type
status
date
slug
summary
tags
category
icon
password
背景
程序设计发展历程
程序设计方式的发展，从机器语言到人类语言，逐步简单化、智能化、降本增效、提高质量。
- 第一代：面向机器
代表语言：机器语言、汇编语言，使用者是懂硬件的软件工程师。
- 第二代：面向过程
代表语言：C语言、Fortran，使用者是软件工程师。
- 第三代：面向对象
代表语言：C++，Java，使用者是软件工程师。
- 第四代：面向领域
代表语言：DSL（依托零/低代码平台），使用者是业务人员或者一般IT工程师。
- 第五代：面向自然语言
代表语言：人类的自然语言，依托于LLM思考和推理能力，使用者可以普通的用户。
一、AI编程工具分类
AI编程工具的发展呈现多元化趋势，可分为以下几大类：
一站式AI开发平台
特点：
- 全面性：提供从代码生成、调试到部署的完整开发流程。
- 自主性：能够理解、规划和执行复杂的编程任务，减少人工干预。
代表工具：
- Devin：首个完全自主的AI软件工程师，能够处理从需求分析到代码部署的全过程。
- Replit Ghost：集成代码生成、调试和部署功能的完整开发环境，适合快速开发和迭代。
代码生成平台
特点：
- 专注性：专注于特定领域的代码生成，如全栈网站或前端开发。
- 高效性：能够快速生成代码，减少开发时间。
代表工具：
- Bolt.new： 在线生成、编辑、运行、部署全栈网站，适合快速原型开发。
- V0.dev：专注于前端开发，能够将设计直接转换为React代码，适合前端开发者。
AI IDE
特点：
- 智能辅助：提供实时的代码补全、重构建议和错误检测。
- 优化建议：专注于代码质量和性能优化，帮助开发者编写更高效的代码
代表工具：
- Cursor：基于AI的代码编辑器，提供实时代码补全、重构建议和错误检测
- WindSurf：专注于代码重构和优化的智能编辑器，提供代码质量分析和优化建议
IDE 插件
特点：
- 集成性：作为插件集成到现有的IDE或编辑器中，增强其功能。
- 灵活性：支持多种编程语言和开发环境，适应不同的开发需求
代表工具：
- Continue.dev：跨平台AI编程助手，支持多种编程语言和开发环境
- Tabnine：基于深度学习的代码补全工具，能够适应开发者的编码风格
- Amazon CodeWhisperer：专为AWS云服务开发的智能编程助手
- GitHub Copilot：集成于VS Code等主流IDE，提供智能代码建议和自动补全
目前根据自动化和智能化，顺序为： 一站式AI开发平台 > 代码生成平台 > AI编辑器 > 编辑器插件
主要区别
- 一站式AI开发平台：适合需要全面自动化开发流程的项目。
- 代码生成平台：适合需要快速生成特定领域代码的项目。
- AI编辑器：适合需要智能辅助和代码优化的开发者。
- 编辑器插件：适合希望在现有开发环境中增强功能的开发者。
二、主流工具
名称
价格
优点
缺点
截图
备注
分类
• 支持快速生成代码片段，提高开发效率
• 支持多种编程语言
• 界面简洁易用
• 以团队agent分工，开发到部署一体化
• 价格贵，门槛较高
• 无试用体验，实际生成结果待验证。
Cognition Labs 推出的 AI 编程机器人，有很强的自主学习和工作能力。
AI开发平台
• 集成在 Replit 开发环境中，无缝使用
• 支持多种编程语言
• 提供实时代码建议和补全
• 需要 Replit 平台支持，无法独立使用
• 对复杂逻辑的生成可能不够精准
适合在 Replit 平台上进行开发的用户，提升编码效率
AI开发平台
• 预设多个技术框架，一键使用
• 无需本地安装环境依赖
• 自动化部署，集成Netlify
• 适合需要快速创建文档的用户
• AI生成功能需要在Bolt.new平台运行
