
## 什么是 Trae？

> Trae（/treɪ/）与 AI 深度集成，提供智能问答、代码自动补全以及基于 Agent 的 AI 自动编程能力。使用 Trae 开发项目时，你可以与 AI 灵活协作，提升开发效率。
> 

## 支持Windows

trae支持Windows了,赶紧试试吧！

![trae](https://www.suiyan.cc/assets/images/2025/trae3.png)

目前打开官网就可以下载Windows版本的trae了，而且不需要代理，不需要付费，chat模式、Builder模式均可使用！

官方地址: 

[www.trae.dev](https://www.trae.dev/)

[trae官方文档](https://docs.trae.ai/docs/what-is-trae?_lang=zh)

## Builder模式

![trae](https://www.suiyan.cc/assets/images/2025/trae1.png)

> Builder 模式可以帮助你从 0 到 1 开发一个完整的项目。你可以将它无缝融入到项目构建的流程中。
> 在 Builder 模式下，AI 助手在回答时会根据需求调用不同的工具，包括分析代码文件的工具、编辑代码文件的工具、运行命令的工具等等。从而让回答更精确、更有效。

亲测，非常好用，赶紧试试吧！



目前打开官网就可以下载Windows版本的trae了，而且不需要代理，不需要付费，chat模式、Builder模式均可使用！

trae支持Windows了,赶紧试试吧！


![DeepSeek](https://www.suiyan.cc/assets/images/2025/ds.png)

首先，这是一次偶然性的测评，并非专业的测评不具有代表性，仅从个人的使用感受如实记录而已，大家看看就好哈，不必太在意。

事情的起因是这样的，本来打算写一个基于next.js的小项目，用来检测孩子的英语单词默写。前一阵子DeepSeek官方经常性的无法打开，索性在本地部署DeepSeek R1 14B ,然后就是在本地询问R1如何来编写这个程序的大体框架。结果呢？令人大失所望，14B的模型在复杂一点的推理、理解、以及编程能力确实差了很多，提示词经过了10来次的修改，依然无法输出正确的代码，最后只好上线测试

## 提示词

下边这些提示词：

    我想构建一个next.js的静态页面应用，用来检测孩子的英语单词背诵结果，整个应用只有两个主要页面，请使用SSG生成静态页面，JavaScript编写，不要使用ts，文件的结尾都是.js，不要使用API，只使用静态页面即可，数据在生成静态页面的时候都加载到页面上，切记。主页，用来显示题库的列表，遍历src/data下的.json，有标题和简介用来显示。答题页面，根据src/data目录下存放的每个.json文件就是一个题库，答题页面使用SSG技术生成静态页面，每个.json都提供了题目的标题简介答题时间以及答题内容，请根据这些内容生成答题页面，答题页面的要求是：1.进入页面显示标题，简介，答题时间，按开始答题进入答题页面，开始回答问题，使用一个输入框来输入回答的英文结果，每次回答一道题，回答完成后点下一题，进入到下一道题回答，可以点上一道题返回修改，回答到最后一道题的时候，下一题显示为提交结果，进入最后的结果页面，结果页面显示标题简介，答题时间，用表格的方式显示回答结果和正确答案对比，然后进行得分计算，换算成百分制的枫树结果。不需要用户登录系统，纯静态的就可以了，只要实现考试答题的基本功能就行

    下边是一个题库：test.json的样本，你可以参考一下：
    {
        "title": "JavaScript基础题",
        "description": "JavaScript基础题，测试案例。",
        "time": 2000,
        "questions": [
          {
            "type": "简答题",
            "question": "猫咪",
            "answer": "cat"
          },
          {
              "type": "简答题",
              "question": "狗狗", 
              "answer": "dog"
          },
          {
              "type": "简答题",
              "question": "苹果", 
              "answer": "apple"
          },
          {
              "type": "简答题",
              "question": "红色", 
              "answer": "red"
          },
          {
              "type": "简答题",
              "question": "蓝色", 
              "answer": "blue"
          }
        ]
      }

