过去我们总说 "AI 会取代不会用 AI 的人"，但这句话其实只说对了一半，AI 不会自动让人变得更高效。如果一个人的工作方式本身就是混乱的，AI 只会把这种混乱放大；真正的 AI 协作，不是当甩手掌柜，而是人负责思考方向、定义标准、做关键决策，AI 负责所有机械、重复、流程化的环节，把你的精力解放出来去做更有创造力的事。

作者|妍旭、嘻嘻

出品|产业家

一、为什么普通人用不好Agent

普通人用AI办公，有个隐形门槛，就是"你的思考上限，决定了AI交付的产出上限"。

不知道什么任务适合交给 AI，不知道如何把一个模糊的工作需求拆解成 AI 能理解的步骤，也不知道如何定义"好"的结果标准。对着对话框想半天，最后憋出一句"帮我写个方案"，然后对着AI返回的泛泛而谈束手无策，感叹"AI还是不行"。

大多数人把 AI 当成了一个更聪明的搜索引擎，却没学会如何与 AI"搭伙干活"。

其实很多时候不是AI不行，是你没把活儿说明白。这个"说明白"的过程，就是所谓的"翻译成本"，你得先把自己脑子里的需求，翻译成 AI 能理解的任务；再把 AI 的产出，翻译成能够融入自己工作流的成果。

对于没有技术背景的大多数普通人来说，这个翻译成本甚至比完成工作本身还高。

过去两年，几乎所有的 AI 产品都在卷模型能力，卷推理速度，卷Agent，却鲜有人耐心教普通用户到底该怎么用这些能力？

最近，TRAE Work上新了一套40万字AI工作知识库，尝试把普通人使用Agent的门槛打掉。

打开后，发现它给出的不是市面上那种"100个Prompt合集"的速食清单，而是一整套“AI工作方法论”。其中包含17篇新手入门、14篇官方功能教程、6个板块7大场景30+篇实战指南约40万字、官方精选提示词模板Skill和MCP清单，上线6小时访问量破1.8万。

每篇指南都不是干巴巴的指令说明，而是按 "输入 Prompt→TRAE 生成过程→最终成果展示" 的完整工作流展开。

它不是教你"Prompt怎么写"，而是教你"怎么让TRAE替你跑完整个工作流"，适配高校师生、投研分析师、内容创作者、产品经理、财务运营、设计师等人群。

说起来，TRAE这款产品本身的演进路径，就暗合了 AI 从 "专业工具" 走向 "全员普及" 的过程。很多人最初知道 TRAE，是因为它是一款面向开发者的 AI 原生 IDE，在程序员圈子里口碑颇佳。

今年 3 月，TRAE 拆分出独立的 SOLO 模式，尝试让非开发者也能用上它的任务拆解能力；6 月产品正式更名为 TRAE Work，定位也从 "AI 工程师" 扩展成了面向所有职场人的 "AI 工作台"。过去在 AI Coding 场景里打磨出来的上下文理解、任务拆解和进度追踪能力，开始进入更广泛的日常办公场景。

知识库看着丰富，但它究竟把AI办公这件事讲得多深、多透、多全？为了验证这套方法论的实际落地效果，产业家拿着这份40万字的AI指南，开启了让TRAE Work替我们打工的一天。

二、从监测热点到出PPT写研报，TRAE Work化身会预判的「赛博同事」

作为一位自媒体博主，产业家每天最头疼也最耗时的，就是写作前的大量准备工作。

往常我们需要浏览至少两小时的科技媒体、行业群和社交平台，从海量的信息里筛选出值得写的热点，再整理事件脉络、收集各方观点、判断舆论走向，最后才能确定当天的选题，这个过程机械、重复，却又不得不做。

这次产业家没有自己摸索，而是先打开了TRAE Work的知识库，跟着官方内容创作者的实战指南走了一遍，并给TRAE Work下了一个「每天帮我监测行业热点」的定时任务：每天上午10点，自动监测全网某一行业的热点信息，整理事件起因经过来源，抓取网络舆论并做分析，再按不同社交媒体平台的内容特点产出选题。

TRAE Work接收到任务后，先自己拆解了一下任务详情并交给我确认，觉得整理有遗漏的可以在这一步调整。任务创建成功后TRAE Work开始自主调用技能干活，最后生成了一份有数据、有来源、层次分明的可视化看板。

每个热点附带事件摘要、话题度、关键信源、事件影响、舆论方向，以及适配不同平台的选题建议，内容一目了然，清清楚楚。过去要花两三个小时才能做完的信息梳理工作，现在几分钟就能浏览完，效率翻倍。

如果后续想方便及时接收信息，还可以同步封装skill关联到飞书CIL，日报内容会自动同步到飞书文档，每次更新都会发飞书通知，非常适合工作流重度依赖飞书的用户。

敲定好选题之后，我们出了一份提纲，并安装了ppt-page技能，让TRAE Work帮我们把提纲转成可视化的演示文稿，方便选题会汇报。

等了几分钟后，TRAE Work返回了一个HTML预览，深色科技风，排版干净，对于提纲中的重点抓的很准，核心数据和关键节点也都做了可视化处理，基本上改个 logo 就能直接拿去开会用。

