梅花十三的隐身部位免费

梅花十三的隐身部位免费

金磊 发自 凹非寺量子位 | 公众号 QbitAI

TRAE，你这么玩，我是万万没有想到的——

新发的TRAE SOLO独立端（PC端和Web端齐发），直接可以跨界干活了。

例如我手上有一堆不同格式的文件：一份会议速记、一堆没清洗的原始数据、几张手绘的原型草图……

然后我现在只需要一股脑地把它们打包到一个文件夹里，丢给SOLO独立端，附上一段Prompt：

啪的一下，和这个项目相关的数据分析师、产品经理、运营和研发的工作，统统搞定！

生成的所有文件都是可以点开、下载，直接可用的那种：

咱就是说。琓RAE SOLO独立端现在可真不只是能用来编程，需求、设计、数据、运营等岗位的人也都能拿来办公。

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

或许有小伙伴要问了，之前TRAE里面也有SOLO模式，那现在二者有什么区别呢？

从形态上看，它脱离了传统的IDE架构，分为PC端和Web端两种；从能力上看，它将原本聚焦于代码的AI Agent能力，泛化到了整个互联网产研上下游：

△图片由AI生成

TRAE PC端： 传统的IDE形态，内部深度集成SOLO模式（SOLO Agent），面向专业且重度的研发场景。SOLO PC端（本次新增）： 独立的轻量级客户端，分为Code和MTC两种模式，面向所有产研人员。SOLO Web端（本次新增）： 浏览器即开即用版本，同样包含Code和MTC模式，主打随用随走。

简而言之，TRAE SOLO独立端（下文简称SOLO）旨在用更轻量、更直观的交互范式，降低学习曲线。

那么它到底能把整个产研团队的活儿干到什么程度？

意昂平台继续深入实测一波。

产品经理、运营、分析师…统统都能用

意昂平台的实测将分别代入产品经理、运营、数据分析师以及研发工程师的视角，看看这个独立端在真实业务场景下的表现。

产品经理实测：从海量噪音中提炼PRD

产品经理（PM）的日常往往被大量的非结构化信息淹没。

他们需要处理来自各个渠道的海量用户反。云肜钒姹镜男枨，最终撰写出逻辑严密的PRD（产品需求文档）。

这个过程伴随着跨工具的频繁切换（从飞书/钉钉到Excel，再到原型工具和文档工具），整理一份完整的迭代方案往往需要熬上1-2天。

现在，意昂平台准备了不同格式且与产品经理工作相关的五份文件：

接下来，意昂平台把上面的文件夹直接上传到SOLO的MTC模式里，并附上这样的Prompt：

请读取工作区的所有文件。首先，将300条用户反馈按功能？榻芯劾，提炼出前3个高频核心痛点；其次，结合Q1-Q4的上线数据，定位影响用户留存的关键问题；接着，严格按照我提供的PRD模板，产出下一版本的功能迭代PRD初稿；最后，根据现有的设计规范，生成一份贴合现有样式规范的原型页面结构描述。

然后SOLO就开始自己工作了：

最终，耗时仅7分钟，SOLO就给出了完整且超长的APP功能迭代初稿：

对于PM而言，SOLO最大的价值在于上下文的持续记忆与多格式文件的整合处理。它已然是一个能同时看懂表格、文档和设计规范的业务助理。

运营工作实测：从活动策划到复盘报告的全链路

运营岗位工作的特点，非杂和碎莫属了。

例如策划一个大促活动，前期要写方案、做宣讲 PPT、算预算；活动落地需要配置页面和物料；活动结束后还要熬夜洗数据、画图表、写复盘报告……

在这次的实测中，意昂平台将根据现实工作需求，分为活动前和活动后两个阶段。

在活动前，实测的Prompt是这样的：

帮我从零开始策划一场618用户拉新活动，产出完整可落地的方案（含活动主题、核心玩法、日程安排、预算明细、宣传渠道）。随后，根据该方案生成一份简洁商务风格的活动宣讲PPT。

