目标
Trae 号称国内首个 AI IDE，且免费，看着就心动，试水一下，看看能不能替代vsCode+智能助手这种传统模式。
所以，实现和上一篇，一模一样的功能，就是用Ai翻译大藏经，上一篇的实现过程，参考文档：
准备
就是准备大模型的调用，也是必须的，参考下面文档中，api-key的获得部分：
【菜鸟飞】AI多模态：vsCode下python访问阿里云通义文生图API-CSDN博客
下载安装
下载安装程序，直接点击“立即获取Trae”，自己会识别当前系统信息，下载匹配版本，当然也可以自己点击“查看所有下载选项”，找对应的版本下载：
直接运行，“下一步”、“下一步”安装，其中安装目录可以换成空闲磁盘多的目录：
其他就一路“下一步”，就完成了
开始运行
有网络提示：允许
然后，“开始”：
选择样式主题，和语言：
可以从现有开发环境导入配置，我这里就从vsCode直接导入了：
为了日后用着方便，安装命令行：
然后，需要登录，才能有IA支持功能：
点击登录，会在浏览器，打开登录网址，不支持虚拟手机号，否则会提示“访问太频繁。。。”，正常手机号，能注册登录：
登录后，看起来和vdCode的界面差不多，打开一个空文件夹，作为工作空间，然后我就把上一篇AI实例的操作过程，搬过来，对比一下执行情况。
实践过程
1、在chat中，说出自己的要求，让其推荐大模型：
把文档中的佛经内容，翻译成白话文，尽量保持其原意和语境，用那个大模型好？
给出的模型里，有通义千问，还有其他的，我准备了通义中的访问API-key，就用这个模型了。
2、然后，进一步提出要求：
生成具体的代码：用推荐的模型，把“e:\02trae\fores”的文件，翻译成白话文，输出到“e:\02trae\fores2”下面，并把翻译原文和译文结合的文件，输出到“e:\02trae\fores3”
给出了代码，其中操作和vs+通义灵码中的操作，一样是三个：拷贝、插入、新建文件：
新建文件时，会在编程器创建一个文件，手动保存，选择保存目录，在vs中，是直接显示保存路径，我觉得这里要好一些，因为在保存之前，可以看代码，还能调整一下。
3、因为是代码用的是requests，我让它改了一下：
换成openai的访问方式
这时给出的代码，命令有运行按钮，代码旁边，有“应用”按钮，这是超过vs+通灵的
点击“将代码变更应用于。。。”，看到文件代码被替换，且有标识，并可以选择是否接受：
3、 看了一下代码，进一步优化：
优化：
1、通过系统环境变量DASHSCOPE_API_KEY获得api_key
2、调用通义千问 API（基于openai），调用通义云适合翻译大藏经的模型
优化后运行，运行按钮和vs差不多：
运行出错后，直接提问，可以识别错误，进行修改
但很遗憾，它识别了错误，没有解决，我想念通灵了，好在trae从vscode中把插件信息也读过来了，所有我就有了两个程序助手，测试过程，发现还是需要把错误信息喂给AI，要不它就自己在那里猜来猜去：
然后，有经过多轮沟通，然后我手动调整了错误，哎，心力憔悴，还是要总结一下。
补充
启用Trae-builder方式，
启动后，可以添加选择支持的模型，使用界面和通灵和豆包差不多，但复杂问题，它是分层解决的，先解决一部分，你接受了，在解决一部分，分步骤的。
亮点
下面几点是Trae独有的，非常加分的功能：
*1、代码自动补全，根据上下文，AI自动判断推荐代码，按Tab键就表示采纳
所以，你可以一直“Tab”，直到完成整个程序，中间，可以通过增加注释，调整AI生成代码的方向：
2、内嵌式交互：
在编辑区，输入ctr+i，可以内置聊天对话：
输入要求：
代码直接显示，我这里因为原文件有空行，所以显示为替换样式：
3、可以局部代码发送到对话中，选中需要优化的代码行，右键发送到对话，可以局部调整功能
结论
1、Trae提示的操作性更友好，直接可以运行，及代码替换等，特别特别是局部代码补全等。
2、Trae有分步骤处理问题的功能，但这就因人而异了，是逐步确认，还是一步到位，看使用者习惯。
3、Trae有时你问的内容全英文，它就切换到全英文环境了：
看似有点“不稳定”，看其他视频，可以通过配置来设置“AI会话语言”，但我当前的Trae CN V0.3.1中，没有找到，搜了帮助都没找到。抛开这个点，总体解决问题的水平，感觉差不多。
（上图为，别人家的设置界面，供参考）
4、解决问题主要是靠模型，初看差的不多，个人喜欢通灵多一些。
5、Trae的安装到使用，不得不说对小白很友好。
6、当问题解决不了，总是在打转的时候，就靠人破局了，所以人脑是问题的最后利器~
7、从前面测试看，硬性代码支持差不多，Trae胜出于跟优化的操作交互，所以结论是：Trae 可以平替传统vs+代码助手。
编者的话
因为还没有深度应用，以上评价仅供参考。
最后成果（可忽略）
翻译结果：
fores3的文件内容：
段落 1 原|文：
尔时，世尊告诸比丘：“当观色无常。如是观者，则为正观。正观者，则生厌离；厌离者，喜贪尽；喜贪尽者，说心解脱。段落 1 译文：
当时，佛陀对比丘们说：“你们应当观察身体（色）是无常的。如果这样去观察，就是正确的观法。通过正确的观法，就会产生厌离心；有了厌离心，对身体的贪爱和喜悦就会消失；当贪爱和喜悦都消失了，就可以说是心灵得到了解脱。”========================================
段落 2 原|文：
“如是观受、想、行、识无常。如是观者，则为正观。正观者，则生厌离；厌离者，喜贪尽；喜贪尽者，说心解脱。段落 2 译文：
这样观察感受、想象、行为、意识都是无常的。能够这样观察，就是正确的观察。通过正确的观察，就会产生厌离心；有了厌离心，对世间的喜爱和贪欲就会消失；当喜爱和贪欲都消失了，就可以说心灵得到了解脱。========================================
代码：
# -*- coding: utf-8 -*-
"""
佛经翻译自动化脚本
功能：
1. 使用通义千问API将指定目录中的佛经文本批量翻译为白话文
2. 生成纯译文文件和原文+译文对照文件
3. 自动处理目录创建和文件编码问题
使用方式：
1. 设置环境变量DASHSCOPE_API_KEY
2. 配置输入/输出目录路径
