2025年的AI编程赛道最不缺的就是新产品但能让整个开发者圈子连续刷屏的并不多。AntiGravity反重力算是其中一个一个刚走出隐身模式没多久就被微软旗下M12基金和Seedcamp同时押注的AI原生IDE背后站着一批来自GitHub、GitLab、Datadog的老将。几乎同一时间字节跳动旗下的TRAE系列也在快速迭代尤其是TRAE Work这个偏向Agent工作流的新版本讨论度一路走高。很多技术负责人嘴上说着“再观望一下”实际上已经私下拿小项目在测试了。这篇文章不打算复读官方文档我想从一个实际评估者的角度把AntiGravity这类企业级AI Agent的核心能力拆开和TRAE Work、Cursor、Windsurf、GitHub Copilot等主流产品放到同一张桌子上比一比。适合谁看正在做技术选型的技术负责人、想给团队引入AI编程工具的开发主管以及单纯想搞清楚“这些新工具到底谁更能打”的开发者。我会尽量把每个判断背后的“为什么”讲清楚也会把安装、配置、跑通第一个Agent任务过程中踩过的坑点列出来方便你直接抄作业。1. AntiGravity到底是什么为什么企业开始盯上它1.1 一句话定位不是IDE是“会干活的Agent环境”很多人第一次听到AntiGravity以为它又是个套壳VS Code的AI补全插件。这个理解不能说错但太浅了。它本质上是一个AI原生的开发环境底子是VS Code分支所以界面、快捷键、插件生态你都不会陌生但核心不是编辑器本身而是围绕“Agent能独立干活”设计的整套机制。它的定位逻辑和我之前评测过的一堆AI IDE都不一样。Cursor做的事情是“让Copilot更聪明地帮你写代码”本质是人机结对而AntiGravity想做的事情是“你把一个任务丢给它它自己规划、写码、跑测试、改bug、直到交付”。这个差异听起来只是程度问题实际用起来是完全两种工作方式。前者你还在坐在电脑前一行行看diff后者你已经在旁边喝咖啡等结果了。这也是为什么很多企业开始关注它。在团队人力紧张、需求排期爆炸的环境下一个能真正独立执行任务的Agent意味着某些标准化开发工作可以从“人天”压缩到“分钟级”。当然前提是它靠谱这也是选型时要重点考察的点。1.2 核心能力拆解Agent模式、云沙箱、浏览器自动化我实测下来AntiGravity有四个能力组合在一起才构成了它的完整产品形态缺一个都不成立。第一个是Incoder一个深度集成在编辑器里的AI结对编程助手。它跟普通补全最大的区别是补全结果不是基于前文预测的“字面延续”而是结合了当前项目的报错信息、控制台输出、甚至Git历史来做的“意图补全”。你能明显感觉到它知道你接下来想干什么而不是简单续写。写一个函数时它会顺带把边界条件和错误处理一起补上这点很打动我。第二个是Agent模式这是整个产品的重头戏。你在对话框里用自然语言描述一个任务比如“帮我给支付模块加一个超时重试机制要求有指数退避和最大重试次数限制并且为它补上单元测试”Agent会自己拆解任务、搜索代码定位相关文件、制定修改计划然后逐文件执行修改。过程中它会自动运行测试发现失败就自己读输出、定位原因、修复再跑直到通过或者实在搞不定才来找你。这种“任务闭环”能力和普通IDE里的“问答式补全”是代际差距。第三个是云沙箱执行环境。Agent不是在你本地乱改代码而是在一个隔离的云端环境里执行。这意味着本地环境再乱、依赖再脏也不会影响Agent的执行结果同时也意味着企业使用时有更清晰的边界和可审计性。沙箱里跑完的任务结果、日志、变更内容都可以回溯这对后续做代码审查和合规留痕很重要。第四个是浏览器自动化。AntiGravity的Agent可以在沙箱环境里操作真实浏览器完成“打开网页—登录—操作—抓取结果”这类复杂的端到端流程。举个例子你让它“去查一下某个竞品网站最新的定价页整理成表格发到我的邮箱”它真能一步步点开页面、滚动、截图、提取内容给你汇总。这个能力把Agent的适用范围从“写代码”扩展到了“处理真实世界的信息”企业能编排的自动化场景一下子多出很多。1.3 企业关注它的三个真实理由技术圈讨论AntiGravity大多在聊它写代码强不强但企业视角的关注点其实不太一样。我接触过几个正在评估的团队理由很典型。第一是成本的重新计算。以前一个功能需要两个开发干两天现在如果Agent能在半小时内搭出80%可运行的骨架那么开发的产出重心会转移到设计和Review上。企业花同样的钱买到的有效产出是增加的。第二是知识沉淀。Agent执行过程中产生的任务拆解、代码变更、调试日志天然就形成了一套可检索的记录。新人培训时与其翻老代码注释不如直接翻Agent的任务记录理解业务模块是怎么一步步长出来的上手速度快很多。第三是“任务在沙箱里跑”的安全性设计。企业代码数据不外泄是底线沙箱化的执行环境加上可追踪的日志让风控和合规部门更容易点头。这一点是很多散兵游勇式的AI编程插件做不到的。当然AntiGravity也有它的问题。官网定位偏海外开发者国内团队的访问和注册流程偶尔会有波折模型服务是托管式的企业内部私有化部署的选项目前不多定价策略也还在调整期。这些都会在后面的对比和问题排查部分详细展开。2. TRAE Work和TRAE CN到底差在哪2.1 TRAE家族梳理别再把它们当成同一个产品字节跳动的TRAE系列很多人一上来就搞混。