Python腳本，利用Pandas庫精確地完成了去重、空值處理、日期格式統一以及表格拼接。

除此之外，它依舊穩穩地生成了可視化的報告，包含多個數據分析需要的圖表。

由此，分析師不需要自己去調教代碼環境，只需下達指令，SOLO就能通過代碼化的方式保證計算的準確性與可復用性，解放了DA的機械勞動時間。

代碼實測：回歸老本行

最后，我們來實測一下SOLO的代碼能力。

即使是專業的研發人員，在處理一些快速原型的搭建、小型腳本的編寫，或者在移動辦公/通勤場景下，一個輕量但全能的環境更為重要。

我們切換到SOLO的Code模式。測試任務不僅是簡單的代碼生成，而是測試其作為一個獨立客戶端的工程化能力。

這次我們直接喂給SOLO一個PRD需求文檔，簡單來一句：

• 按照產品需求做開發。

不一會兒，應用就開發好了：

不僅如此，包括架構設計、API定義、數據模型等等都是一口氣直出的：

不僅是本地可以執行，SOLO和云端項目一起多任務并行，還是可以隨時接入查詢狀態的那種。

打破了AI工具的崗位壁壘

經過對四個典型崗位的深度實測，我們可以清晰地勾勒出TRAE此次發布SOLO獨立端的真實用意。

過去的AI工具市場存在明顯的割裂：一方面是高度專業化、門檻極高的代碼補全插件；另一方面是只能處理純文本、無法觸及真實業務工作流的通用對話大模型。各個崗位的人員依然困在自己的工具孤島中。

TRAE SOLO獨立端的出現，最核心的變化是大幅降低了使用門檻。通過輕量化的PC端和Web端，以及MTC和Code模式的無縫切換，它將服務對象從單一的程序員，擴展到了覆蓋產品、設計、數據分析、運營等互聯網上下游的全鏈路人群。

在能力層面，它不再局限于單純的寫代碼，而是整合了文檔理解、文件生成（PPT/Excel/Word）、數據清洗可視化、自動化腳本執行以及本地文件管理等全套能力。

這意味著，TRAE正在從一個幫助寫代碼的AI Coding工具，升級為一個覆蓋軟件生命周期全流程的AI Development基礎設施。

對于產研團隊而言，它提供了一種全新的可能性：在一個統一的智能工作流中，用自然語言調度從需求到落地的所有環節。

中國版本：https://solo.trae.cn
國際版本：https://solo.trae.ai