Eileen 过去两年，AI Coding 让人印象深刻的时刻大多停留在代码生成的那一秒：一句话出页面，几分钟搭出原型。但即便单点任务提速五倍十倍，项目从需求提出到产品交付的速度未必能翻倍。时间花在了写提示词、等待生成、在 IDE 里手动修改、打开终端测试、切到文档和演示工具准备汇报上；每换一个应用、开启一段新会话，还要重新解释项目在做什么、为什么这样设计、刚才改到了哪里。AI 的生产力跑在了前面，任务调度、状态管理、验证闭环、产物沉淀、跨工具协同这些开发基建仍留在前 AI 时代。
2026 年，个人助理赛道明显升温。Meta 的 Muse 上线两周登顶美加 iOS 免费榜，下载量突破 340 万；OpenAI、Google、字节、腾讯、阿里也在推进同类产品，短期内涌入上百玩家。但生活场景大多没有标准答案，真正解决问题的产品并不多，编程是少数的例外。
从补全、单会话到项目级
AI 编码工具大致走过三代。第一代是 Tab 补全与函数级生成，只提升输入速度；第二代是单会话 Agent，能读文件、改代码、跑命令，端到端做完一个小功能或 Demo，但上下文随会话结束清零，多线程任务仍要人来拆解、跟进和拼合结果。以 TRAE 为代表的第三代进入项目级助理阶段，AI 拥有任务调度权和状态记忆，可以拆解复杂需求、派发多个子任务并行执行、完成编译测试验证的闭环，并跨会话、跨项目记住做过的事、产出的文件和踩过的坑。
TRAE 此前把 TraeCode 与 TraeWork 合并，10 月 29 日正式上线开发者个人助理 TRAE。它先把做编排的 Agent 模式与做开发的 IDE 模式整合，使本地任务对话、最终产物及相关配置可以同步；再借助「全局 TRAE 宝」与「项目专属 TRAE 宝」的双层架构，把跨项目记忆和单项目并行调度落到本地仓库场景。开发者可以在工作台描述目标，由 Agent 拆解后交给全局助理与项目助理承接，需要检查具体实现时再回到 IDE，此外还有模板库、插件市场、自动化任务和产物管理等配套能力。
为检验跨项目记忆是否真有复用价值、项目助理能否应对真实场景，原文作者选择 B 站开源的 Go 微服务框架 go-kratos/kratos（GitHub 2.6 万星）做测试，理由是该项目 HTTP、gRPC、中间件、服务注册发现、配置中心分布在十几个目录中，上下文负担足够重。
