人人都会AI编程

1.2 支持的系统与技术栈

更新时间：2026-06-29

Trae 在设计上尽量降低环境门槛，让不同技术背景和系统偏好的开发者都能快速用起来。目前，它在操作系统兼容性、编程语言覆盖以及框架支持方面，都以“实用覆盖”为原则，而不是追求大而全的清单。

操作系统

独立客户端目前支持两个主流桌面平台：

  • Windows：支持 Windows 10 及以上版本，提供标准的 .exe 安装包。安装后即可获得完整的编辑器与 AI 功能，无需额外配置运行环境（Node.js、Python 等依赖由客户端自行管理）。
  • macOS：支持 macOS 11.0 及以上版本，同时为 Apple Silicon（M 系列芯片）提供原生构建，运行效率和响应速度都经过优化。

IDE 插件版的系统支持，跟随你所使用的 IDE 环境：

  • 如果你使用 VS Code，只要 VS Code 能在该系统上运行（Windows、macOS、Linux），Trae 插件就能安装并使用。也就是说，Linux 用户通过 VS Code 插件版可以正常体验 Trae。
  • 如果你使用 JetBrains 系列（如 IntelliJ IDEA、PyCharm、GoLand 等），插件的支持同样跟随 JetBrains IDE 本身所支持的系统。

因此，如果你主要使用 Linux 进行开发，目前推荐的方式是通过 VS Code 或 JetBrains 的插件版来使用 Trae。

编程语言

Trae 对大语言模型能力的依赖，决定了它对编程语言的支持并不依赖传统的“语言服务协议”或定制解析器，而是由底层模型本身的训练语料决定。从实际使用来看，以下语言在代码补全、生成、解释和重构等方面表现稳定且质量较高：

  • JavaScript / TypeScript
  • Python
  • Java
  • Go
  • C / C++
  • Rust
  • C# ( .NET )
  • PHP
  • Ruby
  • Swift
  • Kotlin
  • Shell / Bash

对于其他相对小众但模型也有一定训练数据的语言（如 Lua、Dart、Scala 等），基础功能也可用，但生成质量和准确率可能会有所波动。建议你在实际项目中先以一个小文件或独立模块进行试探，确认效果后再纳入常规使用。

此外，Trae 的 编程语言/框架互转 功能可以在常见语言之间进行代码翻译，例如将一段 Python 代码转为 Java 或 TypeScript，但生成结果仍需人工审阅，尤其是涉及语言特性差异较大（如动态类型 vs 静态类型）的场景。

技术栈与框架

Trae 在训练过程中接触了大量开源项目和技术文档，因此对主流框架和库有着比较好的支持。以下列举一些常见的、经社区反馈效果良好的技术栈：

  • 前端：React、Vue、Next.js、Nuxt、Svelte、Angular、Tailwind CSS 等。
  • 后端：Spring Boot、Django、Flask、FastAPI、Express、NestJS、Gin、Rails 等。
  • 移动端：React Native、Flutter、SwiftUI。
  • 数据与 AI：Pandas、NumPy、PyTorch、TensorFlow、Scikit-learn 等。
  • 数据库：SQL 语句在各种方言（MySQL、PostgreSQL、SQLite 等）下的生成与解释。

即便某些特定框架没有在训练数据中被重点覆盖，Trae 仍然可以通过对核心语言能力以及你提供的上下文（如 .rules 中的编码规范、项目现有代码风格）来给出相对靠谱的建议。当你使用一个较新的版本或小众库时，建议将相关文档页面通过 @ 引用注入对话，可以显著提高输出准确性。

总体而言，Trae 支持的系统和技术栈设计目标是：覆盖绝大多数现代开发场景，并在主流组合上提供可靠质量。在接下来的章节中，你会看到如何通过合理的提示词和上下文管理，最大化地发挥这些能力的价值。