我一开始也懵这里先帮你把家族谱理顺。TRAE最早以AI IDE的身份亮相主打的是“国内开发者也能用上原生AI编程环境”内置了补全、对话、Agent模式等能力中文支持好使用门槛低。后来产品分化成两个方向一个方向是面向国际用户的版本接入的模型更偏向海外主流闭源模型交互和计费逻辑也按海外习惯设计另一个方向是国内版早期叫TRAE CN域名、账号体系和模型通道都是独立的主要接国内可用的大模型服务比如豆包系列以及一些国内可直连的第三方模型。而TRAE Work你可以理解为TRAE在“Agent工作流”方向上的升级形态也可以说是面向企业任务场景的“干活版”。它和TRAE CN的区别不只是版本号差异而是产品定位的差异TRAE CN更接近“一个更好的编辑器”TRAE Work更接近“一个能执行任务的Agent平台”。热搜词里那个“trae work和trae cn的区别”搜得一点不冤这俩放在一起对比确实是很多人选型时最迷惑的地方。2.2 TRAE Work的Agent化新玩法Superpowers技能TRAE Work在圈内讨论度这么高除了“换皮升级”这类争论之外一个实打实的亮点是它对Skills技能机制的支持。这个机制熟悉Claude Code生态的朋友应该不陌生——通过加载一个Skill包你能让Agent拥有一套预先编排好的行为模式比如严格遵循测试驱动开发TDD流程、先写调试计划再动手、执行深度代码审查等等。热搜词里反复出现的“trae work cn 安装 superpowers skill”指的就是把社区里非常知名的Superpowers技能集装进TRAE Work。这个技能集我实际用过它本质上是一组结构化的提示和流程编排不是魔法但确实能让Agent的行为更稳定。装上之后Agent接到任务不会立刻莽上去改代码而是会先出计划、再写测试、再实现、再重构整个流程像极了资深工程师的工作习惯。安装的方式也不复杂核心是找到TRAE Work的Skills配置目录把Superpowers技能包克隆进去然后在对话里用约定的指令唤醒特定技能。相比传统Prompting方式这种技能化封装的好处是团队可以统一Agent的行为基线新人装上同样的技能包跑出来的任务质量不会差太多。对于企业来说这比“每个人各玩各的Prompt”要可控得多。我建议企业内部把常用技能包做一次统一评估和固化这比天天研究提示词性价比高很多。2.3 账号、模型与积分政策差异“trae work 新用户有积分?”这个热搜问题基本暴露了大家最关心的其实是配额和钱。TRAE系产品的新用户注册时通常会有体验额度TRAE Work的新用户积分/体验额度政策在不同时期、不同版本入口下会有差异而且国内版和国际版是两套独立的账号体系积分不互通。实测下来国内版新用户注册后能拿到一定次数的Agent任务额度但具体数字经常调整最靠谱的做法是登录后在“账户-配额”页面直接看当前值别轻信任何第三方渠道的截图。模型方面的差异更明显。TRAE CN接入的模型以国内可用的大模型为主部分海外模型需要单独配置或不可直接使用TRAE Work做Agent任务时可以在模型配置里切换不同的模型做“主脑”我一般习惯复杂任务用能力更强的模型简单机械任务用便宜快的小模型这样积分消耗更可控。另外团队在使用时要特别注意对话补全和Agent任务执行消耗的不是同一种额度Agent任务因为要多次调用模型、跑命令、读日志消耗通常远高于普通对话一定要在团队里提前说清楚免得一个下午把月度预算烧光。3. 主流企业Agent产品横向对比3.1 对比维度怎么选别只盯着写代码强不强企业在选AI编程Agent时最容易犯的错是只看Demo演示的代码生成效果。Demo都是挑最好看的给你看真实生产力却取决于一堆“看不见”的维度。我给企业做评估时通常会固定看几个维度。第一是任务自主度即Agent能不能在一个多步骤任务里“自己闭环”还是只能做单点补全。这决定了你团队的工作方式能不能真正从“结对”升级到“交付”。第二是企业级工程能力包括权限管理、审计日志、代码数据隔离、私有化部署选项这一条在国内企业里尤其重要法务和运维不点头产品再好也上不了生产。第三是模型灵活性和成本能不能切换不同模型、积分计价是否透明、超预算有没有告警。第四是团队协作体验比如Code Review怎么融入Agent产出、知识怎么沉淀、新人怎么跟上。最后才是上手门槛和社区生态。3.2 六款产品能力对比表我基于自己的实测和公开资料把目前呼声最高的几款产品放在一张表里按企业评估维度打分。打分标准是相对的满分5星星量代表该维度下的相对优势不代表绝对好坏。产品任务自主度企业工程能力模型灵活性成本透明度团队协作上手门槛适用定位AntiGravity很高云沙箱浏览器自动化是独门优势中上执行可审计但私有化选项有限偏托管可配置有限中等订阅制为主中任务记录可共享低VS Code底子创新型团队尝鲜、自动化任务编排TRAE Work高Skills机制可定制Agent行为中上国内版在企业身份体系上有优势高可切换多种模型中等积分制需仔细管理中上技能包可团队固化低中文支持好国内团队做Agent工作流试点首选Cursor中高Agent能力持续演进中商业版有合规选项但成本高高模型可选范围广偏低多人使用成本上涨快中有团队和共享规则低追求极致补全和对话体验的开发者Windsurf中高强调级联Agent概念中Cascade机制有特色高模型选择多中等中低喜欢上下文连贯Agent的团队GitHub Copilot中Agent模式较克制高与GitHub生态深度绑定企业治理完善中绑定微软系模型为主中上企业订阅清晰高PR和Issue天然集成低重度使用GitHub生态的成熟团队通义灵码中Agent功能持续补齐中上国内合规和数据驻留友好中以阿里系模型为主高免费额度相对友好中有企业版方案低预算敏感、合规优先的国内团队这张表的信息量比较大我挑两个容易误读的点补充说明一下。