3. 直接运行脚本即可
"""
import os
from openai import OpenAI
# 通过系统环境变量获取 API 密钥
api_key = os.getenv('DASHSCOPE_API_KEY')
if not api_key:
raise ValueError("未找到 DASHSCOPE_API_KEY 环境变量，请设置该环境变量。")
# 设置 openai 的 API 密钥和 base_url
client = OpenAI(
api_key=api_key,
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)
def split_paragraphs(text):
"""将长文本按空行分割为段落"""
paragraphs = [p.strip() for p in text.split('\n\n') if p.strip()]
return paragraphs
def translate_text(text, max_retries=3):
"""
使用通义千问 API 翻译文本（带重试机制）
:param text: 待翻译文本（单段落）
:param max_retries: 最大重试次数
:return: 成功返回译文，失败返回None
"""
for attempt in range(max_retries):
try:
response = client.chat.completions.create(
model="qwen-max",
messages=[
{"role": "system", "content": "你是一个专业的佛经翻译助手，能将佛经内容翻译成白话文，尽量保持其原意和语境。"},
{"role": "user", "content": f"请将以下佛经内容翻译成白话文，尽量保持其原意和语境：{text}"}
]
)
return response.choices[0].message.content
except Exception as e:
print(f"第{attempt+1}次翻译失败: {e}")
if attempt == max_retries - 1:
return None
def translate_files(input_dir, output_dir, combined_dir):
"""
批量处理目录中的佛经文件
:param input_dir: 包含原始佛经文件的输入目录
:param output_dir: 只保存译文的输出目录（自动创建）
:param combined_dir: 保存原文译文对照文件的目录（自动创建）
:note: 支持嵌套目录结构，自动保持原始目录层级
"""
if not os.path.exists(output_dir):
os.makedirs(output_dir)
if not os.path.exists(combined_dir):
os.makedirs(combined_dir)
for root, dirs, files in os.walk(input_dir):
for file in files:
file_path = os.path.join(root, file)
try:
with open(file_path, 'r', encoding='utf-8') as f:
text = f.read()
except UnicodeDecodeError:
print(f"无法以 UTF-8 编码读取文件: {file_path}")
continue
# 分割段落并翻译
paragraphs = split_paragraphs(text)
translated = []
error_count = 0
# 逐段翻译
for para in paragraphs:
t = translate_text(para)
if t:
translated.append(t)
else:
translated.append(f"[翻译失败段落: {para[:50]}...]")
error_count += 1
# 生成输出内容
output_content = '\n\n'.join(translated)
combined_content = []
# 构建对照内容
for i, (orig, trans) in enumerate(zip(paragraphs, translated)):
combined_content.append(f"段落 {i+1} 原|文：\n{orig}\n\n段落 {i+1} 译文：\n{trans}\n\n{'='*40}\n")
# 输出译文文件
output_file_path = os.path.join(output_dir, file)
with open(output_file_path, 'w', encoding='utf-8') as f:
f.write(output_content)
# 输出对照文件
combined_file_path = os.path.join(combined_dir, file)
with open(combined_file_path, 'w', encoding='utf-8') as f:
f.write(''.join(combined_content))
if error_count > 0:
print(f"警告: {file_path} 中有 {error_count} 个段落翻译失败")
if __name__ == "__main__":
# 配置路径（根据实际需求修改）
input_dir = r"e:\02trae\fores" # 原始佛经存放目录
output_dir = r"e:\02trae\fores2" # 纯译文输出目录
combined_dir = r"e:\02trae\fores3" # 对照文件输出目录
# 启动批量翻译流程
translate_files(input_dir, output_dir, combined_dir)