然后我把些提示词，分别发送给了：DeepSeek Kimi Gemini，因为这三个模型都有思考型的大模型，他们分别给出了自己的答案。

这里能，我就不贴他们的回答了，仅从结果来进行一些简单的分析：

undefined 回复速度：Gemini>Kimi>DeepSeek ,速度来说，还是google的最快，新模型2.0flash速度真的很快！
undefined 通过率：DeepSeek>Gemini>Kimi ,DeepSeek R1 一次性通过代码检测，直接复制代码到指定文件，程序可运行，功能基本实现，界面进行了适当的美化。Gemini，首次运行出错，让其修改了一次后完美运行，没有界面的美化。Kimi提供的代码无法运行，看起来修改的话估计也得花点心思，估计得几次修改，所以也米有测试。
undefined 关于程序的建议，DeepSeek>Gemini>Kimi  
DeepSeek给出：
● 所有用户答案都存储在客户端内存中，刷新页面会丢失进度
● 没有使用任何持久化存储
● 分数计算基于简单对比，不区分大小写
● 答题时间目前仅做展示，实际使用时可以自行添加倒计时功能
其他两个模型给出的建议很一般，就不提出来了。

## 总结

DeepSeek>Gemini>Kimi ，在编写代码的准确性上，DeepSeek R1 在本次测试中胜出，Gemini的表现也不错。

附：
DeepSeek,Kimi,Gemini的官网地址：
DeepSeek：https://www.deepseek.cn/
Kimi：https://kimi-ai.com/
Gemini：https://gemini.so/




首先，这是一次偶然性的测评，并非专业的测评不具有代表性，仅从个人的使用感受如实记录而已，大家看看就好哈，不必太在意。

一次 DeepSeek Kimi Gemini 代码编写能力的测评


昨天，我有一些图片需要放大，之前我一直使用SD配置一些放大模型进行图片的放大，但是速度实在是太慢了，后来问了朋友，他们推荐了一个AI图片放大工具：Upscayl，使用感觉非常不错，推荐给大家。

![Upscayl](https://www.suiyan.cc/assets/images/2025/Upscayl.png)

## 简介

Upscayl 是一个免费开源的 AI 图片放大工具，它可以将低分辨率的图片放大到高分辨率，同时保持图片的清晰度和细节。Upscayl 使用了深度学习技术，可以在放大图片的同时，自动调整图片的颜色和亮度，使其更加自然和真实。

Upscayl 是一个开源项目，可以在 GitHub 上找到它的源代码。你可以根据自己的需求，对 Upscayl 进行定制和优化。

## 下载与安装

本地版下载安装
1. 访问官网：打开浏览器，访问 Upscayl 官网：[https://upscayl.org/](https://upscayl.org/)。
2. 选择版本：在官网首页，找到“下载”按钮，点击进入下载页面。根据你的操作系统选择对应的版本进行下载。例如，如果你使用的是 Windows 系统，就下载 Windows 版本的安装包。
3.  安装程序：下载完成后，双击安装包，按照提示进行安装。安装过程非常简单，一路点击“下一步”即可完成安装。

## 使用方法

Upscayl 的使用非常简单，只需要将低分辨率的图片拖放到 Upscayl 的界面中，然后点击放大按钮，Upscayl 就会自动将图片放大到高分辨率。Upscayl 还支持批量处理图片，你可以一次性选择多张图片进行放大。

Upscayl 还支持自定义放大比例，你可以根据自己的需求，选择适合的放大比例。Upscayl 还支持自定义输出格式，你可以选择将放大后的图片保存为 PNG、JPEG 或者 WebP 格式。

## 优点

Upscayl 的优点是它可以自动调整图片的颜色和亮度，使其更加自然和真实。Upscayl 还支持批量处理图片，你可以一次性选择多张图片进行放大。Upscayl 还支持自定义放大比例和输出格式，你可以根据自己的需求进行定制。

## 总结

Upscayl 作为一款免费开源的 AI 图片放大工具，凭借其出色的效果、简单的操作和强大的功能，绝对值得你尝试。无论是处理老照片、设计素材还是其他需要高清图片的场景，它都能轻松搞定。快去下载安装 Upscayl，让你的图片瞬间变得清晰、锐利吧！如果你在使用过程中遇到任何问题，可以访问 Upscayl 的中文社区，那里有详细的教程和用户讨论，可以帮助你更好地使用这款工具。


Upscayl 是一个免费开源的 AI 图片放大工具，它可以将低分辨率的图片放大到高分辨率，同时保持图片的清晰度和细节。Upscayl 使用了深度学习技术，可以在放大图片的同时，自动调整图片的颜色和亮度，使其更加自然和真实。

