Coding 將跟用 Word 一樣簡單和日常

最近拿到了 TRAE SOLO 的內測邀請，玩了幾天，有點上頭。雖說是邀請內測的，但體驗下來確實有些興奮，想跟大家分享一下。

1

先聊聊 TRAE SOLO 跟以前用過的 AI 編程工具有什么不一樣。

我雖然大學是計算機專業，但畢業后做產品，寫代碼一直是「能跑就行」的水平。這兩年 Cursor 之類的工具越來越火，我也一直在用，確實能做出一些小東西。

但每次打開 IDE，看到文件樹、終端窗口、代碼面板，心理上還是有點緊繃的。每次在終端、文件夾和代碼頁面來回橫跳，也有點心慌。

TRAE SOLO 的上手感受就完全不同。打開之后，核心界面就是一個對話框，跟 Chatbot 一樣，干凈清爽。全部靠對話來工作，創建文件、寫代碼、跑腳本、輸出結果，整個流程都在對話里完成。

過去的 IDE 主體是代碼和文件，AI 在旁邊輔助。SOLO 把這個關系翻過來了，對話是主體，代碼在后面跑著，不用盯著看。這次真的有點像一個 chatbot 長出了手腳。

它覆蓋了 PC 端和 Web 端，在電腦上開始的項目，異地用瀏覽器也能接著看進度，不用很麻煩的遠程連接。

還分了兩個模式。一個叫 Work（也叫 MTC，more than coding），處理文檔、數據分析、文件管理這類事情；一個叫 Code，就是以代碼為主正經寫程序。兩個模式解決不同的問題。

2

值得單獨說的是 Skills。

可以理解成「可插拔的技能包」。一個 Skill 就是一套干某件事的工作流，裝上之后，Agent 該用的時候會自己用，不用每次都從頭教它，有點像給 AI 預裝了行業經驗。

具體能干嘛呢？

先說文件處理。圖片、視頻、音頻、Word、PDF、PPT、壓縮包，這些格式它都能讀。不只是讀，還能做事情，比如把一個亂七八糟的「下載」文件夾丟給它，讓它按圖片、視頻、文檔、壓縮包分類整理到子文件夾里，順便把超過 100M 的大文件列個清單出來，它就真的給你整完了。批量重命名、按內容歸檔，也都能做。

再說內容生成。根據文稿生成 PPT、根據數據生成圖表、根據需求寫文檔，這些后面案例里會細聊。還有 SEO 報告生成、頭腦風暴、計劃編寫這類偏運營和產品的場景，也有對應的 Skill 覆蓋。

數據分析也是一塊。丟幾份 Excel 或 CSV 進去，讓它清洗、合并、統一格式、跑公式、畫圖表，一句話就行。跑不動的大數據量，它會自己寫 Python 腳本去處理。

還有一個 Browser Use 的 Skill，可以讓 Agent 直接操作瀏覽器，做信息采集和網頁交互。

這些 Skill 都在 Skills Marketplace 里，邏輯類似 VS Code 的插件市場，裝上生效。

拿到手短短半天，我就做了三次嘗試。

3

第一個案例，半拿鐵周刊選題器。

我和瀟磊做播客「半拿鐵·周刊」，選題一直是個體力活。日常要刷大量新聞源，看權威媒體每天發了什么，哪些話題有熱度，哪些適合拿來做播客，全靠人肉判斷。這個流程重復了很久，一直想自動化，但寫爬蟲又不知道從何下手。

這次我跟 SOLO 說的大意是：幫我設計一個腳本，從這些權威媒體抓取最近 7 天的新聞，聚合篩選，然后調用大模型來判斷和評分，輸出推薦的 10 個選題和備選的 20 個選題。