• 没有集成后端依赖
StackBlitz 出品的 AI 编程工具，可在线生成、编辑、运行、部署全栈网站，一站式解决网站开发需求。支持多种基于 JS 的前后端技术栈。
代码生成平台
• 快速生成前端代码，提升开发效率
• 支持响应式设计和现代前端框架
• 界面简洁易用
• 生成设计稿还原的静态页面代码，业务逻辑仍需要手动补充
• 对复杂交互的支持可能有限，需要进一步完善
Vercel 出品的 AI 网页设计开发工具。通过对话生成网页，可一键发布。主力支持 shadcn/ui (React) + Tailwind 技术栈，后续会支持更多前端技术栈。有免费配额。
代码生成平台
• 支持builder，类似cursor的composer
• 支持Claude-3.5-Sonnet和GPT-4o模型
• 没有bug扫描入口，需要手动添加内容询问
• 不支持添加外部Docs知识库
• 不支持Codebase项目检索
• 不支持web搜索
完整的 API 支持、全面的技术栈覆盖， 特别是在中文场景下的优化做得到位。它的"双模式"Builder 让开发更顺畅，Chat 让调试更便捷。两种模式无缝切换，搭配上稳定的自动保存，整个开发过程行云流水。 响应速度和 AI 模型表现也都在线。
AI编辑器
• 集成 AI 代码补全和建议功能，提升开发效率
• 上下文内容支持丰富：Files、Folders、Code、Docs、Git|、Notepad、Suggested、Codebase、Web等
• 支持自定义LLM
• 对复杂逻辑的支持可能有限
• 可能需要一定时间适应 AI 驱动的开发方式
AI 辅助编程领域的后起之秀。Cursor 是一款编辑器，基于 VS Code 内核。除了基础的代码补全功能以外，它还提供了批量补全、预测下一步操作、智能对话、多文件编辑等高级功能。
AI编辑器
• Cascade，对应Cursor的Composer
Codeium 出品的一款代码编辑器，基于 VS Code 内核，集成了 Agent 能力，支持各种高级的 AI 辅助编程功能。新用户可获得 2 周的专业版套餐试用期。
AI编辑器
• 强大的代码补全和建议功能，支持多种编程语言
• 集成在主流开发环境中（如 VS Code）
• 提升开发效率
• 生成的代码可能需要进一步调试和优化
• 对复杂逻辑的支持可能有限
AI 辅助编程领域的标杆。由 GitHub 和 OpenAI 共同开发，作为编辑器插件集成到开发环境中，支持 VS Code 和 JetBrains IDE 等主流开发工具。它提供代码补全、智能对话、多文件编辑等功能。2024 年底开放免费套餐。《AI 辅助编程入门：使用 GitHub Copilot 零基础开发 LLM 应用》
编辑器插件
• 支持快速生成代码片段，提高开发效率
• 支持多种编程语言
• 界面简洁易用
• 生成的代码可能需要进一步调试和优化
• 对复杂逻辑的支持可能有限
阿里云出品的编辑器插件，支持 VS Code 和 JetBrains IDE 等，个人用户免费。
编辑器插件
• 支持快速生成代码片段，提高开发效率
• 支持多种编程语言
• 界面简洁易用
• 生成的代码可能需要进一步调试和优化
• 对复杂逻辑的支持可能有限
字节跳动豆包大模型旗下的智能编程助手。提供智能补全、智能预测、智能问答等能力，适配 VS Code 和 JetBrains IDE 等主流开发工具。个人用户免费。
编辑器插件
• 支持多语言代码生成和翻译
• 集成在主流开发环境中（如 VS Code）
• 提升跨语言开发效率
• 生成的代码可能需要进一步调试和优化
• 对复杂逻辑的支持可能有限
智谱旗下的智能编程助手。支持 20 多种编程语言，适配 VS Code 和 JetBrains IDE 等主流开发工具。个人用户免费。企业用户可选择私有化部署服务。
编辑器插件