免费开源的AI图片放大神器：Upscayl


## 为什么选择Chatbox + Ollama

在本地部署大模型的过程中，我曾尝试在Windows Docker下安装Open WebUI。然而，这个过程并不顺利。Docker的配置、模型的加载以及与GPU的适配等问题，让我遇到了不少坑。经过一番折腾后，我意识到，或许需要一种更简洁、更高效的方式来实现本地部署。于是，我转向了Chatbox和Ollama的组合。

### Ollama的安装与配置

访问Ollama的官方网站：[Download Ollama on Windows](https://ollama.com/download)，下载适用于Windows的安装程序。

![Ollama](https://www.suiyan.cc/assets/images/2025/d1.png)


安装完成后，在命令提示符或PowerShell中输入以下命令验证安装是否成功：

    ollama --version

如果显示版本号，说明Ollama已成功安装。指定安装目录与修改模型下载目录为了避免模型文件占用过多C盘空间，我们可以指定Ollama的安装目录和模型下载目录。通过设置环境变量 OLLAMA_MODELS,将模型文件存放在其他磁盘分区。例如，将模型文件存放在D盘的 ollama_models  目录下，可以在系统的环境变量设置中添加如下变量：

![Ollama](https://www.suiyan.cc/assets/images/2025/d5.png)


### 下载并运行DeepSeek R1 14B模型

在命令提示符或PowerShell中输入以下命令，下载DeepSeek R1 14B模型：

    ollama run deepseek-r1:14b


下载可能会很慢，最好放一边先干点别的事。下载完成后，模型会自动运行，

![Ollama](https://www.suiyan.cc/assets/images/2025/d3.png)

当看到上边的命令行的时候，就表明可以开始和deepseek大模型进行交互。



## Ollama 常用命令

基本命令

•   ollama   显示 Ollama 的帮助信息，列出所有可用的命令及其用法。

常用命令

•   serve   启动 Ollama 服务。这是运行 Ollama 的主要命令，用于启动本地服务，以便与模型进行交互。

•   create   根据指定的 Modelfile 创建一个模型。Modelfile 是一个配置文件，定义了模型的结构和参数。

•   show   显示指定模型的详细信息，包括模型的版本、大小、依赖关系等。•   run   运行一个模型。例如，  ollama run deepseek-r1:1.5b   会启动指定版本的 DeepSeek R1 模型。

•   stop   停止一个正在运行的模型。如果需要关闭某个模型，可以使用此命令。

•   pull   从模型仓库中拉取（下载）一个模型。例如，  ollama pull deepseek-r1:1.5b   会从远程仓库下载指定版本的模型。

•   push   将本地模型推送到模型仓库。这通常用于将自定义模型上传到远程仓库，以便共享或备份。

•   list   列出所有已安装的模型。此命令可以帮助你查看本地已下载和安装的模型列表。

•   ps   列出所有正在运行的模型。此命令可以帮助你查看当前正在运行的模型及其状态。

•   cp   复制一个模型。可以将一个已安装的模型复制到另一个位置或重命名。

•   rm   删除一个模型。如果不再需要某个模型，可以使用此命令将其从本地删除。

•   help   获取关于某个命令的帮助信息。例如，  ollama help run   会显示   run   命令的详细用法和参数说明。



## 安装Chatbox并配置本地模型

Chatbox是一个可视化界面工具，可以让我们更便捷地与模型交互。下载与安装访问 [Chatbox 官方免费下载](https://chatboxai.app/zh)，下载适用于Windows的版本。

配置本地模型安装完成后，打开Chatbox，进入设置页面：

![Ollama](https://www.suiyan.cc/assets/images/2025/d2.png)


• API类型：选择“OLLAMA API”。

• 接口地址：填写  http://localhost:11434  。

• 模型名称：填写  deepseek-r1:14b  ，确保与之前下载的模型版本一致。

完成配置后，就可以在Chatbox中与DeepSeek R1 14B模型进行对话了。

![Ollama](https://www.suiyan.cc/assets/images/2025/d4.png)


测试与总结

经过上述步骤，成功的在Windows环境下使用Chatbox和Ollama部署了DeepSeek R1 14B模型。在测试过程中，模型的响应速度和准确性都令人满意。比起使用docker折腾webUI要简单得多。


博在本地部署大模型的过程中，我曾尝试在Windows Docker下安装Open WebUI。然而，这个过程并不顺利。Docker的配置、模型的加载以及与GPU的适配等问题，让我遇到了不少坑。经过一番折腾后，我意识到，或许需要一种更简洁、更高效的方式来实现本地部署。于是，我转向了Chatbox和Ol...

