Trae Work 是字节跳动推出的 AI 办公平台，支持自动生成 PPT、数据分析、深度调研、文档撰写、代码开发等多种工作场景。并支持在 Work、Code、Design 模式一键切换以及桌面端、移动端与网页端多端协同。

与传统只面向开发者的工具不同，Trae Work 更像一个 AI 原生工作台：

桌面端、移动端和网页端可以实时同步任务进度；

手机可以向云端或多台电脑下发任务；

产品经理、产品运营、数据分析师、设计人员和开发工程师都可以参与同一个任务；

AI 可以连续完成调研、规划、实现、验证和交付，而不只是生成一段代码。

火山引擎 Supabase，是提供 AI+Agent+Application 应用开发能力的一站式全能底座。覆盖前后端全场景，含数据、认证、函数、存储、前端部署等全栈能力，开箱即用免运维，助力产品快速迭代上线。目前已被各业界知名 AI 平台使用。

本文以“Trae Work × 火山引擎 Supabase”这一组合为例，介绍如何在 Trae Work 中完成一个真实的前后端一体应用。重点是如何利用 Trae Work 的任务协作能力，把需求、数据、后端、前端和验证串成一条完整工作流。

一、组合价值

应用通常不是缺少创意，而是创意落地时需要同时处理太多基础工作：

梳理需求和用户流程；

设计数据模型；

搭建认证与权限；

编写数据库接口；

部署后端服务；

生成前端页面；

联调和验证；

整理产品文档和交付材料。

Trae Work 和火山引擎 Supabase 分别解决不同问题。

Trae Work：统一工作台

Trae Work 负责把自然语言需求转化为可执行的工作任务。你可以在 Work 模式中描述目标，让 AI 拆解任务、生成计划、推进执行并汇总结果；需要修改代码时切换到 Code 模式，需要处理页面和视觉方案时切换到 Design 模式。

Trae Work 适合承接完整工作流，而不只是编写代码：

将会议结论整理成产品需求；

根据需求生成数据模型和接口方案；

安排多个开发任务；

在手机端查看任务进度；

让云端或指定电脑继续执行任务；

汇总测试结果和交付说明。

火山引擎 Supabase：数据和后端底座

火山引擎 Supabase 提供开箱即用的 BaaS 能力，包括：

PostgreSQL 数据库；

用户认证；

数据 API；

对象存储；

Edge Functions;

数据库扩展和 SQL 操作；

面向 AI 应用的后端管理能力。

开发者不需要先搭建完整的服务器、认证服务和对象存储，就可以让应用拥有真实的数据闭环。

组合效果

两者结合后，工作流变成：

简单来说：

二、准备工作

使用 Trae Work

打开 Trae Work，进入一个工作空间。你可以从桌面端、移动端或网页端进入同一个工作空间，后续任务状态和执行进度会在三端同步。

Trae Work 中可以通过 Work、Code、Design 模式协同完成任务：

Work 模式：拆解需求、制定计划、调度任务、汇总结果；

Code 模式：生成和修改前后端代码；

Design 模式：设计页面结构、视觉风格和交互方案。

本文重点使用 Work 模式组织工作，不把 Trae Work 当作传统 IDE 使用。

使用火山 Supabase 插件

登录 Trae Work，找到插件市场，搜索「火山引擎 Supabase」，就能找到火山引擎 Supabase 插件。

点击安装，新建任务后就可以看到火山引擎 Supabase 插件被安装。

使用时，通过「@火山引擎 Supabase 版」进行使用。

三、动手实践：亲自从 0 到 1 构建一个多人游戏应用

很多 AI 开发工具的演示，往往停留在“生成一个页面”或“跑通一个接口”的层面。但在真实业务环境中，应用开发并不是单点能力的展示，而是一套完整的工程交付流程。

一个可用于实际验证的应用，至少需要同时满足以下要求：

后端服务能够稳定搭建；

数据模型能够支撑业务逻辑；

权限策略能够保障数据安全；

前端页面能够完成真实交互；

核心逻辑能够在服务端可靠执行；

应用能够部署到线上环境；

测试过程能够覆盖多用户、多状态、多角色场景。

因此，本节将演示如何通过 Trae Work + 火山 Supabase 插件，从 0 到 1 完成一个可登录、可组局、可开局、可接入 AI 玩家、可线上测试的完整应用交付流程。

整个过程中，开发者可以在 Trae Work 中完成需求规划、技术设计、代码实现、部署验证和交付报告生成，充分体现从“创意想法”到“可运行应用”的一站式落地能力。

登录账户

在开始实践前，需要先完成火山引擎 Supabase 控制台的登录与授权。在 Trae Work 的 AI 对话中，可以直接提出：

随后登录火山引擎账户。完成登录后，Trae Work 即可在自然语言任务中调用火山 Supabase Plugin 的相关能力，包括数据库、认证、实时能力、Edge Functions 和应用部署等。