一个是GitHub Copilot的企业工程能力得高分不光是权限和审计做得好更关键的是它长在GitHub这个代码协作枢纽里PR、Issue、Actions这些链路天然贯通。如果你是GitHub的重度用户Copilot的Agent能力虽然不激进但和现有流程的契合度最高团队改造的心智成本最低。另一个是TRAE Work在国内企业场景里的“身份体系”优势。它在国内版账号体系、模型通道和计费逻辑上更贴合国内团队的实际环境团队管理和运维沟通的摩擦明显更小。这不是技术能力碾压而是“本土化适配”带来的现实优势选型时千万别忽略。3.3 分场景选型建议对比表看完我给几个典型场景直接给结论。场景一团队规模不大想做AI Agent创新试点业务场景里有大量网页信息采集和端到端自动化需求。优先看AntiGravity。它的浏览器自动化和云沙箱能力在这个方向上几乎没有平替适合跑一些“非传统编码”的自动化任务。场景二国内中型研发团队想先把Agent工作流用起来又需要可管控的技能模板和中文支持。TRAE Work是当前最均衡的选择。尤其是把Superpowers这类技能包固化到团队后Agent的行为可预期性会明显提升试点效果容易量化。场景三团队已经在GitHub上重度协作代码审查和质量门禁流程成熟。不折腾直接升级到GitHub Copilot企业版。它的Agent能力不是最强但嵌入流程后的综合效率提升是最平滑的。场景四预算敏感、合规要求高、希望快速验证AI编程价值的团队。通义灵码这类国产工具值得优先测试免费额度可以支撑小范围试点数据合规方面的沟通成本也低。4. 实操从安装到跑通第一个Agent任务4.1 TRAE Work安装与初始化含Superpowers Skill配置先说安装。TRAE Work的安装包在官网就能拿到国内网络环境下注意认准国内版入口不要和国际版混淆。安装过程基本是下一步下一步唯一要提醒的是安装路径不要带中文和空格某些Agent插件对路径敏感容易出莫名其妙的报错。装完之后第一次启动会让你选择登录方式。国内版直接用手机号或账号体系登录新用户的积分和额度会在登录后自动到账具体数字以页面展示为准。登录后进设置把模型通道检查一遍。我建议新用户先跑一个最简单的对话确认模型连通性不要一上来就丢复杂任务。接下来是安装Superpowers技能。步骤不复杂但有几个细节容易翻车。先找到TRAE Work的Skills目录不同版本路径有差异可以在应用数据目录下搜索skills关键词定位然后把Superpowers技能包克隆到该目录下确认每个技能都有一个SKILL.md文件作为入口最后重启TRAE Work在对话窗口里输入技能触发指令看到Agent开始按技能流程行动就说明加载成功了。我遇到过几次装了技能但Agent没反应的情况基本都是目录层级多套了一层技能包的直接子目录里必须有SKILL.md否则识别不了。4.2 用TRAE Work跑一个真实任务为了验证效果我拿一个真实的中小型需求做测试给一个内部工具增加“导出Excel报表”功能要求包含数据校验、错误提示和单元测试。我直接把需求丢给TRAE Work语言尽量描述完整包含输入输出格式、异常场景、测试要求。Agent接到任务后的行为链路大概是这样的先读项目结构定位到相关模块的入口文件然后输出一份简短的任务计划标明要改动哪些文件接着开始编码中途遇到数据校验逻辑不清晰的点它会主动问我“确认一下日期格式是YYYY-MM-DD还是YYYY/MM/DD”补完单元测试后跑测试套件第一次因为一个空指针失败我看了下日志它自己定位到是某个旧接口返回了空值随后加了判空处理再跑全绿。整个过程中我做的事情就是开始提需求、中间回答两个澄清问题、最后Review代码。代码质量达到了merge标准测试是完整能跑的。“从需求到可交付”这个链路跑通比任何指标都有说服力。这个体验让我更确信企业用Agent不能只看代码生成准确率要看“任务闭环率”——也就是一个需求从提出来到可交付需要人介入多少次。TRAE Work在这个任务上的表现介入次数是两次已经达到可用的水平。4.3 AntiGravity快速上手流程AntiGravity的上手路径和TRAE Work不太一样更像一个“AI原生IDE”的形态。第一步是注册账号。访问官网后使用邮箱注册系统会发送验证邮件点击邮件里的验证链接完成激活。这里我遇到过几次验证邮件进垃圾箱的情况找不到邮件时记得去垃圾箱翻一翻或者用“重新发送”按钮换一个邮箱地址。第二步是下载对应的桌面客户端目前支持主流桌面平台安装包不大安装过程无特殊设置。第三步是登录并完成初始引导。AntiGravity会在首次进入时引导你连接代码仓库支持直接从Git仓库克隆项目也支持打开本地已有目录。第四步是跑第一个Agent任务。建议从一个小而完整的任务开始比如“给当前项目的README补上安装说明和常见问题章节”让Agent在沙箱里执行你观察它的计划、改动和日志输出逐步建立对工具能力的信任感。