做个网页、改个 PPT，已经快成了 AI 产品的标配。但“AI 能生成一个网页”和“这个网页能长期承载业务”，中间还隔着不少步骤：页面里的数据要保存，功能要随需求调整，改完之后还得确认原来的部分没有出问题。
两个演示效果差不多的产品，真正放进项目里，差别才会显出来。就像写文档，随手记一段，用备忘录就够了；多人协作和版本管理，需要专门的工具。内容要沉淀成知识库，还得考虑与其他系统的衔接。
低门槛让更多人开始动手，深入使用又会带来新的要求。
AI 开发的完整流程也在逐步交由 Agent 主导。用户提出目标，Agent 理解需求、拆解任务，写出代码后继续运行和检查，再根据反馈修改。用户仍然可以检查结果，在需要时介入修改。更多懂业务、有想法的人，即使不熟悉编程，也有机会把工作需求做成能使用、能继续完善的工具。
TRAE 是国内较早推出的 AI 原生 IDE 之一，已积累了广泛的开发者用户基础。从 IDE 到 SOLO 模式，再到 TRAE Work 独立端，TRAE 逐步把 AI Coding 能力带进更广泛的工作场景。
这次，TRAE 将 TraeWork 与 TraeCode 合并，保留已有的开发能力，同时加入 Agent 工作台，用统一界面跨项目分配任务、调度多个 Agent 并行工作。用户可以在一个窗口里管理多个项目，让不同 Agent 分头推进；需要细改时，再进入同一项目的 IDE 模式，查看改动、排查问题并继续修改代码。
这样的安排，要同时照顾两种需求：刚上手的用户希望少接触复杂操作，深入做项目的人又需要介入细节。随着需求增加，原本的一次办公任务，可能逐渐变成一个需要开发和维护的项目。工具能不能跟着这个过程往下走，还得实际做一遍才知道。
——
本文节选自 品玩 的《TRAE 合并 Code 与 Work：能力向外扩展，开发继续深入》，原文链接：https://www.pingwest.com/a/318151