三、原理剖析
在深入探索一体化AI编辑工具之前，让我们可以先整体了解 Agent 的核心概念，这些知识将帮助我们以更专业的视角理解智能编辑器的设计理念。
Agent
Agent 作为一个能够感知环境并自主行动的智能实体，其完整架构包含感知、记忆、规划和执行等核心系统。现代 Agent 技术通过推理机制、学习能力和工具调用等方式实现其功能，并在 Mixture of Experts 和 ReAct 等先进框架的支持下，能够更好地处理复杂任务。掌握这些基础知识，我们不仅能够理解 Windsurf 等智能编辑工具的架构设计思路，更能洞察其内部组件的协同机制，从而更高效地运用好这些工具。
主要构成
记忆能力（Memory）
- 多模态感知：处理和理解不同类型的输入信息（如文本、图像、音频、视频等）
- 短期记忆：暂时存储和处理当前任务相关的信息
- 长期记忆：存储持久性知识和经验数据
外部感知能力/工具（Tools）
- 搜索引擎：用于信息检索和查找
- 计算器：进行数值运算
- 代码解释器：处理和执行代码
- 日历：时间管理和调度功能
思考决策（Planning）
- 思维链：构建逻辑推理链路
- 反思：对行为和决策进行复盘
- 自我批评：进行自我评估和改进
- 智能分析：对情况进行深入分析和判断
行动执行（Action）
- 执行具体任务和操作
- 与工具系统有直接关联（通过虚线表示）
- 作为最终的输出环节
一个完整的智能体系统，从输入处理（感知）到决策规划，再到具体执行，形成了一个闭环的工作流程。每个模块都有其特定的功能，共同协作来完成复杂的任务，这种设计体现了现代 AI 系统的核心特征：多模态处理能力、记忆管理、工具使用、决策规划以及行动执行。
Agent 在 AI IDE设计中的体现
有了对前面这些核心特征的介绍，我们就可以从 Agent 设计的角度来快速了解 AI IDE 以及同类型智能编辑器的功能实现，通过多用户实时协作、智能代码建议、实时错误检测与修复、代码片段管理、自动化测试与部署以及用户反馈机制等功能，能够显著提升了开发效率，同时通过用户反馈持续改进 Agent 的功能。
Cursor 的逻辑是，先将工程内的所有代码进行索引和向量化（Embedding），再之后你的所有提问都是基于整个工程给你答案，它会将你的提问结合整个工程的代码一起提交给 LLM，这很像基于 RAG 方法论的系统实现，只不过外挂的知识库是代码库而已。
底层实现
AI IDE（集成开发环境）的底层实现原理涉及多个核心模块的协同工作，主要通过代码解析、机器学习模型集成和实时交互反馈来实现智能化功能。以下是其核心架构的分解示意图：
- 代码解析层
- 抽象语法树 (AST)：通过ANTLR/Tree-sitter等工具构建代码结构模型
- 符号表 (Symbol Table)：记录变量/函数的作用域和类型信息
- 静态分析：检测代码模式和安全漏洞（如CodeQL集成）
- 模型推理层
- 双模型架构：
- 上下文感知机制：通过滑动窗口保留最近的2000 token上下文
- 增量训练：持续学习用户编码风格（如Tabnine的个性化模型）
- 实时交互系统
- 延迟优化策略：
策略 | 实现方式 | 延迟降低 |
预加载预测 | 根据光标位置预取可能补全 | 40-60ms |
结果缓存 | LRU缓存高频模式 | 30ms |
异步处理 | 非阻塞IO管道 | 70ms |
- 执行验证层
- 沙箱环境：Docker容器化执行（如Replit的Firecracker微VM）
- 动态分析：实时监控内存/CPU使用模式
- 反模式检测：AST比对常见错误模式数据库
- 代码生成工作流程
系统架构设计
前端集成
通过IDE插件（如VS Code扩展）调用AI服务，利用Language Server Protocol（LSP）标准化通信。
后端服务