我在评估时对团队的建议是不要一上来就让Agent去碰核心生产代码先拿README、测试脚手架、数据迁移脚本这类低风险任务练手跑顺了再逐步升级任务复杂度。这个“先低风险再高风险”的上线路径能大幅降低团队对Agent的抵触情绪。4.4 企业试点落地时的小建议工具层面的事情上面已经讲了很多这里补几条组织层面的实操建议。试点团队不要选太小的组也不要选太大。建议挑一个6到10人、有一定自动化测试覆盖率、业务需求相对标准化的开发小组。测试覆盖率高是前提Agent改完代码如果测试套件是空的你根本不知道它改坏了什么。试点任务先限定在“新增功能”和“缺陷修复”不要一上来就做大规模重构Agent对存量烂代码的理解能力还撑不起重构这种高风险活。同时要指定一个Agent应用的“主理人”负责技能的沉淀、模型配置的维护、以及月度成本的控制。没有主理人团队很容易陷入“各玩各的”状态三个月后一地鸡毛。最后每个Agent完成的任务必须走正常Code Review流程产出代码的审查标准不能因为是Agent生成的而降低这条底线从一开始就要立住。5. 登录、账号与使用问题排查实录5.1 AntiGravity登录不上怎么办“antigravity登录不上”是最近出现频率很高的求助问题。我自己在测试时也遇到过几次这里把排查思路按顺序整理出来。第一步确认验证邮件确实收到并点击了完整的验证链接。很多登录问题都出在注册激活这一步邮件进了垃圾箱、链接被邮件客户端截断、或者验证链接已过期。处理方式是重新发送验证邮件换个网络环境再试一次。第二步确认登录凭证是否过期。AntiGravity的登录态有时效长时间挂着不用会被踢出。遇到登录不上先试“退出登录再重新登录”很多时候就解决了。第三步确认网络环境稳定。这里说的不是让你去动什么特殊配置而是说IDE登录需要和认证服务保持正常通信如果你所在的办公网络对海外服务访问不稳定就会出现“明明账号密码都对但一直转圈”的情况。实测最直接的办法是切换到移动热点或者在家用网络下试一次能快速判断是不是办公网络环境的问题。第四步排掉客户端缓存问题。极端情况下客户端的本地会话缓存会损坏导致登录死循环。把客户端的缓存目录清掉再重启能解决一部分顽固问题。如果以上都试过还是不行去官网查看服务状态页确认是不是官方服务端在维护或者直接给官方支持发邮件附上你的操作步骤和报错截图。不要在社区里到处乱求所谓的“特殊登录方案”一方面是安全问题另一方面那些方案很多已经失效纯属浪费时间。5.2 TRAE Work新用户积分与模型配额问题“trae work 新用户有积分?”这个问题背后其实是大家对Agent任务消耗速度的焦虑。我实测的体感是普通对话消耗很慢但Agent跑一个中型任务可能会消耗掉新用户初始体验积分的相当一部分所以积分不是拿来随便试错的。几个实用建议。第一日常问代码问题、看报错优先用普通对话模型不要每次都上Agent模式。第二Agent任务尽量描述得足够精确减少Agent“试探性多轮调用”带来的无效消耗就像你在真实世界里请人做事之前先把需求想清楚一样。第三团队内部要建立配额共识谁跑大任务、跑前先掂量一下预估消耗。第四关注官方活动新用户积分政策会调整偶尔会有额外的体验福利能薅就薅。5.3 Superpowers Skill安装失败排查技能装不上九成是目录结构问题。我总结了一张速查表方便你对照排查。现象可能原因处理方式技能列表里看不到Superpowers技能包没解压到正确目录重新确认Skills目录路径套层解压能看到技能但Agent不按流程走触发指令写错确认SKILL.md里声明的name与触发词一致执行到一半说找不到工具依赖环境没装按技能文档安装运行时依赖比如Node/Python执行结果不稳定模型能力太弱在Agent配置里切换到更强的模型和团队其他人效果不一致技能包版本不同用Git固定版本号统一团队技能包核心思路就一句话技能包本质是“结构化提示流程编排”它不会无中生有地让模型变强只是约束模型按照更可靠的方式工作。如果底层的模型本身就弱装再多的技能也救不回来。5.4 一句话避坑清单最后把这一路测试下来最值得记住的经验压缩成几句话。新工具不要在生产环境首秀先用高测试覆盖率的中低风险项目练兵。成本必须设预算Agent任务消耗远超预期是常态团队主理人每周看一次配额账单。技能包统一版本、统一管理、统一升级别让团队里的Agent“各长各的样”。所有Agent产出的代码都必须走人工Review这条没有任何商量余地。最后别迷信任何一个工具的“最强”标签工具是拿来用的不是拿来供的适合你团队现状的工具才是好工具。我个人在实际评估中的体会是AntiGravity和TRAE Work代表的其实是同一种趋势AI编程正在从“帮你写代码”进化到“替你完成任务”。两者的差异更多是产品哲学和企业落地路径的差异——AntiGravity更像一个激进创新的Agent沙箱适合探索型团队TRAE Work则带着更明显的工程化和本土化克制感适合想稳步推进的国内团队。我的建议是别急着二选一小成本把两个都跑一遍用“任务闭环率”和“人工介入次数”这两个指标去衡量数据会告诉你答案。工具更新太快今天的最优解三个月后可能就过时了。保持小步快跑让团队始终掌握选择权才是这个阶段最稳妥的策略。
