Trae Agent CLI：终端里的 AI 编程助手

当 Trae 走出 IDE，走进终端

你可能已经用过 Trae IDE，体验过它的 Builder 模式和 Chat 功能。但如果你更喜欢在终端里工作，或者需要在服务器上远程操作，怎么办？

字节跳动给出了答案：Trae Agent CLI。这是一个完全开源（MIT 协议）的命令行 AI 编程助手，托管在 github.com/bytedance/trae-agent。你可以用自然语言告诉它你想做什么，它会帮你编辑文件、执行命令、重构代码——全部在终端里完成。

和 Trae IDE 不同，它是一个独立的 Python 项目，不依赖任何 IDE，纯终端操作。

安装与配置

环境要求：Python 3.11+，pip 或 uv，至少一个 LLM 提供商的 API Key。

# 使用 pip 安装
pip install trae-agent

# 或者用 uv（推荐，更快）
uv pip install trae-agent

从源码安装也很简单：

git clone https://github.com/bytedance/trae-agent.git
cd trae-agent
python -m venv .venv && source .venv/bin/activate
pip install -e .

然后配置你的 API Key：

# 在 ~/.zshrc 或 ~/.bashrc 中添加
export ANTHROPIC_API_KEY="sk-ant-xxxxx"   # Claude 系列
export OPENAI_API_KEY="sk-xxxxx"          # GPT 系列
export GOOGLE_API_KEY="xxxxx"             # Gemini 系列

基本用法：自然语言驱动一切

核心理念很简单：用自然语言描述你想做什么，Trae Agent 帮你做。

# 直接给一个任务描述
trae-cli "帮我在当前目录创建一个 Python Flask 项目的基本结构"

# 指定模型
trae-cli --model claude-sonnet-4-20250514 "重构 src/utils.py，把所有函数加上类型注解"

# 指定工作目录
trae-cli --workspace /path/to/project "修复所有 ESLint 报错"

# 进入交互模式，持续对话
trae-cli --interactive

Trae Agent 会分析你的请求，然后自动执行一系列操作：创建目录、写入文件、安装依赖等。交互模式下你可以持续和 Agent 对话，就像在终端里聊天一样。

文件编辑能力

Trae Agent 内置了精确的文件编辑工具，不是简单地覆盖文件，而是能进行局部修改。

trae-cli "把 src/auth.py 中的 login 函数改成异步的"
trae-cli "把项目中所有 print 语句替换成 logging 调用"
trae-cli "创建 tests/test_auth.py，为 auth 模块编写单元测试"

它的 EditTool 工作流程是：读取文件 → 分析修改点 → 生成精确 diff → 应用并验证。不会意外破坏你没要求修改的部分。

Shell/Bash 执行

除了编辑文件，Trae Agent 还能直接执行 Shell 命令：

trae-cli "运行项目的测试套件，如果有失败的测试就修复它们"
trae-cli "检查 Python 环境，安装 requirements.txt 中缺少的依赖"
trae-cli "分析这个 Git 仓库最近 10 次提交，生成变更摘要"

执行前 Agent 会告诉你它打算运行什么命令，你可以选择允许或拒绝。内置工具一览：

工具名称	功能	典型场景
`BashTool`	执行 Shell 命令	运行测试、安装依赖、Git 操作
`EditTool`	精确编辑文件	修改函数、添加代码、重构
`ReadTool`	读取文件内容	分析代码、理解上下文
`WriteTool`	创建/覆写文件	生成新文件、写入配置
`GlobTool`	文件模式匹配	查找特定类型的文件
`GrepTool`	内容搜索	在代码库中搜索特定模式

多 LLM 提供商支持

Trae Agent 不绑定任何单一 LLM 提供商，你可以根据任务灵活选择：

提供商	支持的模型	适用场景
Anthropic	Claude Sonnet 4, Claude Opus 4, Claude 3.7 Sonnet	复杂推理、代码重构
OpenAI	GPT-4o, GPT-4.1	通用编程任务
Google	Gemini 2.5 Pro	长上下文分析

trae-cli --model claude-sonnet-4-20250514 "重构整个认证模块"
trae-cli --model gpt-4o "给这个函数加上 docstring"
trae-cli --model gemini-2.5-pro "分析整个项目架构并找出潜在问题"

