人类软件开发方式正经历着快速变革。从初始的代码补全，到提供单次问答服务的智能助手，再到具备自主规划与执行能力的Coding Agent，AI辅助编程推动着开发模式发生革命性转变。

伴随大模型迭代速率的提升，Coding Agent产品层出不穷，效果、成本与体验依旧是最为核心的竞争力。在瞬息万变的发展态势下，传统架构及研发流程与AI驱动的新范式发生融合与碰撞。怎样在兼顾效果与成本的基础下，为用户提供最佳的研发体验，是所有Coding Agent产品必须解决的问题。

本次分享将聚焦于Trae Agent的核心设计理念、工程架构优化以及提升研发效率的实践经验。借助具体案例展示，呈现智能助手如何在代码理解、生成和优化等场景中提供有效支持，探讨AI原生应用的研发范式变革以及对未来的展望。

演讲提纲：

1. AI Coding领域的发展趋势
   • 大模型带来的机遇与挑战
   • AI Coding产品的发展与变革
2. Coding Agent技术架构与核心能力
   • Agent架构设计
   • IDE系统集成
   • AI后端工程链路
3. 构筑Coding Agent的核心竞争力，绕不开的三座大山
   • 效果：上下文感知、Prompt设计与调优、代码理解、记忆管理、toolcall优化......
   • 成本：上下文裁剪、Prompt Caching、混合模型、流量调度......
   • 体验：IDE性能优化、模型稳定性保障、端到端体验优化......
4. 从Coding Agent看AI Native应用的研发范式变革
   • 敏捷的PE迭代能力
   • 完善的自动化评测机制
   • 构建数据驱动的飞轮
5. 打造可扩展的生态体系，为研发流程插上翅膀
   • 自定义Agent与MCP集成
   • 内部案例分享
6. 总结与展望

听众收益：

• 了解大语言模型在研发领域的应用，和市面上主流的产品趋势
• 系统理解大模型在实际工程化落地中的挑战与解决路径
• 洞察AI原生应用的研发方式变化，以及未来的技术趋势