又让它导出PDF格式，它在交付后提示：文件可以直接打开查看，每页一张 16:9 高保真幻灯片，适合分享和打印。看到它说“适合分享和打印”这一刻产业家真的有种找到赛博实习生的感觉，竟然精准预判到了我们下一个工作流程。

接下来，我们又套用知识库里的Prompt，让TRAE Work出了一份有关长鑫科技的深度研究报告。从全球 DRAM 市场的竞争格局，到长鑫科技的技术迭代路径，再到这次 IPO 的募资用途和未来增长点，整个报告结构清晰，逻辑严谨，所有关键数据都标注了来源，甚至还专门做了一张 "近期重大催化事件" 的时间轴表格，把从 2025 年到 2026 年的关键节点和对应影响列得明明白白。

产业家特意核对了几个关键数据 ：HBM3 样片送样华为的时间、全球 DRAM 市场份额的最新数据、这次 IPO 的募资额全部都准确无误，甚至在打新分析中帮我总结了风险提示，又一次预判到我们的下一步动作。

一番测试下来，TRAE Work 的表现有些超预期。它不是在零散地响应我们的指令，而是在真正理解我们的工作流，知道接下来会需要什么。这种感觉，就像是身边坐了一个懂行的新同事，不用你把每句话都说到，他就知道该怎么配合你把事情做完。尤其照着知识库的方法论走一遍，再根据自己的工作习惯做简单适配后，交付标准高了不止一档。

不过实测过程中还有个使用细节值得一提，当你要关闭桌面端的时候，会提示「已启用的本地自动化任务会跟着无法运行」，这意味着「定时任务」目前还是绑定在设备开机状态上的，不是纯云端跑的逻辑， 做不到完全"无人值守"。

三、不会写代码，靠TRAE Design 也能搓出个能用的APP

如果说上午的内容生产工作流测试，还只是在 TRAE Work的 "舒适区" ，下午我们决定继续给它上压力：不会写代码，能否靠它搓出个能用的APP？

我们有个同事生活中是个花钱「没数」的人，于是我们就想做个记账软件，记录下他的日常开销，顺便验证一下AI 到底能不能把"人人都是产品经理"这句话，变成现实。

很多人觉得"零门槛做开发"这件事离自己特别近。但真正上手会发现，大部分人做不出一个完整产品，核心卡在两处：第一，讲不清楚。大多数普通人根本不知道该怎么把自己脑子里模糊的需求，翻译成 AI 能理解的交互逻辑和后台指令。你说 "帮我做个记账 APP"，AI 给你生成页面后，你看着觉得不对，但又说不出来到底哪里不对，更不知道该怎么改。

第二，工具是割裂的。现在市面上的产品，设计和开发基本都是两个独立的模块：AI 帮你生成一张设计图，你觉得挺好看，再让它帮你写成代码，最后做出来的东西跟设计图完全是两回事，你得自己在中间充当 "翻译官"，把设计语言转换成开发指令，把开发出来的 bug 再反馈给设计，来回折腾好几轮，最后耐心耗尽，不了了之。

这其实也是过去一年 Agent 产品的通病，几乎所有大厂都在往Agent里堆功能，能写文案、能画图、能生成网页，功能列表越拉越长。但真正用起来会发现，这些能力大多是孤立的，你得自己在中间做"翻译"：想清楚要什么、拆解成什么指令、再把不同工具的产出拼在一起。

这个“翻译”和“拼接”的成本，也是普通人用不好Agent的一大障碍。

这次我们直接打开TRAE Work 的Design模式，故意没写详细的需求文档，就对着麦克风说了句：想做一个个人账务系统，帮我设计一下页面，高级，简洁。没错，我又给它上了难度，用模糊的语音需求看它怎么接。

耗时九分钟，TRAE 开始拆解需求，先和我们确认视觉风格，并追问是否有补充信息提供，我们补充了“画面元素不要过于复杂，按钮要足够凸显”的要求后，它开始输出一堆看不懂的代码。直接忽略过程，等待最后的结果。

终于，它用画布形式给出四页完整的APP界面预览，首页是资产总览，清楚显示着余额、当月收支概览和最近交易记录；第二页是 "记一笔" 页面，支出收入一键切换，大数字输入盘，常用分类一目了然，底部是醒目的保存按钮；第三页是账单明细，支持月份切换和搜索筛选，所有交易按日期自动分组；第四页是统计分析，有收支 KPI、分类占比饼图和月度趋势柱状图。预览的时候还能切换电脑、手机、平板三个尺寸，自动做响应式适配。

整个设计过程我们没提任何具体的 UI 要求，它自动对齐间距、统一配色、调整字号，做出来的界面虽谈不上惊艳，但至少是工整、顺眼、符合APP 设计规范的。

最让我们惊喜的是改设计的环节。我们想把总览页的收入数字从绿色改成黄色，换做别的 AI 工具，得费劲描述："帮我把首页那个收入的数字，就是在支出旁边那个，颜色改成明黄色，别太亮。" 往往来回说两三遍还改不对。

