Trae 安装第三方插件支持本地部署的大语言模型

于 2025-05-02 21:31:29 发布
阅读量238 收藏 4
点赞数 6
分类专栏： LINUX 文章标签： 语言模型 人工智能 自然语言处理 Trae 本地部署
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/engchina/article/details/147672455
版权

Trae 安装第三方插件支持本地部署的大语言模型

0. 引言

字节发布的 Trae IDE 一直不支持本地部署的的大语言模型。

Qwen3 刚刚发布，想在 Trae 中使用本地部署的 Qwen3，我们可以在 Trae 中安装其他插件。

在这里插入图片描述

1. 安装插件

我们可以安装 2 个插件帮助我实现使用本地部署的大语言模型。

Cline

安装 Cline，
在这里插入图片描述
设置本地部署的大语言模型，

在这里插入图片描述

Roo Code

安装 Roo Code，
在这里插入图片描述
设置本地部署的大语言模型，

在这里插入图片描述
完结！

软件测试大模型Agent探索(dify:chatflow+企业微信机器人)
web326的专栏
04-25 36
大模型在测试领域应用提高测试效率。使用本地部署的dify+deepseek大模型，使用dify的本地知识库创建的Chatflow工作流，将生成的测试相关结论同步推送到企业微信群中，是团队对测试相关内容做到实时同步。
VSCode 接入DeepSeek V3大模型，附使用说明
2401_84052244的博客
02-20 6346
由于近期 DeepSeek 使用人数激增，服务器压力较大，官网已，且接口响应也开始不稳定，建议使用第三方部署的 DeepSeek，如或者使用其他模型/插件，如或者一步到位，使用完全体的 AI编辑器(收费，每月$20，2周试用) /(完全免费，字节出品，中文更友好)DeepSeek V3 是一个拥有 6710 亿参数的专家混合（MoE）语言模型。最新评估表明，DeepSeek V3 已经超越了其他开源模型。重点是：国内(不需要工具)，便宜(10块钱大约500万tokens)。
Trae 支持配置 DeepSeek V3 最新版、Cursor + MCP 的冲击丨AI Coding 周刊第 1 期
weixin_42303638的博客
04-01 1010
最新的。
字节跳动Trae国内版上线！AI IDE神器，免费体验Builder模式+Chat模式，开发效率提升300%！
niaonao
03-15 1483
从0到1玩转Trae：手把手教你用AI IDE开发贪吃蛇游戏，小白也能轻松上手！
AI大模型接入实战：概念、方式与代码详解
最新发布
lenyan~的博客
04-28 895
AI大模型是指那些拥有超大规模参数的深度学习模型，它们经过海量数据训练，能够处理多模态数据（如文本、图像、音频等），具备逻辑推理和代码编写等"涌现能力"。这些模型通常拥有数十亿甚至数千亿的参数，能够理解复杂指令并生成高质量的内容。OpenAI：提供GPT-4o（多模态）、GPT-4（文本+图像）、GPT-3.5 Turbo等模型Anthropic：推出Claude 3系列模型Google：开发了Gemini Ultra/Pro/Nano系列Meta：开源了Llama 3和Llama 2模型。
【AI辅助生成文案】Trae、Cursor、Codeflying、VSCode 的对比分析
风迦叶的部落格
02-25 1438
AI生成的对比表
51c大模型~合集81
whaosoft~aiotの开发板商城
11-30 1180
相比之下，本文的方法既能有效地保留主体的核心身份，又能进行多样化的、与上下文相适应的转换。为了创建用于监督扩散自蒸馏训练的成对数据集，研究者利用预训练文本到图像扩散模型的新兴多图像生成功能，生成由 LLM 生成的提示（第 3.1.2 节）所创建的潜在一致的普通图像（第 3.1.1 节）。这是一款专为移动平台量身打造的 MLLM，采用了算法与系统协同设计的创新理念，重新设计了主流 MLLM 的动态分辨率方案，并针对手机硬件特性进行了深度系统优化，从而实现了在手机上高效、流畅地运行 MLLM。
51c大模型~合集87
whaosoft~aiotの开发板商城
12-13 3473
这就像是在 AI 的「大脑」中划分了专门的「思维区域」。本文给出了一个十分有趣的发现：强大的 Mamba 模型与通常被认为性能不佳的线性注意力有着内在的相似性：本文用统一的公式表述了 Mamba 中的核心模块状态空间模型（SSM）和线性注意力，揭示了二者之间的密切联系，并探究了是哪些特殊的属性和设计导致了 Mamba 的成功。AMOR 框架给出了一个优雅的答案：将复杂的 AI 推理过程拆解成可控的「专家模块」，通过有限状态机（FSM）编排它们的协作规则，就像精密的齿轮系统一样，每个部件都完美啮合。
AI IDE三强争霸：深度拆解Windsurf、Cursor、 Trae中文生态「开发者视角」
大F子的智能小课
03-09 740
技术维度核心AI引擎GPT-4 Turbo + 自研增量训练框架Claude 3.5 + GPT-4o 动态混合调度Claude 3.5 Sonnet 定制版上下文窗口128k tokens（支持跨文件索引）64k tokens（中文压缩优化）32k tokens（扩展至100k需Pro版）微调能力私有数据LoRA微调（需企业版）领域适配器（医疗/金融预训练包）仅支持提示词工程优化推理加速vLLM 动态批处理 + 量化推理TensorRT-LLM 8bit量化。
让AI写代码？AI IDE 三强争霸：深度拆解 Windsurf、Cursor、Trae 中文生态（开发者视角）
大F子的智能小课
04-14 1130
​Windsurf：学霸班课代表，适合大型复杂项目，但学习成本高Trae：中文特色班，接地气功能多，特别适合国内项目Cursor：兴趣班优等生，轻量快捷但能力上限明显。