场景设定

在实际业务场景中，企业更关注的是：AI 能不能作为开发协同伙伴，帮助团队完成一个可运行、可测试、可部署、可扩展的应用交付闭环。

为此，选择了一个具备较高复杂度的实战场景：在线 6 人狼人杀游戏。通过这个案例，我们希望展示出：Trae Work + 火山 Supabase 插件如何帮助开发者以一站式方式完成从应用构想到线上交付的全过程。

相较于 Todo List 或单页面应用，狼人杀应用涉及：

多用户注册与登录认证；

房间创建、加入与成员管理；

多端实时状态同步；

角色随机分配与身份信息隔离；

黑夜、白天、发言、投票等复杂状态流转；

不同用户基于身份与阶段看到不同数据；

对抗性场景下的防作弊与权限控制；

AI 玩家自动决策与大模型能力接入；

前端交互体验持续优化；

线上部署、多用户验证与后续迭代。

因此，一个在线狼人杀应用，能够较完整地覆盖企业应用开发中的关键链路：后端搭建、前端开发、权限设计、实时协同、AI 接入、部署发布与多用户验证。

交付计划

在正式开发之前，首先让 TRAE Work 为该应用制定从 0 到 1 的完整交付计划，并明确提出了技术要求：

这一步很关键。因为它决定了后续项目不是简单地“让 AI 生成代码”，而是围绕一套明确的工程交付计划逐步推进。换句话说，Trae Work 在此处承担的不只是代码助手角色，而是先从技术负责人的视角，对应用架构、开发顺序、关键风险和交付节点进行规划。

在交付计划中可以看到完整的设计信息，包括：部署拓扑、技术选型、数据表设计，RLS 策略，Realtime 通道设计，Edge Functions 设计、 IGA Pages 部署方案等。

部署拓扑

技术选型

数据表设计

RLS 策略

Realtime 通道设计

Edge Functions 设计

IGA Pages 部署方案

执行计划

拿到完整交付计划后，我并没有让 TRAE Work 立即开始开发。对于一个包含前端、后端、数据库、权限、实时通信、AI 调用和线上部署的应用来说，如果直接让 Agent “按照计划开始实现”，它很容易一次性推进多个阶段，导致基础设施、业务系统、核心引擎和部署动作混在一起，不利于过程控制和结果验收。

因此，我进一步要求 TRAE Work “ 根据制定的交付计划生成执行计划分阶段实现。“ 基于前面“1 个真人玩家 + 5 个 AI 玩家”的狼人杀应用交付计划，先不要写代码，先输出分阶段执行计划。”

这样做的目的，是把 AI 执行从“自动完成任务”转变为“按阶段交付、按节点验收”的工程化流程。

在 TRAE Work 输出分阶段执行计划后，后续执行就不再使用一个大而全的 Prompt，而是改为按阶段推进。

每次只让 Agent 执行当前阶段，并明确要求它在阶段完成后停止，等待人工确认。确认通过后，再进入下一阶段。

这种方式可以避免 Agent 自动扩大执行范围，也便于在每个关键节点检查数据库、权限、函数、前端和部署结果。

基础设施

让 TRAE Work 进入第一个阶段：基础设施构建。这一阶段的目标不是马上实现完整游戏，也不是立即部署上线，而是先把应用运行所需的后端底座搭建好。

这阶段主要包括几部分：

完成基础设施搭建后，下一步便是实现用户、房间和玩家体系，为后续游戏引擎提供基础承载对象。

系统开发

系统开发阶段，让 Trae Work “ 开始实现在线狼人杀的基础业务流” 。这一阶段的核心目标，是让应用从“后端结构”进入“可操作产品”的状态。

用户可以通过 Auth 登录，登录后进入游戏页面。房主可以创建房间，其他玩家可以加入房间。所有玩家准备之后，由房主点击开始游戏。

这一流程看似简单，但它是后续所有游戏逻辑的入口。因为狼人杀的每一个动作，都依赖于这些基础状态判断：

当前房间由谁创建；

当前用户是否为房主；

玩家是否已经加入房间；

玩家是否已经准备；

房间人数是否满足开局条件；

当前用户是否有权限开始游戏。

这些判断不能仅依赖前端控制。前端可以负责按钮展示和交互引导，但真正的业务校验必须在服务端完成。否则，用户可能通过浏览器控制台或伪造请求绕过前端限制，直接修改关键状态。

因此，在该阶段，Trae Work 将关键操作逐步收敛到 Edge Functions 中处理，而不是让客户端直接修改数据库。这也为后续游戏核心引擎的安全执行打下了基础。

