目录

Trae Agent:字节跳动 LLM 智能体完全指南

Trae Agent:字节跳动 LLM 智能体完全指南

预计阅读时间:30 分钟 | 难度:⭐⭐⭐⭐


学习目标

本文档覆盖以下内容:

  • ✅ 理解 Trae Agent 的核心定位与研究导向设计理念
  • ✅ 掌握 Trae Agent 的安装与配置方法
  • ✅ 理解 Trae Agent 的架构设计与模块化思想
  • ✅ 使用 Trae Agent 执行各类软件工程任务
  • ✅ 配置多种 LLM 提供商(OpenAI/Anthropic/Doubao 等)
  • ✅ 使用交互模式和 Docker 模式
  • ✅ 利用轨迹录制进行调试和分析

§2 项目概述

2.1 什么是 Trae Agent?

Trae AgentGitHub 仓库)是字节跳动开发的基于 LLM 的智能体,专为通用软件工程任务设计。

官方描述

Trae Agent is an LLM-based agent for general purpose software engineering tasks. It provides a powerful CLI interface that can understand natural language instructions and execute complex software engineering workflows using various tools and LLM providers.

技术报告:arXiv:2507.23370

2.2 核心数据

指标数值
Stars11.2k (11,215)
Forks1.2k (1,200+)
Watchers59
提交数289
Issues85
Pull Requests32
许可证MIT
语言Python 99.4%

2.3 与其他 CLI 智能体的区别

研究导向设计是 Trae Agent 的核心特点:

Trae Agent offers a transparent, modular architecture that researchers and developers can easily modify, extend, and analyze, making it an ideal platform for studying AI agent architectures, conducting ablation studies, and developing novel agent capabilities.

这使得 Trae Agent 成为:

  • 研究智能体架构的理想平台
  • 做消融实验的优秀工具
  • 开发新智能体能力的起点

2.4 核心特性

特性说明
🌊 Lakeview对智能体步骤提供简短摘要
🤖 Multi-LLM Support支持 OpenAI、Anthropic、Doubao、Azure、OpenRouter、Ollama、Google Gemini
🛠️ Rich Tool Ecosystem文件编辑、bash 执行、顺序思考等
🎯 Interactive Mode对话式迭代开发界面
📊 Trajectory Recording详细记录所有操作用于调试分析
⚙️ Flexible ConfigurationYAML 配置 + 环境变量支持
🚀 Easy Installationpip 安装

§3 安装与配置

3.1 环境要求

要求说明
Python3.12+
UV包管理器
API Key需要选择提供商的 API key

3.2 安装步骤

# 克隆仓库
git clone https://github.com/bytedance/trae-agent.git
cd trae-agent

# 安装依赖
uv sync --all-extras

# 激活虚拟环境
source .venv/bin/activate
```textbash
cp trae_config.yaml.example trae_config.yaml
```textyaml
agents:
  trae_agent:
    enable_lakeview: true
    model: trae_agent_model  # 模型配置名称
    max_steps: 200  # 最大步数

model_providers:
  anthropic:
    api_key: your_anthropic_api_key
    provider: anthropic
  openai:
    api_key: your_openai_api_key
    provider: openai

models:
  trae_agent_model:
    model_provider: anthropic
    model: claude-sonnet-4-20250514
    max_tokens: 4096
    temperature: 0.5
```textyaml
openai:
  api_key: your_openrouter_api_key
  provider: openai
  base_url: https://openrouter.ai/api/v1
```textbash
# OpenAI
export OPENAI_API_KEY="your-openai-api-key"
export OPENAI_BASE_URL="your-openai-base-url"

# Anthropic
export ANTHROPIC_API_KEY="your-anthropic-api-key"
export ANTHROPIC_BASE_URL="your-anthropic-base-url"

# Google Gemini
export GOOGLE_API_KEY="your-google-api-key"
export GOOGLE_BASE_URL="your-google-base-url"

# OpenRouter
export OPENROUTER_API_KEY="your-openrouter-api-key"
export OPENROUTER_BASE_URL="https://openrouter.ai/api/v1"