它不光很快就設計完了，還貼心地解釋了，為了節省 token 消耗，專門撰寫了更合理的 prompt。

當然，不能直接把原始數據列出來，需要做一步整理和判斷，所以我接入了 Minimax 的環境變量，它也能很迅速一步幫忙處理好。

第一版很快就跑出來了，框架沒問題，但很多來源的文章全部獲取失敗。要是我自己弄，可能就卡在這里，得去網上搜別人的經驗，折騰很久。

但在 SOLO 里，我在對話框里說一句「這幾個源全部失敗了，重新調整獲取策略」，它就自己去搜索，自己想辦法改方案。

接下來我又調了好幾輪，包括：

- 增加噴嚏圖卦作為補充來源；

- 初步聚合的工作用 MiniMax 完成，后續評分和整理交給 OpenRouter 上的模型；

- 輸出結果生成 Markdown 文件；

- 給文件名加上時間戳，舊的不會被新的覆蓋。

最后跑出來的 Markdown 效果非常好。選題分成了推薦和備選兩個板塊，每條有標題、來源、摘要、推薦理由和評分，排列整齊，看著舒服。

這腳本跑一次幾分鐘，按 token 算花幾塊錢，就能解決我之前可能要 1-2 個小時，多則半天的搜索整理的工作量。

這也可以慢慢迭代成日常看的簡訊，搭配聲音生成的 skill 又能做成專屬自己的早間新聞播客了。對話幾次即可，難度真的不大。

4

第二個案例，整理文件。

這就是我第一次意識到，低成本的 coding 不光解決開發產品的問題，也能解決日常使用電腦的大大小小的問題。

說實話，用 AI 生成 PPT 我試過不少工具了。

Manus 用過，NotebookLM 也用過。第一眼看確實精彩，會覺得好像比自己做的還好看。但真用，小細節問題非常多，字號不統一、排版錯位、配色跟品牌風格對不上、圖文位置詭異。都是小毛病，加在一起就很麻煩，改起來極其痛苦，要么就自己繼續改，改的工夫不如從頭做。要么就是再抽盲盒，但生成邏輯不清楚，改了 A 可能 B 又亂了。

所以我一直是手搓。理想方案是做好一個 PPT 模板，定好字體、顏色、版式，然后讓 AI 理解文稿內容后，往模板里填總結出來的內容。邏輯很簡單，但之前的工具都做不好。

而 TRAE SOLO 的腳本就能做到。

我跟它說：幫我把文件夾里這個 PDF 理解一下，根據內容撰寫腳本。參考的內容是我在半拿鐵剛講過的瀏覽器的歷史。

第一個版本出來的效果可能不太理想，但別著急。TRAE SOLO 不是一個一鍵 PPT 的工具，而是一個靈活調整的 AI chat+coding 的產品。

所以我可以跟它說我的習慣：把內容的結構都改成，左邊是大標題、小標題、大標題、小標題，而右邊都是圖片。

轉眼就搞定。

然后我覺得視覺風格不是我想要的，于是我把我收藏的一個紅底的喂給它，讓它幫我調整。就變成了這樣。

這是做 PPT 的靈活所在。如果用別的 PPT 工具，很難用語言讓它完全幫我修改，更重要的是：這次的修改，從格式到視覺風格，我可以存成一個模板（skill），下次再喂給它稿子，它可以直接產出。

5

第三個案例，shownotes 概念解釋器。

我在播客里經常需要在 shownotes 里放一些重要概念的解釋。比如這期聊到了什么人物、什么公司、什么術語，給不熟悉的聽眾做個背景鋪墊。這種工作以前都是人工完成的，一條條查、一條條寫，不難，但費時間。

我跟 SOLO 說：幫我做一個工具，輸入一篇 Word 文檔的播客文字稿，做語義分析，把里面出現比較多的人名、公司名、品牌名和重要概念提取出來，做名詞解釋。用在我的播客 shownotes 里面。需要調用大模型的話，用環境變量里配好的模型。

它就很快給做出來了。

提取的準確度不錯，名詞解釋寫得也克制，不會寫成百科全書那種冗長的樣子，基本上拿來就能用。

另外的一個類似的場景是，我把半拿鐵里中國互聯網故事的稿件都丟給他，讓他幫我整理一個導讀文章，也是幾分鐘就寫好腳本，搞定了。

在相當程度上，文本相關的整理工作，現在已經不需要人工完成。這也是官方推薦的使用方式之一。日報匯總成周報，日記匯總成長期的感悟，等等。

還有個有意思的地方。它自動復用了我在第一個選題器項目里配好的模型調用模塊（需要大模型做文本分析總結）。我沒提，是它自己找到了能復用的輪子，就直接拿來用。

而用得越多，積累的輪子越多，后面的活兒就會越順手。

6

三個案例之外，一個很重要的感受。

這兩年 AI 編程工具太多了，很多都主打「一鍵搞定」。演示的時候非常驚艷，但真的作為生產力的時候，就會發現問題：改不動。

我把它叫做 收口難題。所謂「編筐編簍，重在收口」，編個筐編個簍子，主體編起來不難，收口的時候才發現費勁。就跟下載軟件的進度條一樣，看著 80% 了，殊不知工作量才剛剛開始。