AI编程Agent横向评测：AntiGravity与TRAE Work谁更强？
2025年的AI编程赛道最不缺的就是新产品但能让整个开发者圈子连续刷屏的并不多。AntiGravity反重力算是其中一个一个刚走出隐身模式没多久就被微软旗下M12基金和Seedcamp同时押注的AI原生IDE背后站着一批来自GitHub、GitLab、Datadog的老将。几乎同一时间字节跳动旗下的TRAE系列也在快速迭代尤其是TRAE Work这个偏向Agent工作流的新版本讨论度一路走高。很多技术负责人嘴上说着“再观望一下”实际上已经私下拿小项目在测试了。这篇文章不打算复读官方文档我想从一个实际评估者的角度把AntiGravity这类企业级AI Agent的核心能力拆开和TRAE Work、Cursor、Windsurf、GitHub Copilot等主流产品放到同一张桌子上比一比。适合谁看正在做技术选型的技术负责人、想给团队引入AI编程工具的开发主管以及单纯想搞清楚“这些新工具到底谁更能打”的开发者。我会尽量把每个判断背后的“为什么”讲清楚也会把安装、配置、跑通第一个Agent任务过程中踩过的坑点列出来方便你直接抄作业。1. AntiGravity到底是什么为什么企业开始盯上它1.1 一句话定位不是IDE是“会干活的Agent环境”很多人第一次听到AntiGravity以为它又是个套壳VS Code的AI补全插件。这个理解不能说错但太浅了。它本质上是一个AI原生的开发环境底子是VS Code分支所以界面、快捷键、插件生态你都不会陌生但核心不是编辑器本身而是围绕“Agent能独立干活”设计的整套机制。它的定位逻辑和我之前评测过的一堆AI IDE都不一样。Cursor做的事情是“让Copilot更聪明地帮你写代码”本质是人机结对而AntiGravity想做的事情是“你把一个任务丢给它它自己规划、写码、跑测试、改bug、直到交付”。这个差异听起来只是程度问题实际用起来是完全两种工作方式。前者你还在坐在电脑前一行行看diff后者你已经在旁边喝咖啡等结果了。这也是为什么很多企业开始关注它。在团队人力紧张、需求排期爆炸的环境下一个能真正独立执行任务的Agent意味着某些标准化开发工作可以从“人天”压缩到“分钟级”。当然前提是它靠谱这也是选型时要重点考察的点。1.2 核心能力拆解Agent模式、云沙箱、浏览器自动化我实测下来AntiGravity有四个能力组合在一起才构成了它的完整产品形态缺一个都不成立。第一个是Incoder一个深度集成在编辑器里的AI结对编程助手。它跟普通补全最大的区别是补全结果不是基于前文预测的“字面延续”而是结合了当前项目的报错信息、控制台输出、甚至Git历史来做的“意图补全”。你能明显感觉到它知道你接下来想干什么而不是简单续写。写一个函数时它会顺带把边界条件和错误处理一起补上这点很打动我。第二个是Agent模式这是整个产品的重头戏。你在对话框里用自然语言描述一个任务比如“帮我给支付模块加一个超时重试机制要求有指数退避和最大重试次数限制并且为它补上单元测试”Agent会自己拆解任务、搜索代码定位相关文件、制定修改计划然后逐文件执行修改。过程中它会自动运行测试发现失败就自己读输出、定位原因、修复再跑直到通过或者实在搞不定才来找你。这种“任务闭环”能力和普通IDE里的“问答式补全”是代际差距。第三个是云沙箱执行环境。Agent不是在你本地乱改代码而是在一个隔离的云端环境里执行。这意味着本地环境再乱、依赖再脏也不会影响Agent的执行结果同时也意味着企业使用时有更清晰的边界和可审计性。沙箱里跑完的任务结果、日志、变更内容都可以回溯这对后续做代码审查和合规留痕很重要。第四个是浏览器自动化。AntiGravity的Agent可以在沙箱环境里操作真实浏览器完成“打开网页—登录—操作—抓取结果”这类复杂的端到端流程。举个例子你让它“去查一下某个竞品网站最新的定价页整理成表格发到我的邮箱”它真能一步步点开页面、滚动、截图、提取内容给你汇总。这个能力把Agent的适用范围从“写代码”扩展到了“处理真实世界的信息”企业能编排的自动化场景一下子多出很多。1.3 企业关注它的三个真实理由技术圈讨论AntiGravity大多在聊它写代码强不强但企业视角的关注点其实不太一样。我接触过几个正在评估的团队理由很典型。第一是成本的重新计算。以前一个功能需要两个开发干两天现在如果Agent能在半小时内搭出80%可运行的骨架那么开发的产出重心会转移到设计和Review上。企业花同样的钱买到的有效产出是增加的。第二是知识沉淀。Agent执行过程中产生的任务拆解、代码变更、调试日志天然就形成了一套可检索的记录。新人培训时与其翻老代码注释不如直接翻Agent的任务记录理解业务模块是怎么一步步长出来的上手速度快很多。第三是“任务在沙箱里跑”的安全性设计。企业代码数据不外泄是底线沙箱化的执行环境加上可追踪的日志让风控和合规部门更容易点头。这一点是很多散兵游勇式的AI编程插件做不到的。当然AntiGravity也有它的问题。官网定位偏海外开发者国内团队的访问和注册流程偶尔会有波折模型服务是托管式的企业内部私有化部署的选项目前不多定价策略也还在调整期。这些都会在后面的对比和问题排查部分详细展开。2. TRAE Work和TRAE CN到底差在哪2.1 TRAE家族梳理别再把它们当成同一个产品字节跳动的TRAE系列很多人一上来就搞混。