DeepSeek掘金——VSCode 接入DeepSeek V3大模型，附使用说明
02-16 5578
由于近期 DeepSeek 使用人数激增，服务器压力较大，官网已，且接口响应也开始不稳定，建议使用第三方部署的 DeepSeek，如或者使用其他模型/插件，如或者一步到位，使用完全体的 AI编辑器(收费，每月$20，2周试用) /(完全免费，字节出品，中文更友好)DeepSeek V3 是一个拥有 6710 亿参数的专家混合（MoE）语言模型。最新评估表明，DeepSeek V3 已经超越了其他开源模型。重点是：国内(不需要工具)，便宜(10块钱大约500万tokens)。
Ollama 可以在 Windows 上运行了
热门推荐
engchina的专栏
02-16 2万+
Ollama 可以在 Windows 上运行了
HuggingFace 简介
engchina的专栏
09-03 2万+
HuggingFace 简介
Ollama 可以设置的环境变量
engchina的专栏
05-12 1万+
Ollama 可以设置的环境变量
Linux firewall-cmd开放和关闭端口
engchina的专栏
07-28 1万+
原文：https://www.k8scloud.site/2019/07/28/linux-firewall-cmd%E5%BC%80%E6%94%BE%E5%92%8C%E5%85%B3%E9%97%AD%E7%AB%AF%E5%8F%A3/ 以80端口为例，开放80端口 firewall-cmd --add-port=80/tcp --permanent firewall-cmd --r...
本地部署 CodeLlama 并在 VSCode 中使用 CodeLlama
engchina的专栏
08-27 1万+
本地部署 CodeLlama 并在 VSCode 中使用 CodeLlama
使用vLLM部署Qwen2.5-VL-7B-Instruct模型的详细指南
engchina的专栏
02-05 1万+
使用vLLM部署Qwen2.5-VL-7B-Instruct模型的详细指南
本地部署 Meta Llama3-8b 和 Llama3-70b
engchina的专栏
04-19 1万+
本地部署 Meta Llama3-8b 和 Llama3-70b
Ollama 运行 Embedding 模型
engchina的专栏
05-20 1万+
Ollama 运行 Embedding 模型
trae安装插件
04-03
### 如何在T Rae中安装插件 目前，关于T Rae的具体插件安装流程并未直接提及于所提供的引用内容中。然而，可以从其他相关内容推断出一些可能适用的原则和技术背景。 #### 已知技术背景 大型语言模型（LLMs）的插件功能通常依赖于特定框架的支持以及对齐训练的效果[^4]。例如，在某些情况下，插件的功能可以通过零样本学习能力自然涌现出来，而无需额外的数据标注或显式的工具使用指导[^1]。这表明，即使没有专门针对某一具体任务进行调整，经过良好对齐的大规模预训练模型也可能具备执行复杂任务的能力。 对于实际应用层面而言，如果要实现类似于OpenAI所描述的那种能够自发产生新技能的学习机制，则往往需要经历如下几个阶段之一：首先是基于大量高质量样例基础上完成指令微调工作[^2]；其次是探索不同形式的距离度量算法来优化路径规划等相关计算过程[^3]——尽管后者看起来更偏向地理信息系统领域而非通用意义上的软件开发环境配置向导文档编写范畴之内。 因此，在缺乏官方说明的情况下尝试自行搭建支持外部扩展程序加载运行环境时，请务必注意以下几点： - **确认目标平台版本兼容性** 确保当前使用的T Rae版本确实允许第三方模块接入，并查阅相应开发者手册获取必要的API接口定义细节信息。 - **遵循安全规范** 任何新增组件都可能存在潜在风险因素，所以在引入之前应当仔细评估其可信程度并通过沙盒隔离等方式加以防护以免造成不必要的损害。 以下是假设性的Python脚本片段用于模拟简单的包管理器行为模式作为参考示例： ```python import os from urllib.request import urlretrieve def install_plugin(plugin_name, plugin_url): try: print(f"正在下载 {plugin_name}...") local_filename, _ = urlretrieve(plugin_url) # 假设这里有一个函数可以验证文件签名 verify_signature(local_filename) installation_path = f"/path/to/t-rae/plugins/{plugin_name}" if not os.path.exists(installation_path): os.makedirs(installation_path) new_file_location = os.path.join(installation_path, os.path.basename(plugin_url)) os.rename(local_filename, new_file_location) print(f"{plugin_name} 安装成功！") except Exception as e: print(f"发生错误: {str(e)}") # 调用示例 install_plugin('example-plugin', 'http://example.com/downloads/example-plugin.tar.gz') ``` 上述代码仅为示意用途，真实场景下还需要考虑更多边界条件处理逻辑等内容。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值