跳转到内容

Trae 实战:改简历、整理数据、做网站

📍 国产 AI 工具 · Trae 教程

机器人坐在桌前,桌上漂浮三个产物 / 表格 / 网站

上一篇你装好了 TraeCode,做出了第一张学习卡网页。但你心里大概有个声音:

「学习卡只是练手,Trae 到底能干啥实活?」

这一篇带你跑通 3 个真实场景:

  1. 🎯 改一份土土的简历 —— 把 Word 模板出来的简历升级成现代极简风
  2. 📊 清洗一堆乱 Excel —— 5 个表合并 + 列名统一 + 数据去重
  3. 🌐 从想法到网站上线 —— 自然语言描述 → HTML / CSS / JS → 发布到网上

需求用自然语言说,代码由 Trae 生成,但要一点终端操作:场景 2 要运行 Python 脚本,场景 3 要装 Node.js、在终端里跑发布命令。先对照下面的清单准备好。

场景要准备什么怎么确认准备好了
1 改简历只要 TraeCode不用额外准备
2 整理数据Python 3:到 python.org 按页面指引安装在终端输入 python3 --version(Windows 输入 py --version,不行再试 python --version),能看到 3.x 的版本号
3 做网站Node.js:到 nodejs.org 装 LTS 版(长期支持版,截至 2026-09-26 是 24,至少要 22);再注册一个免费的 Cloudflare 账号在终端输入 node -v,显示 v22 或更高

终端是用文字输入命令的窗口。TraeCode 自带终端(和 VS Code 的一样),在菜单里就能新建一个,它会自动进到当前打开的文件夹。上面几条命令只是查看版本,不会改动电脑。


Trae 实战的核心姿势就一句话:你描述目标 + AI 写代码 / 改文档 + 你审 + 跑通。

3 类任务,用法略有不同:

任务类型用 TraeCode 的哪个功能你的角色
改文档(简历 / 报告 / 邮件)IDE 模式 + 内置智能体 Agent(只想讨论改法、不改文件时选 Chat)审稿人
写脚本(数据清洗 / 自动化)IDE 模式 + Agent需求人
从零做项目(网站 / 工具)SOLO 模式产品经理

三种用法有几步是一样的:

  • 选智能体:在侧边对话的输入框里输入 @,在 Built-In Agents 里选 Agent 或 Chat。2026 年 5 月起,旧版的 Builder 已合并进 Agent,找不到 Builder 按钮是正常的。侧边对话默认打开,关掉了按 Cmd+U(Windows 用 Ctrl+U)重新打开。
  • 先看计划:Agent 会先给出一份计划(PRD 需求说明和技术方案),你确认后它才开始改文件。
  • 再审改动:改动会直接写进文件夹,编辑器里的文件上会出现「保留」「撤销」按钮。看过没问题点「保留」(Cmd+Enter,Windows 用 Ctrl+Enter),不满意点「撤销」(Cmd+Backspace,Windows 用 Ctrl+Backspace)。这是默认的「审查所有变更」,可以在设置的「对话流 > 代码审查」里改。

官方说明:内置智能体 Agent、对话、IDE 设置总览。

3 个场景每个对应一种。


改简历 before-after,右边整齐

你手上有一份 Word 简历 resume.docx,典型问题:

  • 用了 Word 的彩色装饰模板,显得业余
  • 经历堆砌成长段落,没有重点
  • 没有数字 / 成果量化
  • 投了 50 家公司没回信

步骤 1:先把 resume.docx 转成纯文本(直接读 .docx 效果差):用 Word「另存为」存成纯文本(.txt),或者把内容贴进一个 resume.md。转之前按上面的提醒处理个人信息。然后新建一个只放这份简历的文件夹,用 TraeCode 的「打开文件夹」打开它(欢迎页上有按钮,也可以用「选择项目 > 打开文件夹」)。熟悉终端、首次启动时装了命令行入口的读者,也可以在该文件夹里用 trae . 这类命令打开(命令名以安装时的提示为准)。

步骤 2:在侧边对话的输入框里输入 @,选 Agent(Chat 只回答问题、不改文件,做不出下一步那个文件),然后发:

“帮我把这份简历改成现代极简风:

  • 去掉花哨装饰,只留黑白 + 一行深绿点缀
  • 每段经历用3 行 bullet(要点)写完:做了什么 / 怎么做 / 量化结果
  • 缺数字的地方,给我提示该补什么数字(不要编)
  • 输出成 HTML + 内联 CSS,一个文件,我可以直接打印成 PDF”