但在 TRAE Work里，直接点击预览页里要修改的数字，旁边立刻弹出了像 PPT 编辑一样的侧边栏，字体颜色、大小、边距、圆角，所有参数都可视化摆在那，点一下色板选个黄色就改完了，改完它还会自动根据文字长度调整排版，根本不用操心对齐问题。

页面调整满意后想导出进开发环节，它先提示 "未选中设计稿"，全选四页画布再点导出，立刻就出现了 "在 Code 模式中开发" 的选项。

点下去的瞬间，它自动写好了开发需求，没有重新上传文件，没有重新描述需求，甚至不用告诉它每个按钮点了该跳去哪，它自己就理解了整个设计的交互逻辑，直接进入了代码生成环节。最后做出来的成品，跟刚才调整的设计稿几乎一模一样，是一个可以直接用的完整应用。

这一点是 TRAE  Work与同类产品相比优势最明显的地方。别的产品Design和Code是两个割裂模块，用户要在中间当"翻译官"，TRAE Work从底层就把Design和Code打通，设计稿本身就是开发的输入，中间零损耗。

更有意思的是多端协作。下班途中，我们创意喷涌，想着不能只记账，还得节流。于是想让它新增个存钱功能。手边没有电脑，就在手机端给它下需求：要求新增一个存钱页面，激励自己存钱，提醒每天要存多少钱，具体金额用摇骰子决定，给存钱增添些乐趣。

TRAE Work有手机端，我们直接在地铁上用手机给它下了指令。设置好与电脑端互联之后，后续无论是调试之前开发的小程序，还是修改某段文案，都可以在手机端直接下指令，电脑端同步执行。手机端和电脑端的动作完全同步，这种"多端协同"进一步释放了生产力。

不过这其中有个执行细节，手机端适合调试任务不适合创建长任务，用手机端让它创建新闻播报系统任务时，它会提示要去PC端或Web端接管，Code模式下也不支持手机预览，比如新增的存钱页面就需要回家开电脑才能看到最终效果。

看得出来产品团队做了很清晰的能力划分：手机端适合做快速调整、小功能迭代这类轻量操作，复杂的长任务和深度开发还是得在电脑上做。

四、实测体感总结：Agent 的终极命题从来不是 "更聪明"

用TRAE Work给我们“打工一天”，最大的感受是TRAE不是一个纯交付型工具。

市面上大部分Agent产品的特点是「听话」，你说一句它做一件事，做完等你下一次召唤。但真正进入复杂工作流后，问题很快暴露出来：用户依然需要自己拆解任务、串联工具、检查结果，AI 看似替代了执行，却把大量“协调工作”留给了人。

这也是为什么很多人体验过 Agent 后，会觉得“好像很强，但又没有想象中那么强”。

这次产业家用TRAE Work跑了一整天，中间有那么几个瞬间，脑子里冒出来的不是「这个功能挺好用」，而是「它怎么知道我接下来要干嘛」。

这种「预判感」，让我们不再把它当做单纯的「工具」，而更像拥有了一个懂我们的「赛博同事」，体验背后，是 TRAE Work在尝试解决 Agent 普及过程中一个关键问题：如何降低人与 AI 协作的认知成本。

实测之前我们也很怀疑知识库究竟能起多大作用？但体验过后才发现，这套知识库最大的价值，是帮你建立起一套 "如何与 AI 协作" 的思维方式。

过去我们总说 "AI 会取代不会用 AI 的人"，但这句话其实只说对了一半，AI 不会自动让人变得更高效。如果一个人的工作方式本身就是混乱的，AI 只会把这种混乱放大；真正的 AI 协作，不是当甩手掌柜，而是人负责思考方向、定义标准、做关键决策，AI 负责所有机械、重复、流程化的环节，把你的精力解放出来去做更有创造力的事情。

就像我们用 TRAE Work跑了一天内容工作流，监测热点、整理资料、生成 PPT等固定流程的任务它做得比人更快，更准，且不会抱怨。但最终选题的判断、报道的角度、核心观点，还得我们自己来定。

AI 擅长的是放大人的执行力，而非替代人的判断力。

TRAE Work这套知识库的最大意义也在于此。它用一种近乎「保姆式」的方案，把过去属于开发者和 AI 高阶玩家的工作经验沉淀成普通人也能照着使用的方法论。

当然，TRAE Work 目前依然存在不少可以继续优化的地方，例如定时任务仍依赖本地设备、手机端暂时无法处理复杂任务、部分垂直场景模板还不够丰富等。

但不可否认的是，它已经迈出了非常关键的一步。过去，Agent 更关注"我能做什么"；现在，它开始思考"怎样让更多人真正会用我"。

这或许才是 Agent 从"技术演示"走向"生产力工具"最重要的一次转向。当模型能力逐渐趋同，Agent 的竞争也将不再只是比谁更聪明，更是谁能够把 AI 的能力真正转化成普通人每天都能用、都会用的生产力。