适合谁 | 为什么适合 |
|---|---|
想让 TRAE Work 更贴合个人习惯 | 对话流、通知等设置可个性化调整 |
常在本地和云端间切换任务 | 云端运行环境配置保持一致 |
需要连接 GitHub、飞书等外部工具 | 外部应用授权打通协作流程 |
并行开发多任务,想减少代码冲突 | 工作树隔离不同任务的代码变更 |
希望兼顾效率与安全 | 沙箱运行 + 最小权限原则 |
个性化配置是一组影响 TRAE Work 工作方式的设置,决定 AI 能否自动执行命令、任务通知方式、外部应用连接、运行环境以及多任务隔离。
如果说模型、技能、MCP 解决的是“AI 有什么能力”,那么个性化配置解决的是“这些能力在你的工作流里如何更稳、更安全、更顺手地运行”。
配置项 | 解决的问题 | 典型场景 |
|---|---|---|
对话流 | 控制命令和 MCP 的自动运行方式,以及任务通知方式。 | 提升执行效率,同时控制安全风险。 |
外部应用授权 | 连接 GitHub、飞书等外部应用,让 TRAE Work 参与协作流程。 | 创建 PR、检查 PR、读取飞书文档、更新多维表格。 |
云端运行环境 | 为云端任务准备统一、可复现的代码运行环境。 | 云端开发、远程调试、依赖安装、统一语言版本。 |
工作树 | 为不同本地任务创建隔离的 Git 工作目录。 | 并行开发功能、修复紧急问题、避免污染主目录。 |
需要注意:对话流设置仅 TRAE Work 桌面端支持。你可以前往 设置 > 对话流,按需调整。



设置项 | 作用 | 建议 |
|---|---|---|
自动运行 MCP | 开启后,使用智能体时会自动运行 MCP Server 及其内部工具。 | 只在你信任 MCP Server 且明确知道它会访问哪些资源时开启。 |
沙箱运行 | 命令在安全沙箱中自动执行,并受系统权限限制;白名单命令可以绕过沙箱直接执行。 | 新手优先选择,兼顾效率和安全。 |
手动运行 | 命令始终在沙箱外手动运行。 | 适合敏感项目或需要逐条确认命令的任务。 |
自动运行 | 命令始终在沙箱外自动运行。 | 效率最高,但安全风险也更高,建议谨慎开启。 |


通知只对本地任务生效;云端任务可以回到对话中查看进度。
外部应用授权可以让 TRAE Work 连接你日常工作中已经在使用的协作工具。授权后,AI 不再只处理对话框里的内容,还可以在你授权的范围内读取、创建、更新或检查外部应用中的信息。
GitHub 集成适合代码协作场景。完成授权后,你可以在 TRAE Work 中围绕仓库和分支发起任务,让 AI 辅助创建 PR、检查 PR 或分析代码变更。
GitHub 应用仅 Code 模式支持。使用前需要确保 TRAE Work 已切换至 Code 模式。

完成授权后,你可以在任务中选择仓库和分支。AI 完成代码任务后,可以帮助你生成变更摘要、创建 PR,或在已有 PR 中检查代码变更。
飞书集成适合文档、表格、日程、消息、会议等协作场景。连接后,TRAE Work 可根据你的授权范围访问飞书中相应功能。


飞书授权适合把业务资料直接变成 AI 可读取的上下文。例如:让 AI 读取 PRD 后生成开发方案,读取多维表格中的任务记录后更新执行状态,或把会议纪要同步回对应文档。
云端运行环境用于让云端智能体在统一、隔离的环境中分析、执行和调试代码。它适合需要云端开发、远程调试、依赖安装或跨设备保持一致运行环境的场景。
简单理解:你可以提前告诉 TRAE Work,云端任务需要什么语言版本、环境变量、敏感变量,以及启动项目时要执行哪些命令。


配置项 | 作用 | 填写建议 |
|---|---|---|
环境名称 | 用于标识和区分不同开发环境。 | 建议包含项目名、技术栈或用途,例如 React Demo 环境。 |
预装依赖 | 指定云端环境中的语言版本和基础工具链。 | 根据项目实际技术栈选择 Python、Node.js、Go、Rust、Java 等版本。 |
环境变量 | 保存普通运行配置。 | 适合放 DEBUG、LOG_LEVEL、端口号、运行模式等非敏感配置。 |
敏感变量 | 保存 API Key、数据库密码、访问令牌等敏感信息。 | 敏感信息不要放在普通环境变量中。 |
运行方式 | 定义安装脚本、启动脚本和默认命令行。 | 适合配置依赖安装、服务启动、测试监听、类型检查等命令。 |
自定义云端运行环境只能在 Code 模式中使用。
工作树是 Git 的原生机制,可以让同一个代码仓库同时拥有多个独立工作目录。TRAE Work 的工作树功能会为不同任务创建相互隔离的 Git 环境,让每个任务拥有自己的目录、依赖和代码变更。
这对并行任务特别有用:你可以一边开发新功能,一边修复紧急问题,而不需要担心两个任务的代码互相污染。

当 AI 在工作树中完成编码后,你可以把代码合并到主分支或其他目标分支。
代码合并后,对话流底部会出现“代码已合并”相关提示。需要注意:分割线上方对话产生的内容无法回退。
工作树会占用本地磁盘空间。任务完成或代码合并后,建议定期清理不再需要的工作树。
清理时可以选择是否保留工作树分支。如果保留分支,系统只删除本地工作树目录,分支仍会保留。
如果你刚开始使用这些配置,可以按下面的顺序逐步完成,不需要一次性全部配置。
Q1:这些配置都必须设置吗?
不需要。个性化配置是按需使用的。你可以先设置对话流和通知,再根据自己的协作工具、运行环境和任务复杂度逐步补充。
Q2:自动运行是不是越多越好?
不是。自动运行可以提升效率,但也会放大误执行命令、访问资源或触发外部工具的风险。建议从沙箱运行或手动确认开始。
Q3:GitHub 和飞书授权后,TRAE Work 会自动访问所有内容吗?
TRAE Work 会根据你授予的权限范围访问相应能力。实际使用时仍建议按任务需要授权,并定期检查授权状态。
Q4:本地环境已经能跑项目,还需要云端运行环境吗?
不一定。云端运行环境更适合云端任务、远程项目、跨设备开发或需要统一环境的团队场景。如果你只做本地轻量任务,可以先不配置。
Q5:工作树和普通分支有什么区别?
普通分支通常仍在同一个工作目录里切换;工作树会为任务创建独立目录。这样多个任务可以同时存在,互不干扰。
Q6:环境变量和敏感变量怎么选
普通配置放环境变量,敏感信息放敏感变量。环境变量适合存储开关、日志级别、端口等普通配置;敏感变量适合存储 API 密钥、数据库密码、访问令牌等不应明文暴露的信息。
本节课的练习目标:完成一次“最小可用个性化配置”,让 TRAE Work 更适合你的日常任务。
完成标准
你不需要一次性配置所有能力。只要完成 1 项对话流设置、1 个外部应用授权,并理解云端运行环境或工作树中的一个实际使用场景,就已经完成本节课的核心练习。