- 模型推理引擎：部署量化后的模型（如ONNX格式），使用Triton Server或TensorRT加速，或者使用LLM API 减少自己部署和运维成本。
- 缓存层：缓存常见代码模式的预测结果（如Redis），减少模型调用次数。
- 异步处理：耗时任务（如全文件分析）通过消息队列（Kafka）异步处理。
- 隐私与安全：敏感代码处理采用本地模型（如GGML格式的LLM）或端到端加密传输。
四、主流AI IDE测评
由于现在一体化平台的开发工具都深度集成到在线平台，所以这次评测主要围绕AI编辑器展开，如：Cursor、Windsurf、Trae等，三者功能相似，下面将对Trae使用进行深度测评。
AI编辑工具测评维度
- 核心能力，如代码生成、智能补全、错误检测
- 技术深度，语言理解、框架支持、算法优化
- 特色功能，创新特性、差异化优势、场景适配
- 使用成本，对于个人和公司团队支出成本考量
- 交互体验，产品是否本土化，人机交互是否完备，操作是否顺畅等
核心能力
代码生成
编程按使用习惯分为两种方式：主动编程和辅助编程，其中主动编程是最高频的行为之一。人写代码和 AI 写代码都是一样的，关键点在于， AI 工具能否封装你的思考。 AI IDE 解放程序员的关键在于，如何通过一系列流程 让 AI 自动准确感知任务分配，并且正确执行任务。而当 AI 能按照我们的指令开始正确地工作时 工作效率就会提高，个人就会被解放出来，而这一系列流程生成的代码质量问题，则是通过AI IDE + 人去完成的，可得出：
代码生成质量 = system prompt + Claude-3.5-sonnet（支撑底层模型） + Workflow代码索引+ user iuput prompt
Cursor 、Windsurf和Trae 都是基于 vscode 二创而来。
二者底层都是有一个强大的 Agent workflow 做支撑
Cursor/Trae 底层默认使用Claude-3.5-sonnet运作示例模型（仅供理解 AI IDE 运行核心机制）
核心点在于prompt + Agent workflow + 代码索引上。
Prompt
其中Prompt 分为两部分：
System prompt
Cursor/Trae 工程师定义的 Agent 交互之间的规则，作为用户侧无法感知，也是AI IDE 核心功能之一。
User prompt
对话框输入 or #引用文件（和 cursor 里的@引用文件 是一个逻辑）
并且这里通过提示 “⬆️⬇️切换历史输入”，“shift+↩︎”换行是非常实用的小技巧
Agent workflow
Agent 作为LLM的智能体，workflow工作流编排集成越多，自动化就越高，通过LLM推理后会调用调用对应workflow进行工作，目前Trae调用的工具有：
分析
创建文件或目录
更新文件
命令行操作
删除
webview视图，无需额外打开浏览器
代码索引
代码索引精度决定 AI 理解项目文件实际运行逻辑，准确找到对应的代码，成功构建起上下文十分重要。Cursor 和 Trae 在设置界面，都可以对当前的代码做索引管理， 二者在不显式调用（即@或#引用代码）时，均能准确构建项目上下文， 二者在第一次引用后，后期不引用时，也能使用第一次构建上下文！
Cursor 和 Trae 目前的能力都接住了大家对 AI 编程的第一波期待
在功能点上 cursor 领先于 Trae，但是 Trae 的工具调用能力展示却更直观
辅助编程
以上的开发新范式的核心是在于让AI IDE 主动编程，但往往，也需要被动辅助编程⬇️ 比如：
- 代码补全
- 代码优化 ：重构建议｜性能提升｜最佳实践推荐
- Cursor/Trae 都提供了代码补全功能，实测下来，二者差距不大，均能准确提供参考代码
- 代码优化上，二者底层都是使用的 claude，在中低级任务中，二者都相差不大.