当用户、房间和玩家系统能够正常运行后，应用才具备进入核心游戏逻辑开发的条件。

核心引擎

狼人杀最核心的不是页面，而是游戏状态机。一个 6 人文字版狼人杀，至少需要支持这些流程：

房主开局

系统随机分配角色

进入黑夜

狼人行动

预言家查验

女巫行动

天亮公布结果

白天讨论

玩家投票

放逐结算

判断胜负

进入下一轮

因此，Trae Work 在核心引擎阶段重点设计了游戏状态机，将狼人杀的核心规则收敛在服务端统一执行。这一设计有两个重要价值。

第一，保障游戏流程的完整性。

客户端不能直接修改当前游戏阶段，也不能自行写入玩家死亡、胜负结果等关键状态。所有状态流转必须由服务端根据规则判断后统一推进。

第二，降低作弊风险。

狼人杀属于对抗性场景，如果关键状态由客户端直接写入，就可能出现恶意篡改角色、重复投票、跨阶段行动等风险。

界面打磨

在界面打磨阶段，Trae Work 开始补齐玩家能够直接感知的交互体验。

例如：登录页面、房间页面、玩家列表、准备状态、房主操作按钮、当前游戏阶段提示、角色信息展示、行动按钮、游戏日志、发言面板。

狼人杀应用的前端界面并不需要追求复杂视觉效果，但必须保证信息结构清晰、状态反馈明确、操作权限准确。

这些界面展示背后依赖的是前面设计好的 RLS 策略和 Edge Functions 校验。前端并不是独立判断所有逻辑，而是基于服务端返回的“当前用户可见状态”进行展示。

界面完成后，项目进入真实多人测试阶段。对于多人应用而言，只有在多个账号、多个窗口同时操作时，才能暴露出单用户本地调试难以发现的问题。

测试部署

在测试阶段，测试了用户注册，用户登录，创建房间，加入房间，玩家列表等功能。

线上部署

在本地测试可以跑通后，下一步是通过 IGA Pages 应用部署到线上环境。Trae Work 随后完成了线上部署，并返回了一个可以直接访问的游戏链接。

到这里，应用从本地开发态进入了线上验证态。

这一步看起来只是“拿到一个链接”，但它背后的意义很大。因为对一个应用来说，本地能跑只是第一步。真正能分享、能测试、能交付，必须要完成线上部署。

交付报告

让 Trae Work 在 Work 模式中生成测试报告：

交付报告的价值在于，它可以将一次 AI 协同开发过程沉淀为结构化文档，便于后续团队评审、项目复盘、能力展示和迭代规划。

对于企业场景而言，这一步同样重要。

因为应用交付不仅是“功能完成”，还需要形成可审查、可复用、可传递的工程资产

最终成品

四、安全边界

TRAE Work 可以显著提升任务推进效率，但在涉及真实数据、线上资源和企业系统时，仍然需要建立清晰的安全边界。

在实践过程中，建议遵循以下原则：

不要将 Access Key、Secret Key、JWT、Cookie、数据库密码等敏感信息写入对话；

不要将 service role key 放入前端代码；

删除表、删除数据、部署函数、修改权限策略前，应先确认目标资源和影响范围；

不要将测试数据写入生产 workspace；

让 AI 先展示 SQL、部署目标和影响范围，再执行写操作；

对外分享截图或报告前，检查项目名、workspace ID、域名、请求信息等是否需要脱敏；

在文档和示例中使用 placeholder 替代真实资源名称；

对用户数据启用 RLS，并基于实际访问模型设计 policy；

对关键函数、权限策略和数据结构变更保留审计与复盘记录。

这些边界并不是为了限制 AI 的使用，而是为了确保 AI 协同开发能够在可控、可审计、可治理的框架下进行。

对于企业级应用开发而言，效率提升必须与安全治理同步推进。

五、文章结语

通过本次实践可以看到，TRAE Work 让 AI 应用开发从“写代码”进一步扩展为“组织并完成工作”。

产品人员可以用自然语言描述目标，开发人员可以审查实现路径，设计人员可以持续完善交互体验，测试人员可以验证功能结果，所有任务都可以在 Work、Code、Design 模式，以及桌面端、移动端、网页端之间持续推进。

火山引擎 Supabase 则为这一过程提供了稳定的数据与后端基础设施。数据库、认证、存储、Realtime、Edge Functions 和权限策略由 Supabase 承载，TRAE Work 则负责将需求持续推进为可验证、可交付的应用结果。

当任务规划、AI 执行能力和云端数据引擎连接起来，一个创意应用就不再只是孤立 Demo，而是可以演进为一条持续协作、持续验证、持续迭代的工程化工作流。

这也是 TRAE Work + 火山 Supabase Plugin 的核心价值所在：

以自然语言驱动应用开发，

以云端后端支撑应用运行，

以 AI 协同完成持续交付。

AI 原生 BaaS 平台 Supabase 版