张聪-Trae Agent 架构演进：从 Workflow 到 Agentic Loop.pdf

1、TRAE Agent 架构演进：从 Workflow 到 Agentic Loop张聪字节跳动/TRAE 架构师个简介 2012 年毕业，12 年规模流量基础设施系统相关作经验，精通 CDN 及性能络数据平架构设计。前在字节跳动 TRAE，致于 AI Coding 向 Agent 程能的建设。作经历：技术变迁：Web 2.0 移动互联AIEmail:录0102030406业界趋势程实践案例分享未来展望01AI Coding 发展过程中 IDE 形态的变化业界趋势AI Coding 发展过程中 IDE 形态的变化从辅助编程、结对编程到主编程，AI 正在重塑软件开发流程1 古法编程2AI 辅助编程

2、4AI 主编程3AI 结对编程关于 TRAEIDE 模式SOLO 模式02TRAE Agent 架构演进程实践关于 AI AgentTRAE Agent 架构演进-Side ChatAI 辅助理解代码和分析问题 代码件 录结构 Code Knowledge GraphContext References 键合并代码 Search Replace 程替换+模型兜底Fast ApplyTRAE Agent 架构演进-Agent 1.0Let Agent#Context deliver user query 携带历史对话信息，引导模型产出需求的解决思路提案 RAG 召回项索引信息补充到上下，帮助模型

3、更好理解项 结合原始需求、解决思路提案以及项相关上下信息，引导模型给出规划和具调，并持续此过程直到任务结束Workflow：Proposal Code RAG Plan/ToolCall Loop 内置具：件系统/终端/预览/搜索等 MCP 集成Tools#Workspace#Code#File#Folder#Doc#WebContextTRAE Agent 架构演进-Agent 2.0随着模型变强，去掉部分固化的 Workflow，完全交由模型驱动 去掉 Proposal 流程，让模型结合包括历史在内的上下信息直接驱动 引 Search Codebase Tool，代替固定的 Code RA

4、G 流程，实现 Agentic RAGMore Agentic Loop 利模型对历史上下进总结压缩，代替程裁剪，保留更多有效信息 更的上下窗，并利滑动窗机制由新到旧进动态拼接 完善 Long-term Memory 机制，让跨多轮会话的重要信息不被遗忘More Seamless Context FlowTRAE Agent 架构演进-Agent 2.0More Agentic!=More Controllable 引 TO-DO Tool 约束流程避免模型过度发散，同时在过程中可以被更新以实现纠偏 为了防模型在多轮后遗忘重要信息，利 Reminder 机制反复强调，让模型注意更集中TO-DO

5、 List&Repeated Reminder 将 Lint Error 信息在模型每次修改完件后及时反馈，尽早规避语法错误 对于模型幻觉导致的法 JSON Schema、效具调等进及时引导纠正Effective Feedback 精简具列表，避免引多个语义重叠的具，降低模型决策难度 使 Native Function Call 代替 JSON Schema 描述具，减少格式幻觉Keep Tools SimpleTRAE Agent 架构演进-Agent 2.0优化上下窗管理，让多轮会话上下更加连贯 关键上下信息（#Context）会话历史Short-term Memory 定义规则（Rule

6、s）记忆碎（Momento）TO-DO ListLong-term MemoryTRAE Agent 架构演进-SOLO 模式从 AI 辅助编程 到 AI 主编程的次跨越TRAE Agent 架构演进-SOLO 模式更多的上下以及更的流程，对 Agent 架构提出了新的挑战 完成复杂任务，固定上下窗不够怎么办？任务时间越来越，如何提效率减少等待？如何更好地参与关键决策，确保标符合预期？当需求和环境发变化，AI 如何及时感知？针对复杂耗时任务临的问题：TRAE Agent 架构演进-向复杂耗时任务引 Multi-Agent 架构，将部分特定任务的上下窗隔离