单个代码修改
细节对比：单个代码文件修改：cursor cmd+k vs Trae cmd+I
Trae
Cursor
二者的差异在于排版的位置不统一，Trae 的 UI 更加直观，cursor 更嵌入
代码引用
细节对比：代码引用：cursor @ vs Trae #
Cursor Chat 模式
Trae Chat 模式
Cursor Composer 模式
Trae Builder模式
总结：Cursor 在功能完整度上面仍然具有领先优势
但 Trae1.0 更友好地是对中文的支持
任何垄断性的行业终将迎来寒冬
良性的竞争会带来更好地 AI IDE 产品！
期待字节的 Trae 后来居上，Cursor 持续创新
编程语言
语言支持，Trae 在这一点上，完全契合中文程序员，在初始化的时候，就可以选择语言类。
系统自带界面显示，但是 cursor 只有在安装了中文插件之后才能，一些具体的命令没有支持的翻译，Trae 是符合中文程序员的需求的，整体界面显示都符合中文程序员操作习惯。
至于基础功能两者都支持：
编程语言支持主流语言全覆盖:
前端:
JavaScript/TypeScript、HTML、CSS等
后端:
Python、Java、Go、Rust等
移动端:
Swift、Kotlin等
框架支持
后端框架:
Spring Boot/Django/Express
前端框架:
- 完整的TypeScript类型推导
- 新兴框架如Svelte、Next.js的智能提示
- React/Vue/Angular生态系统完整支持
主流框架：
- 数据库 ORM 框架集成
- 微服务架构相关框架
技术深度
特定的场景有多维的解决方案 其基础是：核心能力的支撑，我将采用一个例子，由浅入深： 用 Trae 写一个 AI 导航工具网站。
Trae 自动分析了我的意图，并且调用工具开始分析问题
期间我跳过执行它的命令，它也能智能感知当下的进度以及意图
相同点： 提供实时的代码检查（linter）功能
支持项目文件的自动生成
支持组件化开发
提供完整的项目结构搭建能力
支持命令行操作
不同点：
界面语言和本地化
Trae:
- 完全中文化的界面
- 操作提示和文件说明都是中文
- 更符合中文开发者使用习惯
Cursor:
- 默认英文界面
- 代码注释和提示以英文为主
交互方式
Trae:
- 提供更直观的文件路径创建说明
- 显示每个文件的具体用途和功能说明
- 带有"+xx"的行数变更提示更醒目
- 提供"全部拒绝"和"全部接受"的批量操作选项
Cursor:
- 更偏向传统IDE的操作方式
- 代码生成过程更直接展示
- 文件操作反馈更简洁
生成代码的展现形式
Trae:
- 以任务描述为导向
- 展示完整的功能模块说明
- 更注重业务逻辑的完整性
Cursor:
- 以代码实现为导向
- 直接展示代码结构
- 更注重技术实现的展示
用户引导和提示
Trae:
- 提供更详细的中文引导说明
- 每个文件都有明确的功能描述
- 操作步骤更清晰直观
Cursor:
- 提示信息相对简洁
- 更依赖用户对开发流程的理解
- 专注于代码本身的展示
复杂需求开发
当项目逐渐进入复杂的阶段，每次单纯地引用代码块 或者 使用#workspace ，让 Agent 去理解项目的时候，大模型的理解是不精准的，此时在最开始的需求文档确定好之后，
让 Trae 在每次编写代码的同时，更新细节文档。 在每次引用这个细节文档告诉 Agent 细节部分，如此，便可精准地撰写每一部分代码。
相比于 cursor 拥有.cursorrules/.cursorignore/rules for AI，Trae 目前仍处于早期阶段，暂时不具备这些功能，但是也可以使用#引用文件，让 AI 大模型精准理解需求，更好地辅助实现人的思想。
本质上：Trae 和 cursor 都拥有代码索引功能，因此这是定量