你也可以在配置文件中设置默认模型，避免每次手动指定。

轨迹日志与模块化架构

轨迹日志（Trajectory Logging）

每次执行任务时，Agent 会自动记录完整的操作轨迹——LLM 调用与响应、工具执行的输入输出、决策推理链路、时间戳和耗时统计。

# 轨迹日志保存在 trajectories 目录，JSON 格式
ls trajectories/
# 2026-03-13_14-30-25_refactor_auth.json

这些日志可以用来调试（回溯决策过程）、优化提示词、团队审计，或者作为 AI Agent 研究的数据素材。

模块化架构

trae-agent/
├── trae_agent/
│   ├── agent/          # Agent 核心逻辑
│   ├── llm/            # LLM 提供商适配层
│   ├── tools/          # 内置工具（Bash、Edit、Read 等）
│   ├── trajectory/     # 轨迹日志系统
│   └── cli/            # CLI 入口和参数解析

想加新的 LLM 提供商？实现 llm/ 下的接口。想加自定义工具？在 tools/ 下添加。想改 Agent 决策逻辑？改 agent/ 模块。对于想学习 AI Agent 架构的开发者，这是一个很好的参考项目。

与 Trae IDE 协同使用

CLI 和 IDE 可以形成很好的互补：

用 CLI 的场景：远程服务器（SSH）、批量处理多个项目、CI/CD 集成、自动化脚本
用 IDE 的场景：可视化 diff 预览、Builder 交互式开发、Design-to-Code、团队协作

一个典型的协同工作流：

# 1. 终端里用 CLI 快速分析
trae-cli "分析这个项目的技术债务，列出需要重构的模块"

# 2. CLI 中执行批量重构
trae-cli "重构 src/legacy/ 下的所有文件，迁移到 TypeScript"

# 3. 切换到 Trae IDE，用可视化界面审查修改并完善细节

与 Claude Code CLI 简要对比

对比维度	Trae Agent CLI	Claude Code CLI
开发者	字节跳动	Anthropic
开源协议	MIT（完全开源）	源码可见但有限制
语言	Python	TypeScript
支持的 LLM	多提供商（Anthropic、OpenAI、Google）	仅 Claude 系列
安装方式	pip install	npm install
轨迹日志	内置完整支持	无内置轨迹日志
MCP 支持	支持	原生支持
交互体验	功能导向	对话式，体验更流畅
社区生态	新兴，快速增长	成熟，生态丰富
适合场景	研究、多模型切换、自动化	日常开发、深度 Claude 集成

简单来说：想要灵活性和可定制性，选 Trae Agent CLI；追求开箱即用的流畅体验，Claude Code CLI 更合适。两者并不冲突，完全可以根据场景切换。

实战：用 CLI 完成代码重构任务

假设你有一个 Python 项目，里面有一堆没有类型注解的旧代码。

# 第一步：分析现状
trae-cli --model claude-sonnet-4-20250514 \
  "分析 src/ 下所有 Python 文件，找出没有类型注解的函数，按文件列出"

# 第二步：逐文件重构
trae-cli --model claude-sonnet-4-20250514 \
  "为 src/utils.py 中的所有函数添加类型注解，参考实际用法推断类型"

# 第三步：验证修改
trae-cli "运行 mypy src/ 检查类型注解是否正确，如果有错误就修复"

# 第四步：查看轨迹日志，回溯 Agent 的每一步决策
cat trajectories/$(ls -t trajectories/ | head -1) | python -m json.tool

Agent 能形成”分析 → 修改 → 验证 → 修复”的闭环，这就是它作为 Agent 而非简单 CLI 工具的价值所在。

开源贡献指南

# Fork 并克隆
git clone https://github.com/your-username/trae-agent.git
cd trae-agent

# 安装开发依赖并运行测试
pip install -e ".[dev]"
pytest

贡献方向包括：添加新的 LLM 提供商（比如通义千问、文心一言）、开发新工具、优化提示词、完善文档、修复 Bug。项目遵循常规 GitHub 工作流，PR 需要通过 CI 和代码审查。

git checkout -b feature/add-qwen-provider
# 开发并测试...
git commit -m "feat: add Qwen LLM provider support"
git push origin feature/add-qwen-provider

总结

Trae Agent CLI 填补了一个重要空白：终端里的开源 AI 编程助手，支持多模型、架构清晰、轨迹可追溯。无论你是终端党、AI 研究者还是 DevOps 工程师，它都值得一试。

“最好的工具不是替代你的工具，而是让你在自己最舒服的环境里变得更强。终端是很多开发者的主场，Trae Agent CLI 把 AI 带到了这个主场。”

加载中...