这一次，在SOLO操作之前，先提问了五个问题，包括活动对应行业、新客如何定义、总预算、PPT页数等等，以此来精确任务的执行。

同样是不到7分钟，一份18页的PPT就这么水灵灵地诞生了：

从结果可以看出，产出的策划案逻辑清晰，玩法（如裂变红包、限时秒杀）虽然中规中矩，但框架完整，预算明细的公式占位符也设置得很合理。

并且生成的PPT也是直接可用的那种，页面结构（封面、背景、玩法、排期、封底）与策划案 100% 对应，甚至自动检索并插入了符合主题的配图。

接下来，意昂平台继续输出活动后数据复盘的Prompt：

完成数据清洗，做数据可视化分析，产出包含效果总结、问题分析、优化建议的完整复盘报告（Word 格式）。

可以看到，在读取运营数据时，SOLO自动执行了数据清理（剔除无效的刷单数据和空值），并输出了带有数据图表（折线图、柱状图）的Word复盘报告。

报告中的结论也是抓住了运营体验的问题，并给出了针对性的渠道优化建议。

数据分析师：自动化脚本与可视化挖掘

数据分析师（DA）的核心价值在于洞察，但在实际工作中，他们60%以上的时间都花在了前置的体力活上：处理多份格式不一的表格、清洗脏数据、写Python脚本做聚合合并。

为此，意昂平台准备了非常杂乱的原始数据集，包括4个季度数据分表存储，字段命名不统一、日期格式不统一、带全类型脏数据，完全还原数分工作中从业务端拿到的多源异构原始数据场景。

以及全链路用户行为原始脏数据，含重复行、空值、乱码、日期格式不统一、用户类型不统一、事件类型异常、数值异常等，还原了数分工作中从埋点系统导出的原始用户行为数据。

然后意昂平台给出这样的Prompt：

给定4个季度的销售数据 Excel、用户行为原始数据集CSV，要求完成：①合并4个季度的销售数据，清理重复值和空值、统一日期格式，生成带季度列的年度总表，配套销售趋势柱形图；②对用户行为数据集做探索性分析，提炼核心业务洞察；③生成图文并茂的分析报告PPT，用合适的图表做可视化呈现，讲清数据结论和优化建议。

面对多份格式有差异的表格，SOLO并没有试图硬拼。后台日志显示，它自动编写并运行了一段Python脚本，利用Pandas库精确地完成了去重、空值处理、日期格式统一以及表格拼接。

除此之外，它依旧稳稳地生成了可视化的报告，包含多个数据分析需要的图表。

由此，分析师不需要自己去调教代码环境，只需下达指令，SOLO就能通过代码化的方式保证计算的准确性与可复用性，解放了DA的机械劳动时间。

代码实测：回归老本行

最后，意昂平台来实测一下SOLO的代码能力。

即使是专业的研发人员，在处理一些快速原型的搭建、小型脚本的编写，或者在移动办公/通勤场景下，一个轻量但全能的环境更为重要。

意昂平台切换到SOLO的Code模式。测试任务不仅是简单的代码生成，而是测试其作为一个独立客户端的工程化能力。

这次意昂平台直接喂给SOLO一个PRD需求文档，简单来一句：

按照产品需求做开发。

不一会儿，应用就开发好了：

不仅如此，包括架构设计、API定义、数据模型等等都是一口气直出的：

不仅是本地可以执行，SOLO和云端项目一起多任务并行，还是可以随时接入查询状态的那种。

打破了AI工具的岗位壁垒

经过对四个典型岗位的深度实测，意昂平台可以清晰地勾勒出TRAE此次发布SOLO独立端的真实用意。

过去的AI工具市场存在明显的割裂：一方面是高度专业化、门槛极高的代码补全插件；另一方面是只能处理纯文本、无法触及真实业务工作流的通用对话大模型。各个岗位的人员依然困在自己的工具孤岛中。

TRAE SOLO独立端的出现，最核心的变化是大幅降低了使用门槛。通过轻量化的PC端和Web端，以及MTC和Code模式的无缝切换，它将服务对象从单一的程序员，扩展到了覆盖产品、设计、数据分析、运营等互联网上下游的全链路人群。

在能力层面，它不再局限于单纯的写代码，而是整合了文档理解、文件生成（PPT/Excel/Word）、数据清洗可视化、自动化脚本执行以及本地文件管理等全套能力。

这意味着，TRAE正在从一个帮助写代码的AI Coding工具，升级为一个覆盖软件生命周期全流程的AI Development基础设施。

对于产研团队而言，它提供了一种全新的可能性：在一个统一的智能工作流中，用自然语言调度从需求到落地的所有环节。

中国版本：https://solo.trae.cn国际版本：https://solo.trae.ai