而底层的Agent workflow也是黑盒子 唯一开放给开发者的变量是：prompt 部分，因此针对项目的实际需求,
可以设定：
技术的语言支持 / 框架覆盖 / 工具链集成 / 架构理解 / 设计模式 / 性能优化
最终实现：
对业务的问题诊断 / 原因分析 / 方案设计 / 评价方案完整性
交互体验
界面展示
整体效果类似 VSCode 界面，在 AI IDE 的产品体验中，对我们开发者，交互体验丝滑是重要的，决定了整个开发过程的舒适度。
AI IDE 接受的输入就是Prompt 和 引用文件。
人接受的输出就是 实时性的代码生成 和 代码文件操作思路。
输入方面
我们想要 AI IDE 更精准地知道需求所在的代码区域
那么就得用一种方式告诉它：
在 cursor 中用 @符号 对文件进行引用
在 Trae 中用 #符号 对文件进行引用
而当用途不同，即我们要让 AI 快速知道我们的项目详细情况时，不可能把数百个文件都引用一遍，所以 cursor的@codebase 或 Trae的#workspace（chat 模式下）应运而生。即，快速上手一个功能点的最佳方式是： 知道它为何而生，而不是苦思文字含义，当引用了代码时，底层的 Agent workflow 就会开始让 AI 深度理解业务场景。
输出方面
而Prompt输入之后，AI IDE 的响应速度/精度/持续性十分重要，通过 AI IDE 最直观的是减少代码编写的时间。因此 AI IDE 的响应速度就应该是实时性的，我们要做的是审查代码的合理性，及时调整核心需求，让 AI 将想法快速变为现实。
Trae 的交互体验尤其丝滑
写前端构建的/src/router/index.ts 这种的排布
详细的界面展示，精确的工具调用
特色功能
真正强大的 AI IDE，我觉得不在于它有多少功能，而是，是否真正更帮我高效写代码。
Builder和Chat满足不同场景
Builder 模式：
重新定义项目生命周期
用Trae 的 Builder 模式时，
我感受到： 不是被动的代码编辑器，是一个能理解你想法的开发伙伴
这样的场景：
- 你用自然语言描述你的想法
- AI 理解你的意图，分解成具体任务
- 自动规划项目结构，生成框架代码
- 实时反馈执行进度，及时纠正错误
这就像有了一个无需过多解释就能领会你心意的搭档
让开发从"写代码"变成了"讲述想法"
Chat 模式
而在日常开发中，Chat 模式则像是你身边的技术顾问：
- 不用切换窗口打开搜索引擎
- 不用在社区论坛苦等回复
- 不用担心上下文丢失
它就在那里，准备好：
- 解答你的疑惑
- 优化你的代码
- 指出潜在问题
Webview
我们习惯了编辑器和浏览器之间的不断切换，这看似微小的操作，实际上打断了我们的思维流，Trae 的 Webview 功能，正是对这一痛点的优雅解决，而 Trae 的做法是：
让预览无处不在，又若隐若现
- IDE 内直接预览
- 实时响应变化
- 零延迟反馈
特别是在以下场景中，这种体验尤为珍贵：
前端页面开发
交互效果调试
响应式设计适配
数据可视化呈现
使用成本
从成本效益比来看，Trae 在各个维度都展现出明显的成本优势，
特别适合初创团队和个人开发者。
而 Cursor 虽然收费，
但其专业版和企业版的功能更适合对特定功能有强需求的商业用户。
选择哪个工具，最终还是要根据团队实际需求和预算情况来决定。
主要Claude-3.5-Sonnet完全免费，字节真的给我们又送了波福利。
五、辅助工具
Copycoder
https://copycoder.ai/
CopyCoder，一款专门解决UI设计到前端代码的辅助工具，它可以非常精准地根据截图生成相应的提示词，提示词包括应用结构、组件规划、代码要求等，把网页设计稿、原型图转换成适合 AI 编程工具处理的提示词，适合与 Cursor、Windsurf、Bolt.new、v0.dev 等工具配合使用。
