在当今数字化与人工智能快速发展的时代，AI编程工具逐渐成为开发者们关注的焦点。然而，理想与现实之间往往存在差距。本文通过作者的亲身经历，探讨了字节跳动旗下的Trae（国内版）AI编程工具在实际使用中的表现，揭示了其在功能实现、用户体验以及与实际开发需求融合方面的诸多问题。

平时写提示词的时间着实有点儿多，又没找到合适的提示词管理工具，于是产品经理张师傅决定自己攒一个，和平时简单写点儿自动化脚本不同，这个工作量还是需要专业IDE支持的，按理说Cursor是AI时代编程最佳选择，但是一直看到有介绍Trae的文章，我这个好奇心又来了，好奇字节跳动到底能不能做个让人不糟心的AI产品（对比上次用coze的体验），于是我就下载了一个Trae（国内版）。

于是，我又糟心了……

第一次迭代改了2小时，还失败了

因为不了解Trae的能力怎么样，我很“保守”的决定不要搞的太复杂，第一个迭代能把基础的增删改查做了就好，这种逻辑简单而且特别常见的功能，按理说5分钟就能做出来，是？吧？然后我计划再用一小时逐步扩展业务逻辑，再用一小时自己测试一下做一些小的优化，最后开心的洗洗睡，完美！！

这就是第一版的提示词，有点儿朴实，但是该覆盖的信息还是尽量写了。

这是一个有前后台的工具，名字叫做“提示词管理”，功能包含：

1. 支持多用户

2. 每个用户可以管理自己的提示词

3. 管理动作包括：增加、删除、修改

4. 主页面是一个分栏页面，左边是树形的分类导航，右边是分类下的提示词列表，展示提示词的名称和前100个字符，超出用…省略

5. 点击导航和切换分类

6. 列表项旁边有查看，修改

7. 点击列表项进去之后可以查看详情，删除或者编辑

项目使用Python技术栈，存储用MySQL

事实证明我要么是太乐观（对Trae的能力），要么是太单纯（轻信某些文章）。我觉得国内版Trae搭配上Deepseek-v3-0324，号称编程能力有优化的版本，应该手到擒来啊。于是我熬到半夜，别说核心功能，登录注册都没有走通……

而且这种熬，是看起来好像一切都在正确的路上，但是你就是走不到终点。

• 一开始像模像样的设计了项目结构，有前台有后台有配置
• 提供了关键代码的实现，扫了一眼关键的实体都有
• 前台页面、数据库，包括环境准备也都有

然后我开开心心的把环境搭建好，代码都放在它设计的位置上，检查确认，没问题，运行！报错……

那时的我是完全不担心的，因为错误代码Trae也能分析啊，扔进去就好了，不是可以vibe coding么？vibe coding不是号称你只要描述需求，把输出再粘贴到对话框，然后可运行的程序就奇迹般的出现了么。

但是并没有，而且我发现从某个错误开始，Trae的反馈就开始“循环”了，也就是……搞不定了……

而这个时候我再想尝试自己定位问题的时候，这套代码对我来说已经有些复杂了，特别是一个熬夜的、很久不写代码的、中年男人来说…… 努力了几下之后，发现时钟已经快指向1点的我放弃了，我已经不是读研的时候可以通宵写bug的那个年轻人了……

功能齐全与难用并存，这个悖论是不是AI的锅？

表面上看，Trae的功能列表相当可以：编辑器、支撑工具、针对编程的优化、Deepseek模型、具备Chat和Builder双模式，互联网大厂的完备功能 + AI时代的牛逼模型，李云龙看了都要说“这种富裕仗我八辈子也没有打过”。

但是就翻车了，你猜李云龙怎么说？

所以问题来了，谁的锅？你说谁的锅？

不是编辑器的锅，也不是模型的锅，那就只能是产品经理的锅。

产品经理对AI模型在场景中的应用能力的锅。

以那个让我熬夜的问题为例，就是引用一个包失败（不懂技术的同学不用管什么意思），是什么大问题么？显然不是，类似于找不到门牌号而已嘛，就是解决不了，反复尝试反复出错，背后是反映出什么问题？就是Trae对代码的整体结构其实没有认知，或者上下文窗口不对。

你说Deepseek-v3不能认知么？显然Deepseek可以，但是产品没有优化，于是”上下文失明“了。

为什么会出现这种错误呢？因为产品经理对这个问题的理解不够，没有针对模型和场景优化。

字节的AI产品经理到底遇到了什么问题？

之前的文章里吐槽了字节的coze，这次Trae就来“报复”我，字节的AI产品为什么就不能像抖音的产品那样顺滑呢？字节不是个AI大厂么？

所以回到一个根本问题，做AI产品，特别是把AI融入“传统”产品的产品经理应该具备什么能力？

coze和Trae的产品经理应该很有发言权，绝对不只是传统的那些产品设计能力，那是基础；更重要的是理解AI能力，AI能力的边界，以及AI能力在场景中到底面对什么挑战的能力，现在Trae和那些直接在产品上挂ChatGPT或者Deepseek聊天窗口的差不多，都要“坐小孩儿桌”。

原来效果不好还可以说海外版可以用Claude，国内只能用豆包，现在国内可以用Deepseek就暴露了真实的问题，模型好的时候靠模型，模型覆盖不了的时候的就两手一摊。

AI产品是特殊，它的“质量”不像传统软件那样由确定性的功能支持，可能依赖训练数据的质量、依赖微调策略的精准度、也可能是推理过程的稳定性等隐形因素，但是产品经理最终要为交付质量负责的，Trae的产品经理自己用不用Trae写代码？知不知道产品这些低级的错误？

Trae的教训与启示

Trae（国内版）的现状揭示了一个不可忽视的因素：AI产品的功能已经不是产品的全部了，从推荐引擎的时代开始，数据和算法就发挥了重要作用，只不过那时候体感还没那么强烈，但是大模型时代AI部分的重要性已经超出一半了，AI不行，融合的不好，你的功能体验再好也藏不住。

未来的AI产品要交付给用户，至少要有三条底线：

1. 功能底线：在功能层面上可用、完备，貌似现在是大家的基本功了
2. 模型底线：模型具备这类问题和场景的处理能力，无论是基础模型还是微调，要能理解和处理
3. 场景融合底线：产品应用过程中，AI能力/模型是针对场景、有意识的做了融合的，无论是Prompt、上下文、工作流还是工具插件，必须针对场景把模型“粘合”起来，而非简单把数据扔给模型。

我还会努力用Trae把提示词工具做出来，如果有空闲可能还会体验一下Builder模式，只不过我自己会控制整体的结构，实现的顺序也会尝试改为从更小的MVP到完整功能，希望能尽快分享给大家。但是希望Trae能更快的迭代起来，围绕场景优化起来，赶上Cursor甚至超越。我作为一个用户用哪个开发工具无所谓，但是我还是希望在Deepseek之后，能有更多优秀的中国AI应用走出来，更多AI时代的产品经理能够走出来。