在Windows下用Chatbox和Ollama部署DeepSeek-R1:14b


从大年初一开始，DeepSeek官方的一些功能无法访问和使用，例如联网、API。今天早上测试了一下，联网的功能已经恢复了。而且API也可以使用了。

当然如果你那边的使用还是有问题，可以考虑使用纳米AI搜索的APP中选择使用DeepSeek-R1 360高速专线临时使用一下，估计DeepSeek官网会逐渐恢复开放使用。


DeepSeek API 我使用的VScode 中的插件 cline 进行了测试，已经可以使用了，速度还是不错的。但是DeepSeek官方API页面还是无法打开。

[DeepSeek服务状态](https://status.deepseek.com/) 这里可以看到DeepSeek官方的一些服务状态。

从大年初一开始，DeepSeek官方的一些功能无法访问和使用，例如联网、API。今天早上测试了一下，联网的功能已经恢复了。而且API也可以使用了。

DeepSeek官方暂时恢复了访问



官方公告原文：

> 近期DeepSeek线上服务受到大规模恶意攻击，为持续提供服务，暂时限制了+86手机号以外的注册方式，已注册用户可以正常登录，感谢理解和支持.


今天晚上在使用DeepSeek的时候明显感到了回答速度的缓慢，而且我刚刚在vscode里安装上了cline，配置好了DeepSeek的API进行测试，结果在接收回答数据的时候变得异常缓慢，而且会直接卡主。

过了一小会官方在页面的上部就进行了公告提示，「近期DeepSeek线上服务受到大规模恶意攻击，为持续提供服务，暂时限制了+86手机号以外的注册方式，已注册用户可以正常登录，感谢理解和支持.」

看来DeepSeek影响力实在是太大了，除了访问人数激增造成服务器负载超出预期，当然官方公告所说内容也是很有可能的，树大招风。


近期DeepSeek线上服务受到大规模恶意攻击，为持续提供服务，暂时限制了+86手机号以外的注册方式，已注册用户可以正常登录，感谢理解和支持.

DeepSeek线上服务受到大规模恶意攻击!


DeepSeek最近这几天可以说是很有风头，很多地方都报道了他的新的推理模型，抱着试试看的心态，也去体验了一下。

## 对比豆包

豆包在解决编写代码上确实有点一般，以至于后来我也不用他了，DeepSeek今天试了一下，感觉非常不错，解答问题条理清晰引用和解释的也很到位。

## 对比Kimi

Kimi有一点不太好，就是回答问题太慢，要是大段的代码得等半天，这点DeepSeek的回复速度很快，至少不用漫长的等待。

## DeepSeek-R1

官方号称性能对标 OpenAI o1 正式版,这个咱不是专业人员，无法进行比较，但是从实际应用中去体验，R1深度的思考后回答的问题还是不错的，会考虑很多，然后再组织内容回答，有时候提问也会得到比较不错的回答。

## 总结

DeepSeek不管怎么说，免费好用，我总觉的他的反应速度很快，还有他的使用界面清爽，相比腾讯的AI通过电脑管家无耻入侵你的电脑，还没明白怎么回事就给你装上了。阿里的通义用的少，打开界面也是一堆智能体。

目前我的AI使用率排行：

国内：DeepSeek > Kimi > 豆包 > 腾讯元宝 > 阿里通义

国外: Gemini > chatGpt > 其他







DeepSeek最近这几天可以说是很有风头，很多地方都报道了他的新的推理模型，抱着试试看的心态，也去体验了一下。

DeepSeek的一些使用感受


昨天晚上在X上看到很多程序员大佬都在推荐一个全新的AI IDE：`trae.ai`。根据X上大佬们的评价对这款新的智能IDE还是充满推荐的。


## trae.ai

官方网址 ： [trae.ai](https://www.trae.ai/).

> Trae is an adaptive AI IDE that transforms how you work, collaborating with you to run faster.