主要特色
- 截图生成提示词：根据用户上传的设计图生成代码提示。
- 适配主流智能代码编辑器：提示结果专门适配Cursor、Bolt和v0，优化效果。
- 页面结构分析能力：基于已有的侧边栏、顶部导航分析系统页面逻辑，构造项目页面结构、路由配置。（截止发文时间，仅支持侧边栏，顶部导航分析尚未支持）
仅通过一个图片，就能把整个网站复杂的结构、组件规划或者导入路径补充得明明白白，你只需要把关注点放在主要功能开发上，由于该工具未提供试用版本，可试用https://www.codecopypro.com/进行平替。
Galileo AI
https://www.usegalileo.ai/
Galileo AI是UI界面设计生成工具，用户只需要输入一句简单的文本描述，就可以得到一个完整的UI设计。Galileo AI利用机器学习算法对大量界面设计数据进行分析，根据设计原则、用户需求生成高质量的界面设计方案，特别适合需要快速原型设计和创意探索的设计师和开发者。
主要功能
- 文本到UI，用户输入文本描述，Galileo AI能够理解并生成相应的UI设计元素。
- 图形到UI，用户上传图片，Galileo AI能够从图片中提取设计灵感，转化为UI设计。
- 编辑和调整，用户可以在生成的界面基础上进行微调，如切换外观、修改主题色、调整圆角样式和字体等。
- 辅助设计，提供大量的设计元素、模板和样式参考，帮助用户拓展设计思路。
六、实战演示
滑雪爱好者H5应用
由于cursor和windsurf有免费额度限制，此次使用字节最近推出Trae AI编辑器进行演示。
前置要求
- 安装nodejs
- 初始化next.js框架项目
梳理项目PRD
滑雪爱好者应用程序，这里我们可以借助DeepSeek 的深度思考，把项目框架和功能梳理出来，并得出以下页面：
- 用户注册/登录：供新用户或老用户创建或访问其帐户。
- 度假村选择：允许用户从各种著名的滑雪胜地中进行选择。
- Run Tracker Dashboard：显示跑步的当前和历史数据，包括地图、距离和时间。
- Run Details （运行详细信息屏幕）：提供有关特定滑雪道的深入统计数据和信息。
- 设置 / 个人资料：用户可以更新个人信息、首选项和应用程序设置的位置。
设计资源
由于上面我们已经准备好项目的功能及需求点，可以基于这些信息，利于AI生成对应的设计稿，如使用Galileo AI
实现步骤
获取生成的prompt
获取到具体设计稿之后，截图保存下来，在Code CopyPro，生成对应的prompt内容，对技术栈和图标、布局、代码规范、截图内容分析、开发规划做了详细的补充，如：
.png)
编码引导AI生成
使用Trae AI编辑器打开项目代码，上传截图和prompt内容，引导AI生成对应的页面和组件。
.png)
遇到三方库安装，获取自动唤起终端授权执行
遇到错误或者无法执行，可以通过# 关联具体文件提问，让AI进行修复。
实践成果
在实际执行过程中，AI生成的代码会一定概率出错，我们可以截图或者复制错误信息让AI分析并修复问题，建议是一个页面的功能完整后，再继续生成其他页面，避免上下文信息缺失，导致生成效果欠佳。
七、结论
- Trae首选推荐团队使用，熟悉其开发习惯和思维转变。
- 后续可以续费Cursor满足更复杂项目的开发，同时也支持LLM API方式接入，降低一定的使用成本。
- LLM 模型选择，可以考虑DeepSeek R1和V3版本，其成本、推理和生成效果令人惊喜，同时在国内私有部署也变得可行性，除了AI编程外，可用于其他项目场景，但是需要开发者拥有LLM应用开发的经验。
- 作者:HRope
- 链接:https://hrope.cn/article/ai-programming-tools
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。