Agent 会先给出一份计划。核对一下:只生成一个 resume.html、不编造经历,没问题再确认让它继续。

步骤 3:Agent 生成 resume.html。文件已经写进文件夹,先看一眼改动再点「保留」(不满意就点「撤销」),然后用浏览器打开 resume.html 看效果。

步骤 4:不满意的地方继续在对话里说:

「第二段太长了,砍到 3 行」

「字号小一点,我想压到一页 A4」

「项目经历那段加一行:‘获 XX 奖’ —— 我自己填」

步骤 5:满意后浏览器打开 resume.html → Ctrl + P(macOS 用 Cmd + P)→ 另存为 PDF。

⚠️ 打印设置坑:勾「背景图形」+ 边距改「最小」,否则深绿点缀色 / 浅色背景会丢,打出来一片白。

  • ✅ 要求「缺数字的地方提示」 —— 防止 AI 帮你编经历(常见雷)
  • ✅ 要求「一个文件 + 内联 CSS」 —— 不用配置项目,纯 HTML 直接打开
  • ✅ 多轮迭代 —— 第一版从不完美,改 3-5 轮才精
  • ❌ 不要让 AI 编经历 —— 自己提供事实,AI 只负责改语言风格

耗时:看简历长短和改几轮,第一次多留些时间。


场景 2:整理数据(Agent 写脚本)

Section titled “场景 2:整理数据(Agent 写脚本)”

数据清洗 before-after Excel,右边整齐表,机器人在中间

业务发你 5 个 Excel:

  • q1_sales.xlsx / q2_sales.xlsx / q3_sales.xlsx / q4_sales.xlsx / customers.xlsx
  • 列名不统一:有的写「姓名」有的写「客户名」有的写「name」
  • 客户名重复(空格 / 大小写 / 简繁体不一致)
  • 你需要合成一张总表 + 按客户名 join(关联)客户信息

如果你不会 Python,只能在 Excel 里一张张手工整理,费时间,也容易出错。

步骤 1:新建一个项目文件夹(比如 sales-clean),在里面建一个 data/ 子文件夹,把 5 个(已脱敏的)Excel 放进去,再用 TraeCode 的「打开文件夹」打开项目文件夹。

步骤 2:在侧边对话输入 @ 选 Agent,然后发:

“写一个 Python 脚本叫 clean.py,做这些事:

  1. 读 data/ 里 4 个季度 Excel,合并成一张总表
  2. 列名统一成「客户名 / 季度 / 产品 / 数量 / 金额」(中文)
  3. 客户名清洗:去前后空格 + 转半角 + 简体
  4. 跟 customers.xlsx 按客户名 join,补上「客户分类 / 客户区域」
  5. 去重(同客户同季度同产品取最新一条)
  6. 输出 output.xlsx,加一个汇总 sheet(按区域分类的总金额)
  7. 用到的第三方库都写进 requirements.txt,告诉我怎么在虚拟环境里安装和运行”

步骤 3:Agent 先给出计划,你确认后,它生成 clean.py 和 requirements.txt。requirements.txt 是依赖清单文件,列出脚本要装的库,比如 pandas、openpyxl;繁体转简体通常还要 OpenCC 这类库。文件会直接写进文件夹:先看一眼再点「保留」(Cmd+Enter,Windows 用 Ctrl+Enter),不满意就点「撤销」。

步骤 4:在 TraeCode 的终端里(它会自动进到项目文件夹),先建一个虚拟环境(一个独立的 Python 安装空间,装的库不影响系统),再装依赖、运行脚本。不用先「激活」虚拟环境,直接用它里面的 Python 就行(Python 官方说明)。

macOS / Linux:

Terminal window
python3 -m venv .venv
.venv/bin/python -m pip install -r requirements.txt
.venv/bin/python clean.py

Windows(PowerShell 或命令提示符):

Terminal window
py -m venv .venv
.venv\Scripts\python -m pip install -r requirements.txt
.venv\Scripts\python clean.py

为什么不直接 pip install?在较新的 macOS、Linux 上,直接往系统自带的 Python 里装库,常会报 externally-managed-environment,用虚拟环境就能避开。Ubuntu、Debian 上建虚拟环境时如果提示 ensurepip is not available,先按提示用系统的包管理器装上 python3-venv。

也可以让 Agent 代跑这些命令。想让它每条命令都先问你,见场景 3「关键技巧」里的设置。

如果报错,把报错原文或截图丢回对话:「运行时报了 KeyError: ‘姓名’。我看了 customers.xlsx,列名其实是“客户姓名”,你能改一下脚本吗?」

