在 AI Coding 的演进中，我们经历了从辅助编程到结对编程，再到以自主规划为核心的 Agentic Loop 模式。Trae Agent 2.0 弃用固化的 Proposal + Plan 流程，让 Agent 在循环中“感知 → 思考 → 执行 → 更新”，闭环式推进任务执行，并通过持续优化上下文工程，让 Agent 更聪明。

本次演讲我将重点介绍 Trae Agent 2.0 往更加 Agentic 架构跃迁过程中的最佳实践，深入探讨 Coding Agent 如何更好帮助开发者提升效率。

演讲提纲

1. AI Coding 发展过程中 Agent 形态的变化

• 从辅助编程到结对编程
• 从规则驱动的 Workflow 到自主规划的 Agentic Loop

2. Trae Agent 2.0 架构演进实践

• 抛弃固定的 Proposal + Plan 方式
• 更丰富的反馈和更有效的 Context
• 用压缩代替裁剪，上下文更连贯
• TODO 和 Memory 避免遗忘
• 轮次控制和流程优化

3. 案例分享

• Trae SOLO 0-1 Web 开发案例演示

4. 未来展望

• 可编排、可协同的 Multi‑Agent 架构
• 动态 Workflow 构建

您认为，这样的技术在实践过程中有哪些痛点？

• Agentic 和 Workflow 不是非黑即白的开关，随着模型能力的升级，我们确实朝着更加 Agentic 架构方向推进，但同时在依赖专家经验的场景需要 Workflow 固定编排来确保流程稳定性，因此实际落地场景需要兼顾多种模式
• 随着 LLM 感知的上下文增加，Token 成本问题就会凸显出来，有些时候成本和效果是相斥的，这需要我们在架构设计过程中做好平衡

演讲亮点

• Trae Agent 架构演进过程的实践，通过持续完善上下文工程，让 LLM 在 Agentic Loop 中释放更大能力

听众收益

• 能理解自主规划 + 多轮反馈如何让 Agent 更灵活、鲁棒与智能
• 学习更高效的上下文策略、记忆机制设计和工具编排思路，可为自己的 Agent 工程提供直接借鉴