# Doubao
export DOUBAO_API_KEY="your-doubao-api-key"
export DOUBAO_BASE_URL="https://ark.cn-beijing.volces.com/api/v3/"
```textyaml
mcp_servers:
  playwright:
    command: npx
    args:
      - "@playwright/mcp@0.0.27"
```text
命令行参数 > 配置文件 > 环境变量 > 默认值
```textbash
# 简单任务执行
trae-cli run "Create a hello world Python script"

# 检查配置
trae-cli show-config

# 交互模式
trae-cli interactive
```textbash
# OpenAI
trae-cli run "Fix the bug in main.py" --provider openai --model gpt-4o

# Anthropic
trae-cli run "Add unit tests" --provider anthropic --model claude-sonnet-4-20250514

# Google Gemini
trae-cli run "Optimize this algorithm" --provider google --model gemini-2.5-flash

# OpenRouter(多提供商访问)
trae-cli run "Review this code" --provider openrouter --model "anthropic/claude-3-5-sonnet"

# Doubao
trae-cli run "Refactor the database module" --provider doubao --model doubao-seed-1.6

# Ollama(本地模型)
trae-cli run "Comment this code" --provider ollama --model qwen3
```textbash
# 自定义工作目录
trae-cli run "Add tests for utils module" --working-dir /path/to/project

# 保存执行轨迹
trae-cli run "Debug authentication" --trajectory-file debug_session.json

# 强制生成补丁
trae-cli run "Update API endpoints" --must-patch

# 交互模式自定义设置
trae-cli interactive --provider openai --model gpt-4o --max-steps 30
```textbash
# 在新容器中运行任务
trae-cli run "Add tests for utils module" --docker-image python:3.11

# 新容器并挂载目录
trae-cli run "Write a script to print helloworld" --docker-image python:3.12 --working-dir test_workdir/

# 附加到现有容器(按 ID)
trae-cli run "Update API endpoints" --docker-container-id 91998a56056c

# 指定 Dockerfile 构建环境
trae-cli run "Debug authentication" --dockerfile-path test_workspace/Dockerfile

# 指定本地 Docker 镜像文件
trae-cli run "Fix the bug in main.py" --docker-image-file test_workspace/trae_agent_custom.tar

# 任务完成后删除容器
trae-cli run "Add tests for utils module" --docker-image python:3.11 --docker-keep false
```textbash
trae-cli interactive
```textyaml
agents:
  trae_agent:
    enable_lakeview: true
```textbash
# 自动生成轨迹文件
trae-cli run "Debug the authentication module"
# 保存到: trajectories/trajectory_YYYYMMDD_HHMMSS.json

# 自定义轨迹文件
trae-cli run "Optimize database queries" --trajectory-file optimization_debug.json
```text
trae-agent/
├── .github/              # GitHub 配置
├── .vscode/              # VS Code 配置
├── docs/                 # 文档
├── evaluation/           # 评估框架
├── server/               # 服务器组件
├── tests/                # 测试
├── trae_agent/           # 核心源代码
├── pyproject.toml        # Python 项目配置
├── Makefile             # 构建脚本
├── trae_config.yaml.example  # 配置示例
├── trae_config.json.example # JSON 配置示例
└── uv.lock              # 依赖锁定
```textbash
# 验证 API keys
trae-cli show-config
```textbash
# 查看 CONTRIBUTING
cat CONTRIBUTING.md
```textbash
trae-cli run "Your task" --trajectory-file debug.json
```textbash
trae-cli run "<task>"           # 执行任务
trae-cli show-config            # 显示配置
trae-cli interactive            # 交互模式
```textbash
--working-dir <path>            # 工作目录
--trajectory-file <file>        # 轨迹文件
--must-patch                    # 强制补丁
--max-steps <n>                 # 最大步数
--provider <name>               # 提供商
--model <name>                  # 模型
```textbash
--docker-image <image>          # Docker 镜像
--docker-container-id <id>      # 容器 ID
--dockerfile-path <path>         # Dockerfile 路径
--docker-image-file <file>      # 镜像文件
--docker-keep <bool>            # 保留容器

文档版本 1.0 | 撰写日期:2026-04-01 | 基于 Trae Agent (11.2k Stars) | 论文:arXiv:2507.23370