我一开始也懵这里先帮你把家族谱理顺。TRAE最早以AI IDE的身份亮相主打的是“国内开发者也能用上原生AI编程环境”内置了补全、对话、Agent模式等能力中文支持好使用门槛低。后来产品分化成两个方向一个方向是面向国际用户的版本接入的模型更偏向海外主流闭源模型交互和计费逻辑也按海外习惯设计另一个方向是国内版早期叫TRAE CN域名、账号体系和模型通道都是独立的主要接国内可用的大模型服务比如豆包系列以及一些国内可直连的第三方模型。而TRAE Work你可以理解为TRAE在“Agent工作流”方向上的升级形态也可以说是面向企业任务场景的“干活版”。它和TRAE CN的区别不只是版本号差异而是产品定位的差异TRAE CN更接近“一个更好的编辑器”TRAE Work更接近“一个能执行任务的Agent平台”。热搜词里那个“trae work和trae cn的区别”搜得一点不冤这俩放在一起对比确实是很多人选型时最迷惑的地方。2.2 TRAE Work的Agent化新玩法Superpowers技能TRAE Work在圈内讨论度这么高除了“换皮升级”这类争论之外一个实打实的亮点是它对Skills技能机制的支持。这个机制熟悉Claude Code生态的朋友应该不陌生——通过加载一个Skill包你能让Agent拥有一套预先编排好的行为模式比如严格遵循测试驱动开发TDD流程、先写调试计划再动手、执行深度代码审查等等。热搜词里反复出现的“trae work cn 安装 superpowers skill”指的就是把社区里非常知名的Superpowers技能集装进TRAE Work。这个技能集我实际用过它本质上是一组结构化的提示和流程编排不是魔法但确实能让Agent的行为更稳定。装上之后Agent接到任务不会立刻莽上去改代码而是会先出计划、再写测试、再实现、再重构整个流程像极了资深工程师的工作习惯。安装的方式也不复杂核心是找到TRAE Work的Skills配置目录把Superpowers技能包克隆进去然后在对话里用约定的指令唤醒特定技能。相比传统Prompting方式这种技能化封装的好处是团队可以统一Agent的行为基线新人装上同样的技能包跑出来的任务质量不会差太多。对于企业来说这比“每个人各玩各的Prompt”要可控得多。我建议企业内部把常用技能包做一次统一评估和固化这比天天研究提示词性价比高很多。2.3 账号、模型与积分政策差异“trae work 新用户有积分?”这个热搜问题基本暴露了大家最关心的其实是配额和钱。TRAE系产品的新用户注册时通常会有体验额度TRAE Work的新用户积分/体验额度政策在不同时期、不同版本入口下会有差异而且国内版和国际版是两套独立的账号体系积分不互通。实测下来国内版新用户注册后能拿到一定次数的Agent任务额度但具体数字经常调整最靠谱的做法是登录后在“账户-配额”页面直接看当前值别轻信任何第三方渠道的截图。模型方面的差异更明显。TRAE CN接入的模型以国内可用的大模型为主部分海外模型需要单独配置或不可直接使用TRAE Work做Agent任务时可以在模型配置里切换不同的模型做“主脑”我一般习惯复杂任务用能力更强的模型简单机械任务用便宜快的小模型这样积分消耗更可控。另外团队在使用时要特别注意对话补全和Agent任务执行消耗的不是同一种额度Agent任务因为要多次调用模型、跑命令、读日志消耗通常远高于普通对话一定要在团队里提前说清楚免得一个下午把月度预算烧光。3. 主流企业Agent产品横向对比3.1 对比维度怎么选别只盯着写代码强不强企业在选AI编程Agent时最容易犯的错是只看Demo演示的代码生成效果。Demo都是挑最好看的给你看真实生产力却取决于一堆“看不见”的维度。我给企业做评估时通常会固定看几个维度。第一是任务自主度即Agent能不能在一个多步骤任务里“自己闭环”还是只能做单点补全。这决定了你团队的工作方式能不能真正从“结对”升级到“交付”。第二是企业级工程能力包括权限管理、审计日志、代码数据隔离、私有化部署选项这一条在国内企业里尤其重要法务和运维不点头产品再好也上不了生产。第三是模型灵活性和成本能不能切换不同模型、积分计价是否透明、超预算有没有告警。第四是团队协作体验比如Code Review怎么融入Agent产出、知识怎么沉淀、新人怎么跟上。最后才是上手门槛和社区生态。3.2 六款产品能力对比表我基于自己的实测和公开资料把目前呼声最高的几款产品放在一张表里按企业评估维度打分。打分标准是相对的满分5星星量代表该维度下的相对优势不代表绝对好坏。产品任务自主度企业工程能力模型灵活性成本透明度团队协作上手门槛适用定位AntiGravity很高云沙箱浏览器自动化是独门优势中上执行可审计但私有化选项有限偏托管可配置有限中等订阅制为主中任务记录可共享低VS Code底子创新型团队尝鲜、自动化任务编排TRAE Work高Skills机制可定制Agent行为中上国内版在企业身份体系上有优势高可切换多种模型中等积分制需仔细管理中上技能包可团队固化低中文支持好国内团队做Agent工作流试点首选Cursor中高Agent能力持续演进中商业版有合规选项但成本高高模型可选范围广偏低多人使用成本上涨快中有团队和共享规则低追求极致补全和对话体验的开发者Windsurf中高强调级联Agent概念中Cascade机制有特色高模型选择多中等中低喜欢上下文连贯Agent的团队GitHub Copilot中Agent模式较克制高与GitHub生态深度绑定企业治理完善中绑定微软系模型为主中上企业订阅清晰高PR和Issue天然集成低重度使用GitHub生态的成熟团队通义灵码中Agent功能持续补齐中上国内合规和数据驻留友好中以阿里系模型为主高免费额度相对友好中有企业版方案低预算敏感、合规优先的国内团队这张表的信息量比较大我挑两个容易误读的点补充说明一下。