Trae Agent：开源的软件工程任务自动化工具

Trae Agent 是由字节跳动开源的一款基于大语言模型（LLM）的软件工程任务自动化工具。它通过命令行界面（CLI）接收自然语言指令，自动执行复杂的编程任务，比如编写代码、修复错误或优化程序。项目目前处于 alpha 阶段，仍在积极开发中，欢迎社区贡献。Trae Agent 支持多种大语言模型，如 OpenAI 和 Anthropic，并提供丰富的工具生态，包括文件编辑、脚本执行等功能。它的模块化设计方便开发者定制，适合研究和开发新型智能体。用户可以通过简单的安装流程快速上手，享受透明的开发体验。

功能列表

• 支持自然语言指令，输入如“创建一个 Python 脚本”即可自动生成代码。
• 支持多种 LLM 提供商，包括 OpenAI、Anthropic、Doubao 等，灵活切换模型。
• 提供文件编辑、bash 脚本执行、顺序推理等工具，满足多样化编程需求。
• 交互模式支持多轮对话，适合迭代式开发。
• 记录详细的操作日志，保存为 JSON 文件，便于调试和分析。
• 通过 JSON 配置文件和环境变量支持灵活配置。
• 提供简便的安装流程，使用 pip 或 UV 工具快速部署。

使用帮助

安装流程

Trae Agent 的安装简单，推荐使用 Python 3.12 环境。以下是详细步骤：

1. 准备环境
   确保已安装 Python 3.12 和 pip。推荐使用 UV 工具来管理虚拟环境，安装 UV：

   pip install uv
   

创建并激活虚拟环境：

uv venv
source .venv/bin/activate  # Linux/Mac
.venv\Scripts\activate      # Windows

2. 克隆项目
   从 GitHub 克隆 Trae Agent 仓库：

   git clone https://github.com/bytedance/trae-agent
   cd trae-agent
   

3. 安装依赖
   使用 UV 或 pip 安装依赖：

   uv pip install -r requirements.txt
   

   或者：

   pip install -r requirements.txt
   

4. 配置 API 密钥
   Trae Agent 支持多种 LLM 提供商，需配置对应 API 密钥。例如，为 OpenAI 和 Anthropic 配置密钥：

   export OPENAI_API_KEY='your_openai_api_key'
   export ANTHROPIC_API_KEY='your_anthropic_api_key'
   

   验证密钥是否设置成功：

   echo $OPENAI_API_KEY
   echo $ANTHROPIC_API_KEY
   

5. 配置文件
   Trae Agent 使用 JSON 配置文件管理设置，位于项目根目录的 config.json。示例配置：

   {
   "default_provider": "anthropic",
   "max_steps": 20,
   "model_providers": {
   "openai": {
   "api_key": "your_openai_api_key",
   "model": "gpt-4o",
   "max_tokens": 128000,
   "temperature": 0.5
   },
   "anthropic": {
   "api_key": "your_anthropic_api_key",
   "model": "claude-sonnet-4-20250514",
   "max_tokens": 4096,
   "temperature": 0.5
   }
   }
   }
   

   保存后，运行以下命令检查配置：

   trae show-config
   

功能操作流程

Trae Agent 的核心功能通过 trae 命令调用，以下是主要功能的使用方法：

1. 执行单一任务
   使用 trae-cli run 命令，输入自然语言指令即可触发任务。例如，创建 Fibonacci 数列脚本：

   trae-cli run "Create a Python script that calculates fibonacci numbers"
   

   指定模型和提供商：

   trae-cli run "Fix the bug in main.py" --provider anthropic --model claude-sonnet-4-20250514
   

2. 交互模式
   进入交互模式，适合多轮对话和迭代开发：

   trae-cli interactive
   

   可指定模型和最大步骤数：

   trae-cli interactive --provider openai --model gpt-4o --max-steps 30
   

   在交互模式中，用户可连续输入指令，Trae Agent 会根据上下文逐步完成任务。

3. 保存操作日志
   每次任务执行可生成操作日志，用于调试。默认保存为 trajectory_YYYYMMDD_HHMMSS.json，或指定文件：

   trae-cli run "Optimize the database queries" --trajectory-file optimization_debug.json
   

4. 强制生成补丁
   对于需要修改文件的任务，可强制生成补丁：

   trae-cli run "Update the API endpoints" --must-patch
   

5. 自定义工作目录
   指定项目目录以执行任务：

   trae-cli run "Add unit tests for the utils module" --working-dir /path/to/project
   

特色功能操作

• Lakeview 总结
  Trae Agent 的 Lakeview 功能为任务步骤提供简洁总结。运行任务后，查看日志文件（如 trajectory_20250612_220546.json）中的 Lakeview 字段，快速了解执行步骤。
• 多 LLM 支持
  用户可通过 --provider 和 --model 参数切换不同模型。例如，使用 OpenRouter 的 GPT-4o：

  trae-cli run "Optimize this code" --provider openrouter --model "openai/gpt-4o"
  

• 工具生态
  Trae Agent 内置文件编辑、bash 执行等工具。例如，自动编辑文件：

  trae-cli run "Add documentation to main.py"
  

  工具会生成文档并保存到指定文件。

注意事项

• 确保 API 密钥有效，否则任务无法执行。
• 项目处于 alpha 阶段，可能存在不稳定情况，建议关注 GitHub 仓库更新。
• 日志文件记录详细操作，建议定期清理以节省空间。

应用场景

1. 自动化代码生成
   开发者只需输入“创建一个 REST API 框架”，Trae Agent 即可生成 Python 或其他语言的代码框架，节省手动编写时间。
2. 调试和修复代码
   输入“修复 main.py 中的错误”，Trae Agent 会分析代码，定位问题并生成补丁，适合快速修复 bug。
3. 研究和开发智能体
   由于模块化设计，研究人员可修改 Trae Agent 的架构，测试新工具或工作流，适合学术研究。
4. 批量任务处理
   通过脚本调用 Trae Agent，批量执行任务，如为多个模块添加单元测试，提升效率。

QA

1. Trae Agent 支持哪些语言？
   主要支持 Python 3.12，但可通过工具生态支持其他语言的代码生成和编辑。
2. 如何切换不同的 LLM 模型？
   使用 --provider 和 --model 参数，例如 trae-cli run "任务" --provider openai --model gpt-4o。
3. 日志文件如何使用？
   日志文件记录任务的每一步操作，查看 JSON 文件可分析执行过程，适合调试或优化。
4. 项目是否适合生产环境？
   目前处于 alpha 阶段，建议用于开发和研究，生产环境需谨慎测试。