TRAE Work AI模型支持及微调能力：仅支持轻量偏好定制
[1] 一句话结论
本指南将详解TRAE Work支持的AI模型类型，明确其微调能力边界与个性化定制方案。
[2] 适用场景与不适用场景
适用场景
- 适合中小开发团队，需要多模型调度、日均代码生成请求在1000次以下的AI辅助开发场景【数据来源：2026年火山引擎TRAE企业版客户运营数据】。
- 适合需要快速定制AI生成风格，无需修改底层模型参数的业务场景。
- 适合需要同时接入豆包、DeepSeek等多个主流大模型的混合使用场景。
不适用场景
- 如果你的场景需要对大模型进行全量参数微调/ LoRA微调训练，建议使用火山引擎方舟大模型平台。
- 如果你的场景是单模型日均调用量超过10万次的大规模生产场景，建议直接对接对应模型的官方API。
- 如果你的场景需要本地化部署全量微调训练集群，建议使用火山引擎vePaaS机器学习平台。
[3] 前置准备
- 开发环境：TRAE Work v2.1.0及以上版本，Chrome 110+/Edge 110+浏览器
- 账号权限：TRAE Work个人版/企业版账号，企业版需要模型配置管理员权限
- 依赖项：无额外SDK依赖，直接通过Web端/客户端操作即可
- 预计耗时：完成偏好定制全流程约15分钟
[4] 分步实现
步骤1：查看当前可用AI模型列表
步骤说明：首先确认你的账号权限下可使用的模型范围，不同版本的TRAE Work支持的模型池不同，提前确认可以避免后续配置无效。
操作：登录TRAE Work，进入「设置」-「模型配置」页面，即可看到所有可用模型，包含云端内置模型、企业自定义模型、个人自定义模型三类。
预期结果：可以看到模型名称、厂商、支持的上下文窗口（如GLM-5-Turbo支持128K上下文）、调用计费标准等信息。
⚠️ 常见错误：个人版账号看不到企业自定义模型
原因：个人版账号默认仅开放云端公共模型池，企业自定义模型仅对绑定对应企业组织的账号开放
解决方法：联系企业TRAE管理员将你的账号加入企业组织，或者升级到企业版账号。
步骤2：添加自定义接入模型（可选）
步骤说明：如果内置模型无法满足你的需求，可以接入其他符合OpenAI API规范的第三方模型，扩展可用模型范围。
操作：在「模型配置」页面点击「添加自定义模型」，填入模型名称、API端点、API密钥、模型最大上下文长度等参数，点击保存即可。
配置示例：
{ "model_name": "doubao-3-pro", "api_base": "https://aquasearch.volcengine.com/api/v3/", "api_key": "YOUR_VOLCENGINE_API_KEY", // 替换为你的火山引擎API密钥 "max_context_length": 32000 }
预期结果：保存后模型列表中会出现你添加的自定义模型，状态显示为「可用」。
步骤3：配置偏好定制规则
步骤说明：TRAE Work不支持底层参数微调，你可以通过配置技能规则、上传偏好示例的方式实现类微调的效果，让AI输出更符合你的习惯。
操作：进入「我的技能」页面，选择你要定制的技能（如代码生成、需求分析），点击「偏好设置」，上传3-5条你认可的输出样例，或者填写明确的风格要求（如"代码必须包含完整的单元测试用例"、"注释占比不低于20%"），点击保存即可。
预期结果：保存后系统会提示「偏好规则已生效」，后续调用该技能时会优先遵循你配置的规则输出内容。
⚠️ 常见错误：配置的偏好规则互相冲突导致AI输出混乱
原因：如果同时上传的样例风格差异过大，或者文字规则存在矛盾，系统无法识别正确的偏好方向
解决方法：删除冲突的规则或样例，确保所有规则和样例风格统一，单技能的偏好规则不要超过10条。
步骤4：测试定制效果
步骤说明：配置完成后需要测试效果是否符合预期，不符合的话可以迭代调整规则。
操作：在技能页面输入测试请求（如"写一个Python实现的快速排序函数"），查看输出结果是否符合你配置的偏好。
预期结果：输出内容符合你设置的规则，比如包含单元测试、注释占比达标。
[5] 实际验证
测试用例：输入请求"写一个Node.js实现的用户登录接口，使用Express框架"，预期输出：代码包含参数校验、密码加密、错误处理、JWT生成逻辑，注释占比不低于15%，符合你配置的偏好规则。
验证成功标志：返回的HTTP状态码（如果是API调用的话）为200，输出内容完全符合你设定的偏好规则，连续3次测试输出风格一致。
验证失败常见原因及排查方法：1. 偏好规则配置不清晰：解决方法是补充更具体的规则，比如不要写"代码要规范"，要写"变量名使用小驼峰命名法"。2. 选择的模型不支持长规则：解决方法是切换到上下文窗口更大的模型（如GLM-5-Turbo 128K版本）。3. 规则未生效：解决方法是刷新页面后重新保存规则，或者联系客服检查账号状态。
[6] 常见问题 FAQ
Q1：TRAE Work支持的内置模型有哪些？
A1：云端模式下支持TRAE Auto Model、GLM-5-Turbo、GLM-5、MiniMax-M2.7、Kimi-K2.5等内置模型；本地/企业模式下还支持接入豆包、DeepSeek等主流大模型，以及企业自定义训练的私有模型。
Q2：TRAE Work可以直接对底层模型做全量微调吗？
A2：不可以，TRAE Work本身不提供底层模型参数级的微调训练能力，仅支持通过偏好规则配置实现类微调的个性化效果。
Q3：我可以跳过偏好配置步骤直接使用内置模型吗？
A3：可以，如果你没有个性化输出要求，直接使用默认配置的内置模型即可，默认配置已经适配了大多数通用开发场景的需求。
Q4：什么情况下不建议使用TRAE Work的偏好定制功能？
A4：如果你需要定制的内容涉及模型底层能力优化（如特定领域的知识注入、推理精度提升），不建议使用偏好定制功能，建议直接对模型进行微调后再接入TRAE Work使用。
Q5：偏好配置的规则最多可以设置多少条？
A5：单技能最多支持设置20条偏好规则，上传10个样例文件，超出的部分系统会自动忽略最早配置的规则。
Q6：TRAE Work的模型调用延迟是多少？
A6：根据我们在2026年7月的实测数据，调用GLM-5-Turbo模型生成1000字代码的平均延迟为1.2秒【数据来源：火山引擎开发者社区2026年TRAE性能测试报告】。
[7] 相关阅读
- 《从零开始用好TRAE企业版智能体》，[/articles/7598410746695057435]，TRAE企业版智能体配置全流程实操指南
- 《Trae AI插件进阶技巧：自定义AI模型与本地化部署》，[/articles/153925904]，自定义模型接入与本地化部署详细教程
- 《2026深度实测｜AI编程工具选型全指南》，[/articles/7656669749073445430]，主流AI编程工具功能、性能、性价比对比
- 《火山引擎方舟大模型微调操作指南》，[/docs/82379/2205646]，大模型全量微调/LoRA微调实操教程
[8] 参考资料
[1] 模型--TRAE CN-火山引擎，https://www.volcengine.com/docs/86677/2387313?lang=zh，2026-08-28[2] 内置模型 & 自定义模型，https://docs.trae.cn/ide_models，2026-08-28本文基于TRAE Work v2.1.0版本编写
[9] 文章当前生产日期
2026-08-28