步骤 5:打开 output.xlsx,看汇总结果对不对。

  • ✅ 明确每一步要做什么 —— 别说「帮我清理数据」,说「去空格 + 转半角 + 简体」
  • ✅ 错了把报错丢回对话 —— AI 会读懂报错堆栈,自己修脚本
  • ✅ 要求加注释 —— AI 写完代码加一句「每个函数加一行注释,我看不懂 Python」
  • ⚠️ 小心 AI 改业务规则 —— 比如「去重」AI 可能选错保留哪一条,要人工核实

耗时:取决于数据量和网络;第一次装 Python、建虚拟环境,要多留些时间。


场景 3:从想法到网站上线(SOLO 模式)

Section titled “场景 3:从想法到网站上线(SOLO 模式)”

三步面板 idea → 写代码 → 部署上线

你想做一个个人简介页,先发布到一个免费的 pages.dev 网址上(以后想换成自己的域名,再按 Cloudflare 的自定义域名文档绑定)。需求:

  • 一页就够(不要复杂导航)
  • 黑白 + 一个亮色
  • 手机能看
  • 支持深色模式
  • 发布到 Cloudflare Pages(免费)

先说清楚 Cloudflare 免费方案在大陆的情况:大陆访客走的是境外节点,访问可能很慢或打不开,不作保证。Cloudflare 在大陆的网络只对企业版另外开通,而且要 ICP 备案(官方说明)。网站主要给大陆访客看的话,一般要用国内云服务商的静态网站托管(比如阿里云 OSS),并给域名办 ICP 备案(阿里云的说明),这超出了本篇的范围。另外,Cloudflare 现在建议新项目用 Workers(Cloudflare 的另一种托管服务),Pages 仍然可以正常用(官方说明);本篇为了步骤简单,继续用 Pages 直接上传。

如果你不会前端,从头学 HTML、CSS 和部署要花不少时间,这正是 SOLO 模式能帮上忙的地方。

步骤 1:新建空文件夹 my-site/,用 TraeCode 的「打开文件夹」打开。

步骤 2:用界面左上角的模式开关切到 SOLO 模式,输入需求。SOLO 的使用条件(截至 2026-09-26):国际版 Free 档没有 SOLO,要付费档;中国版免费档能用,但会扣积分。用不了 SOLO,就留在 IDE 模式,选 Agent 发同样的需求。

“我想做一个个人简介页,需求:

  • 一页布局,简单
  • 黑白 + 深绿点缀
  • 手机响应式 + 支持深色模式
  • 内容包括:
    • 头像 + 名字 + 一句话简介
    • 关于我(3 段)
    • 项目列表(4 个项目卡片,标题 + 简介 + 链接)
    • 联系方式(邮箱 + GitHub)
  • 用纯 HTML + CSS,不要 JavaScript 框架
  • 网页文件都放在 site 文件夹里,之后整个文件夹发布到 Cloudflare Pages”

步骤 3:SOLO 里的 Agent 会先给出计划(PRD 和技术方案),你确认后,它按待办清单一步步做,大致像这样(示意,实际界面以客户端为准):

📋 待办清单:
1. ✓ 创建 site/index.html
2. ✓ 创建 site/styles.css
3. ✓ 加深色模式切换
4. ✓ 加手机响应式
5. ⏳ 在内置浏览器里预览

确认计划后,它会自动往下做。做完可以在 SOLO 工具面板的浏览器里预览,也可以直接用浏览器打开 site/index.html。改动同样默认要你「保留」或「撤销」。

步骤 4:遇到不满意的地方,在 SOLO 对话框补一句:

「项目卡片的边框太粗了,改成 1px」

「联系方式那段把图标加大一倍」

「深色模式下背景太黑,改成深灰 #1a1a1a」

步骤 5:满意后,先做发布前的 3 步准备(零基础新手必看):

  1. 注册 Cloudflare 账号(免费,cloudflare.com)
  2. 确认 Node.js 版本:按开头的准备清单装好 Node.js,在终端输入 node -v,要显示 v22 或更高。发布工具 wrangler(Cloudflare 官方的命令行工具)要求 Node.js 22 以上,版本太低会直接报错退出
  3. 在终端跑 npx wrangler login —— npx 是 Node.js 自带的命令,会临时下载并运行 wrangler(第一次会问要不要安装,直接回车);浏览器弹出授权页,点同意。Windows 的 PowerShell 如果提示「禁止运行脚本」,把 npx 换成 npx.cmd 再跑,后面的发布命令也一样

步骤 6:让 SOLO 把发布步骤写进 README:

“帮我在 README.md 里写好发布到 Cloudflare Pages 的步骤:

  • 不需要写 wrangler.toml 配置文件,直接上传 site 文件夹
  • 发布命令是 npx wrangler pages deploy site --project-name=my-site”

步骤 7:在终端里(项目文件夹下)自己运行发布命令:

Terminal window
npx wrangler pages deploy site --project-name=my-site

第一次发布时,Cloudflare 上还没有这个项目,终端可能会问几个问题(比如生产分支名 production branch),直接回车用默认值就行。这一步要你回答问题,所以自己在终端里跑,别交给 AI 在后台跑。发布成功后,终端会给出一个以 .pages.dev 结尾的网址。site 文件夹里的所有文件都会公开,别在里面放私人文件。

  • ✅ SOLO 模式适合「从零做项目」 —— 不像 Chat 一问一答,SOLO 会自动多步规划
  • ✅ 需求越细越好 —— 颜色 / 布局 / 响应式 / 发布目标全写清,SOLO 少走弯路
  • ✅ 看预览 —— SOLO 的工具面板里有浏览器,边做边看效果
  • ⚠️ SOLO 模式会自己跑命令 —— 默认设置下,除了少数危险命令,它会不问你就执行。第一次用,建议到设置的「对话流 > 自动运行」里,把 SOLO 模式的命令运行方式设成「手动运行」(每条命令都先问你;IDE 模式另有一项,同样可以设),熟了再改回默认的「沙箱运行」。如果你的版本用的是新的「权限审批」设置(中国版要在设置的 Beta 里打开),其中的「手动审批」只在越权访问文件或命中危险命令时才弹卡片,并不是每步都问。官方说明:自动运行 & 安全性、权限审批

耗时:取决于需求细不细、网络快不快;第一次装 Node.js、注册账号,要多留些时间。


一个人和机器人并排看代码,人用放大镜审,机器人解释

跑完上面 3 个场景,你应该体感到 Trae 实战的3 个核心技能:

❌ 错的姿势(像跟工程师说):

「写一个 Python 脚本,用 pandas 的 read_excel 读所有 .xlsx,然后…」

✅ 对的姿势(像跟产品经理说):

「我有 5 个 Excel 想合并成一张总表 + 去重 + 按客户分类汇总」

AI 自己知道用 pandas / openpyxl / 怎么 join,你只需要说目标。

第一版永远有问题。要么颜色不对 / 要么少功能 / 要么报错。

习惯多轮 chat:

「改成这样」→ 看效果 →「再改一下」→ 看效果 →「完美,保存」

对话总轮数 5-15 次是正常的,这不是 AI 不够强,是任务本身复杂。

AI 写的代码 / 文档不能闭眼接受,但你也不必逐行审。看 3 个关键点:

  • 核心逻辑对不对(数据合并是不是按你说的字段)
  • 边界 case 处理(空表 / 错列名怎么办)
  • 危险操作(rm -rf / 删库 / 改服务器配置 —— 这些必须人审)

普通编辑 / 改 CSS 颜色这种,基本可以直接点「保留」;写脚本 + 跑命令这种,先看一眼再保留;改生产数据这种,逐行审 + 备份。


跑通这 3 个之后,你可以试更多:

  • 📧 写群发邮件模板 —— 选 Chat 描述需求 + AI 生成多版本 + 你挑
  • 📝 写报告 / 文档 —— 上传素材 + AI 整理成结构化报告
  • 🤖 写一个飞书或钉钉群机器人 —— SOLO 模式从零搭(先看对应平台的机器人开发文档)
  • 📈 做一个数据可视化网页 —— SOLO 模式 + Chart.js / ECharts 自动生成图表(比 d3.js 上手快)
  • 🔄 自动化日常工作流 —— Python 脚本定时跑 / 自动备份 / 定时报告

判断口径:只要任务能用自然语言描述清楚 + 输出是文字 / 代码 / 网页,Trae 都能干。

Trae 不擅长:

  • ❌ 性能极其敏感的代码(高频交易 / 底层 C)
  • ❌ 结构极其复杂的大型项目(几十个相互依赖的模块,上下文容易丢失)
  • ❌ UI 设计 / 视觉创意(它写代码 OK,设计审美需要人把关)

Trae 实战 = 把「会描述需求」变成「会做产品」的桥。

如果你之前因为不会写代码 / 不会前端而做不出来想法,Trae 是把这层门槛打掉的工具。

3 个场景跑下来,你就懂为啥 2025-2026 年这么多产品经理 / 运营 / 设计师自己开始「vibe coding」了 —— 不是他们突然学会编程,是工具把编程的门槛降到了「会描述需求」这个层级。