看来AI IDE领域又加入了一个新的竞争对手，我去官网看了一下，本来冲着字节的APP想下载测试一下，结果发现，Windows下的版本还没有开放，需要排队预约，小小的失望了一下。但是还是默默的留下了邮箱等待后补成功。

trae应该和市面上的一些AI IDE的功能相似，能感知上下文和智能代码提示，不过由于是字节出品，应该在国内的使用比较方便，这个应该还是可以期待的。

有没有大佬已经在Mac上使用了？说下感受如何？

昨天晚上在X上看到很多程序员大佬都在推荐一个全新的AI IDE：trae.ai 根据X上大佬们的评价对这款新的智能IDE还是充满推荐的。

trae.ai 字节出品的AI IDE


> 2026 年 1 月 20 日，Node.js 之父 Ryan Dahl 在 X 上发了一条消息：“人类手写代码的时代已经结束。软件工程师不再需要直接写语法——但这不意味着无事可做。”

条推文一天内被阅读了 400 多万次，引发全球程序员激烈讨论。

看到这条新闻时，我愣了一下——因为这几乎就是我最近的状态。
从去年底开始，我的编码方式发生了明显转变：从“手动写 + AI 辅助”，变成了“直接让 AI 写”。过年之后，我甚至用终端里的 AI CLI 工具，一口气重构了好几个搁置多年的旧项目。整个过程出奇地顺畅，效率高得让我有点恍惚。

## Vibe Coding

最明显的改变是：项目从构思到落地的速度大大加快了。
以前卡在算法设计、边界条件、测试用例上的地方，现在只要和 AI 说清楚需求，它就能快速给出可运行的代码，甚至附带单元测试。那些曾经让人头疼的 bug 定位、日志分析、性能调优，现在也能通过对话逐步解决。繁琐的文档生成、接口注释、格式规范……统统交给 AI，省下大量机械劳动。

前几天，我还在用 AI 协作开发一个游戏项目。之前进展缓慢，主要卡在剧情逻辑和角色互动上。前天晚上，我让 AI 通读了整个项目的代码和资源文件，然后问它：“接下来该怎么推进？”
没想到，它列出的建议既具体又合理——比如引入状态机管理对话分支、用事件驱动解耦角色行为、甚至建议加入存档机制。有些点子，我之前完全没想到。这让我意识到：对普通开发者来说，AI 的综合能力已经远超个人经验。

当然，顶尖程序员在架构设计、创新思维上仍有不可替代的优势。但即便是他们，在重复性编码、测试覆盖、文档维护这些环节，速度也很难比得过 AI。
所以，未来的分工或许会变成这样：

人负责“想清楚”：定义问题、设计架构、把控方向；
AI 负责“做出来”：生成代码、跑测试、修 bug、写文档。
而关键在于：你得学会和 AI 高效沟通。
我现在习惯的做法是：

先和 AI 讨论清楚功能细节和执行步骤；
让它只实现一个最小功能单元；
测试通过后，立即提交 Git 并本地备份；
再进入下一个迭代。
这样既能保证稳定性，又能避免 AI “自由发挥”把代码搞乱。

说实话，我已经打算用这种方式继续推进那个游戏项目，甚至启动几个新想法。既然 AI 已经走到这一步，与其抗拒，不如主动适应。

有人担心 AI 会取代人类创造力。但回顾历史，每次技术变革都曾引发恐慌：互联网小说冲击传统文学，短视频颠覆影视行业，AI 绘画挑战插画师……可最终，适应者活下来，拒绝者被边缘化。
AI 不会“统治世界”，但它会重塑工作方式。谁先掌握与 AI 协作的能力，谁就能在效率上拉开差距。

对我而言，AI 已经深度融入日常：

写博客？先语音口述，再让大模型按我的风格润色；
改主题？直接描述需求，AI 生成优化后的 React 组件；
修 bug？粘贴错误日志，让它分析可能原因。
但我也给自己划了红线：核心内容不能全权交给 AI。
比如博客的观点、故事、情感，必须源于自己。如果只是丢一句话让 AI 生成全文，久而久之，思考能力就会退化。口述+AI 整理，是我目前的平衡点——既省去打字的麻烦（老婆也不嫌键盘吵了），又保留了思考的主动性。

## 展望

技术永远是工具。
手搓代码的时代或许正在退场，但“用手思考”的精神不该消失。

愿我们都能在这场变革中，用 AI 放大自己的价值，而不是被它替代。

新年伊始，共勉。
愿你我善用 AI，提效增收，写出更好的代码，也活出更清醒的人生。


2026 年 1 月 20 日，Node.js 之父 Ryan Dahl 在 X 上发了一条消息：“人类手写代码的时代已经结束。”

标签: AI

手搓代码的时代真的结束了吗？