剛才提到文本工作，肯定有朋友會疑惑：日報都扔給現在的 Chatbot，不是也能生成周報嗎？沒錯。核心的差異在于，它做出來的是腳本，不是一次性的、下次還要重新思考的任務，而是寫死的、準確的工作流。

工作流就意味著可控、不是黑盒。

在過去的腳本，生成的代碼看不懂，項目結構不熟悉，出了 bug 不知道在哪里。只能重新生成一遍，祈禱運氣好。這跟生圖生視頻一樣，是抽卡抽盲盒。

而 SOLO 不一樣的地方在于，它能支持不斷改、不斷調。而且是可以自然語言溝通，對話里說哪里不對，它就改哪里，改完能看到變化，不滿意就繼續說。你需要關注的就是哪里跟想象的不一樣，反復跟它磨合。整個過程是可控的，走了幾步、當前什么狀態，都清楚。

可控就意味著確定性。確定性才是真的生產力。

腳本的形式，大大節省了 token 和時間成本，也讓確定性更強。這很好理解：你每次讓龍蝦給你從頭學習研究今天的美股盤前簡訊，和用一個工作流去運轉跑一次簡訊，后者第一次也許不那么亮眼，但經過迭代，一定會比前者更穩定、更可控，尤其是，更省錢。

這是未來融入大家的工作生活的一個趨勢，就像 PPT 模版或者 Excel 模板一樣，你都有自己專屬的，每次復用。

再加上足夠豐富的 skills ，讓對話就更有意義，它真的有能力去嘗試調整和解決，不是告訴你讓你去哪里改個什么東西，文件和資源對它相對透明。給它權限，也才真的是生產力。

7

生產力之外還有用戶體驗的價值。像它支持多個任務同時跑，不用排隊等。比如我可以一邊讓它改選題器的 bug，一邊讓它跑 shownotes 的分析，互不耽誤。路上想到什么可以 remote 直接發過去，隨想隨改，就是數字員工。

Vibe coding 很多人的理解可能還停留在「程序員有了新的工具用自然語言寫代碼」。現實情況是，隨著門檻進一步降低，就跟誰都能順手編輯個視頻一樣（猶記得 10 年前用繪聲繪影做視頻的痛苦），不會寫代碼的人，現在也能把自己的需求做成真正能跑的工具，而且可以樂在其中。

各位，如果對比剛才，跟我之前每次用 coding 和 AI agent 工具的舉例，就能明顯發現區別。過去還有拿來當玩具展示的感受，目前已經都在做日常能輔助工作的工具了。這個趨勢相當明顯。我身邊不會寫代碼的朋友，在 vibe coding 的也越來越多，做完炫技的少了，用得自己上癮的多了。

以前想做一個小工具，要么找程序員幫忙，要么自己學編程。現在只需要把需求想清楚，跟 AI 一輪一輪打磨就行，不需要懂什么參數配置，用哪種語言和插件，還是全靠一輪一輪的對話。

未來做 coding ，就跟我們在 Excel 里輸入公式、在 Word 里搜索替換一樣簡單，一樣融入日常。而這些操作在電腦剛普及的時候，對多數人還是神技一般。

TRAE SOLO 目前還在內測階段，產品本身也在快速迭代，也有一些瑕疵和小問題，但從已經能做到的事情來看，方向是沒錯的。

可以預見的是，這類工具會越來越多，也會越來越卷。底層模型的能力大家都在拉齊，接下來比的就是誰的場景吃得更透、誰的交互體驗更舒服、誰能讓非技術背景的人真正用起來。這跟當年移動互聯網的邏輯也差不多，基礎設施和流量（token）鋪完之后，拼的就是產品了。目前在國內，暫時還沒有強有力的對手。

就說到這，希望能幫到你。