一个是GitHub Copilot的企业工程能力得高分不光是权限和审计做得好更关键的是它长在GitHub这个代码协作枢纽里PR、Issue、Actions这些链路天然贯通。如果你是GitHub的重度用户Copilot的Agent能力虽然不激进但和现有流程的契合度最高团队改造的心智成本最低。另一个是TRAE Work在国内企业场景里的“身份体系”优势。它在国内版账号体系、模型通道和计费逻辑上更贴合国内团队的实际环境团队管理和运维沟通的摩擦明显更小。这不是技术能力碾压而是“本土化适配”带来的现实优势选型时千万别忽略。3.3 分场景选型建议对比表看完我给几个典型场景直接给结论。场景一团队规模不大想做AI Agent创新试点业务场景里有大量网页信息采集和端到端自动化需求。优先看AntiGravity。它的浏览器自动化和云沙箱能力在这个方向上几乎没有平替适合跑一些“非传统编码”的自动化任务。场景二国内中型研发团队想先把Agent工作流用起来又需要可管控的技能模板和中文支持。TRAE Work是当前最均衡的选择。尤其是把Superpowers这类技能包固化到团队后Agent的行为可预期性会明显提升试点效果容易量化。场景三团队已经在GitHub上重度协作代码审查和质量门禁流程成熟。不折腾直接升级到GitHub Copilot企业版。它的Agent能力不是最强但嵌入流程后的综合效率提升是最平滑的。场景四预算敏感、合规要求高、希望快速验证AI编程价值的团队。通义灵码这类国产工具值得优先测试免费额度可以支撑小范围试点数据合规方面的沟通成本也低。4. 实操从安装到跑通第一个Agent任务4.1 TRAE Work安装与初始化含Superpowers Skill配置先说安装。TRAE Work的安装包在官网就能拿到国内网络环境下注意认准国内版入口不要和国际版混淆。安装过程基本是下一步下一步唯一要提醒的是安装路径不要带中文和空格某些Agent插件对路径敏感容易出莫名其妙的报错。装完之后第一次启动会让你选择登录方式。国内版直接用手机号或账号体系登录新用户的积分和额度会在登录后自动到账具体数字以页面展示为准。登录后进设置把模型通道检查一遍。我建议新用户先跑一个最简单的对话确认模型连通性不要一上来就丢复杂任务。接下来是安装Superpowers技能。步骤不复杂但有几个细节容易翻车。先找到TRAE Work的Skills目录不同版本路径有差异可以在应用数据目录下搜索skills关键词定位然后把Superpowers技能包克隆到该目录下确认每个技能都有一个SKILL.md文件作为入口最后重启TRAE Work在对话窗口里输入技能触发指令看到Agent开始按技能流程行动就说明加载成功了。我遇到过几次装了技能但Agent没反应的情况基本都是目录层级多套了一层技能包的直接子目录里必须有SKILL.md否则识别不了。4.2 用TRAE Work跑一个真实任务为了验证效果我拿一个真实的中小型需求做测试给一个内部工具增加“导出Excel报表”功能要求包含数据校验、错误提示和单元测试。我直接把需求丢给TRAE Work语言尽量描述完整包含输入输出格式、异常场景、测试要求。Agent接到任务后的行为链路大概是这样的先读项目结构定位到相关模块的入口文件然后输出一份简短的任务计划标明要改动哪些文件接着开始编码中途遇到数据校验逻辑不清晰的点它会主动问我“确认一下日期格式是YYYY-MM-DD还是YYYY/MM/DD”补完单元测试后跑测试套件第一次因为一个空指针失败我看了下日志它自己定位到是某个旧接口返回了空值随后加了判空处理再跑全绿。整个过程中我做的事情就是开始提需求、中间回答两个澄清问题、最后Review代码。代码质量达到了merge标准测试是完整能跑的。“从需求到可交付”这个链路跑通比任何指标都有说服力。这个体验让我更确信企业用Agent不能只看代码生成准确率要看“任务闭环率”——也就是一个需求从提出来到可交付需要人介入多少次。TRAE Work在这个任务上的表现介入次数是两次已经达到可用的水平。4.3 AntiGravity快速上手流程AntiGravity的上手路径和TRAE Work不太一样更像一个“AI原生IDE”的形态。第一步是注册账号。访问官网后使用邮箱注册系统会发送验证邮件点击邮件里的验证链接完成激活。这里我遇到过几次验证邮件进垃圾箱的情况找不到邮件时记得去垃圾箱翻一翻或者用“重新发送”按钮换一个邮箱地址。第二步是下载对应的桌面客户端目前支持主流桌面平台安装包不大安装过程无特殊设置。第三步是登录并完成初始引导。AntiGravity会在首次进入时引导你连接代码仓库支持直接从Git仓库克隆项目也支持打开本地已有目录。第四步是跑第一个Agent任务。建议从一个小而完整的任务开始比如“给当前项目的README补上安装说明和常见问题章节”让Agent在沙箱里执行你观察它的计划、改动和日志输出逐步建立对工具能力的信任感。我在评估时对团队的建议是不要一上来就让Agent去碰核心生产代码先拿README、测试脚手架、数据迁移脚本这类低风险任务练手跑顺了再逐步升级任务复杂度。这个“先低风险再高风险”的上线路径能大幅降低团队对Agent的抵触情绪。4.4 企业试点落地时的小建议工具层面的事情上面已经讲了很多这里补几条组织层面的实操建议。试点团队不要选太小的组也不要选太大。建议挑一个6到10人、有一定自动化测试覆盖率、业务需求相对标准化的开发小组。测试覆盖率高是前提Agent改完代码如果测试套件是空的你根本不知道它改坏了什么。试点任务先限定在“新增功能”和“缺陷修复”不要一上来就做大规模重构Agent对存量烂代码的理解能力还撑不起重构这种高风险活。同时要指定一个Agent应用的“主理人”负责技能的沉淀、模型配置的维护、以及月度成本的控制。没有主理人团队很容易陷入“各玩各的”状态三个月后一地鸡毛。最后每个Agent完成的任务必须走正常Code Review流程产出代码的审查标准不能因为是Agent生成的而降低这条底线从一开始就要立住。5. 登录、账号与使用问题排查实录5.1 AntiGravity登录不上怎么办“antigravity登录不上”是最近出现频率很高的求助问题。我自己在测试时也遇到过几次这里把排查思路按顺序整理出来。第一步确认验证邮件确实收到并点击了完整的验证链接。很多登录问题都出在注册激活这一步邮件进了垃圾箱、链接被邮件客户端截断、或者验证链接已过期。处理方式是重新发送验证邮件换个网络环境再试一次。第二步确认登录凭证是否过期。AntiGravity的登录态有时效长时间挂着不用会被踢出。遇到登录不上先试“退出登录再重新登录”很多时候就解决了。第三步确认网络环境稳定。这里说的不是让你去动什么特殊配置而是说IDE登录需要和认证服务保持正常通信如果你所在的办公网络对海外服务访问不稳定就会出现“明明账号密码都对但一直转圈”的情况。实测最直接的办法是切换到移动热点或者在家用网络下试一次能快速判断是不是办公网络环境的问题。第四步排掉客户端缓存问题。极端情况下客户端的本地会话缓存会损坏导致登录死循环。把客户端的缓存目录清掉再重启能解决一部分顽固问题。如果以上都试过还是不行去官网查看服务状态页确认是不是官方服务端在维护或者直接给官方支持发邮件附上你的操作步骤和报错截图。不要在社区里到处乱求所谓的“特殊登录方案”一方面是安全问题另一方面那些方案很多已经失效纯属浪费时间。5.2 TRAE Work新用户积分与模型配额问题“trae work 新用户有积分?”这个问题背后其实是大家对Agent任务消耗速度的焦虑。我实测的体感是普通对话消耗很慢但Agent跑一个中型任务可能会消耗掉新用户初始体验积分的相当一部分所以积分不是拿来随便试错的。几个实用建议。第一日常问代码问题、看报错优先用普通对话模型不要每次都上Agent模式。第二Agent任务尽量描述得足够精确减少Agent“试探性多轮调用”带来的无效消耗就像你在真实世界里请人做事之前先把需求想清楚一样。第三团队内部要建立配额共识谁跑大任务、跑前先掂量一下预估消耗。第四关注官方活动新用户积分政策会调整偶尔会有额外的体验福利能薅就薅。5.3 Superpowers Skill安装失败排查技能装不上九成是目录结构问题。我总结了一张速查表方便你对照排查。现象可能原因处理方式技能列表里看不到Superpowers技能包没解压到正确目录重新确认Skills目录路径套层解压能看到技能但Agent不按流程走触发指令写错确认SKILL.md里声明的name与触发词一致执行到一半说找不到工具依赖环境没装按技能文档安装运行时依赖比如Node/Python执行结果不稳定模型能力太弱在Agent配置里切换到更强的模型和团队其他人效果不一致技能包版本不同用Git固定版本号统一团队技能包核心思路就一句话技能包本质是“结构化提示流程编排”它不会无中生有地让模型变强只是约束模型按照更可靠的方式工作。如果底层的模型本身就弱装再多的技能也救不回来。5.4 一句话避坑清单最后把这一路测试下来最值得记住的经验压缩成几句话。新工具不要在生产环境首秀先用高测试覆盖率的中低风险项目练兵。成本必须设预算Agent任务消耗远超预期是常态团队主理人每周看一次配额账单。技能包统一版本、统一管理、统一升级别让团队里的Agent“各长各的样”。所有Agent产出的代码都必须走人工Review这条没有任何商量余地。最后别迷信任何一个工具的“最强”标签工具是拿来用的不是拿来供的适合你团队现状的工具才是好工具。我个人在实际评估中的体会是AntiGravity和TRAE Work代表的其实是同一种趋势AI编程正在从“帮你写代码”进化到“替你完成任务”。两者的差异更多是产品哲学和企业落地路径的差异——AntiGravity更像一个激进创新的Agent沙箱适合探索型团队TRAE Work则带着更明显的工程化和本土化克制感适合想稳步推进的国内团队。我的建议是别急着二选一小成本把两个都跑一遍用“任务闭环率”和“人工介入次数”这两个指标去衡量数据会告诉你答案。工具更新太快今天的最优解三个月后可能就过时了。保持小步快跑让团队始终掌握选择权才是这个阶段最稳妥的策略。