在上一篇对比中，我们从直观感受和技术架构角度审视了四大AI编程IDE。但说实话，那些都只是表面功夫——真正的考验在于**实战能力**。
作为一名在视频技术、后端架构领域深耕十余年的开发者，我深知：再炫酷的功能，不如能跑起来的代码。所以今天，我要来点硬核的——让这三大AI IDE从零开始构建一个完整的C++桌面录屏程序。
国内四大AI编程IDE对比（二）：从零构建桌面应用实测（补上Trae）
前言
在上一篇对比中，我们从直观感受和技术架构角度审视了四大AI编程IDE。但说实话，那些都只是表面功夫——真正的考验在于实战能力。
作为一名在视频技术、后端架构领域深耕十余年的开发者，我深知：再炫酷的功能，不如能跑起来的代码。所以今天，我要来点硬核的——让这三大AI IDE从零开始构建一个完整的C++桌面录屏程序。
为什么选C++？因为难度高、依赖少，而且我太熟悉了，能精准判断它们的表现。
测试规则很简单：
- 每个IDE独立创建目录
- 统一要求："开始前先阅读仓库根目录PRJ.md，后续所有实现都以它为准"
- 看谁能最快生成可运行的项目
废话不多说，上硬菜。
一、百度Comate：老牌AI的"翻车"现场
1.1 对需求的理解
百度做人工智能很多年了，文心大模型算得上是国内第一批对话模型（这个说法有待考证，但确实资历够老）。按说应该实力雄厚。
输入要求后，Comate给出了项目理解，看起来还算靠谱。
1.2 代码生成阶段
Comate很快就完成了代码生成，告诉我可以构建了。我看了一下目录结构，第一反应就有点懵：
问题一：怎么只有一个cpp文件？ 其他的只有头文件，这是完整项目吗？
问题二：.rc资源文件竟然没有对话框资源描述，只有一个菜单和字符串。
不过，Comate有个我挺喜欢的功能——每个函数上方都有快捷按键，可以直接调用AI辅助编程。这一点其他两家暂时没发现。
好吧，继续编译看看。
1.3 编译阶段的灾难
果然，它发现了没有源文件。接下来等待创建完成，然后开始编译——噩梦开始了。
Comate发现语法错误，但它完全没有理解到问题本质（缺少头文件引用），反而误判为"文件编码错误"，就开始删除文件、重新生成。
更离谱的是，再次编译时出现了读取报错行数的bug，然后陷入了一个死循环：
编译报错 → 删除文件 → 重新生成 → 再次报错 → 再次删除
我不得不人工提醒它加上头文件。
1.4 运行失败的挣扎
在我的辅助下，终于成功编译了。但是——程序无法运行，没有对话框，启动后立刻退出。
因为到这时，它依然没有在资源文件中填写对话框资源。
在我反复三次告知"启动失败"后，它终于发现了这个问题。
资源有了，继续编译。Comate又花了大量时间调试log——关键是它自己删掉了log文件，却自己不知道，然后发现构建失败，却始终没能解决log问题。
我不得不启动Visual Studio，手动帮它解决了这个问题。
1.5 最后的挣扎
之后Comate一直尝试解决"没有对话框界面"的问题，想通过创建消息框来验证。这个思路是好的，但可惜又陷入了编译问题，多次都无法解决。
到这里已经一个半小时了。我只能停下——毕竟只是测试，不能花大量时间帮AI解决编译问题吧。
二、阿里通义灵码：千问加持下的"幻觉"
2.1 对需求的理解
通义灵码是阿里云基于通义代码大模型开发的智能编码助手，有千问加持，理论上应该还不错。
输入要求后，Lingma给出了项目理解，感觉差不多，还贴心地生成了一个待办列表。
2.2 生成阶段的"次数过多"警告
但是生成没多久，Lingma就弹出提示："使用次数过多"。
我迷惑了——现在都是IDE在自动执行啊，顶多5分钟，这就次数过多了？
2.3 编译阶段的乱码和错误
生成完成后的结构如下：
相比Comate，Lingma合理一点：至少每个类都有cpp文件。但高兴没多久，终端执行编译脚本时出现了中文乱码。
接下来和Comate一样，出现了编译语法错误。这次不是头文件包含问题，而是和系统定义冲突了。
但它依然没有能力发现这一点，我只能手动给它重命名。
2.4 资源文件和AI幻觉
然后我发现Lingma对资源文件的生成上同样没有写入对话框资源。
接下来，Lingma进入了自己的"幻觉阶段"——它告诉我编译好了，生成了可执行文件。
可是输出目标目录下，根本没有任何东西。这就是AI幻觉么？
接着又是枯燥的编译错误，甚至出现了定义了std::wstring宽字符串却赋值给std::string的低级错误。
最后经过我手动修复，终于成功编译了exe文件。然而，同样无法使用——没有界面。
到此我的测试结束了。
三、腾讯CodeBuddy：相对表现最好的选手
3.1 对需求的理解
CodeBuddy是腾讯云推出的AI代码助手。最近还更新了，据说90%代码由CodeBuddy自己生成，能力比肩Claude Code。而且CodeBuddy还有国际版，整合了GPT-5、Gemini等AI模型。
输入要求后，CodeBuddy给出了项目理解，比较简洁，而且生成了任务清单。
这一点体验比较好——后面我使用CodeBuddy的时候，它经常会对我提出的要求制作清单，然后按照清单逐项完成。
3.2 改动计划
这是它生成的改动计划，逻辑清晰，步骤明确。
3.3 代码生成结构
代码生成完成后的目录结构：
我第一眼觉得：怎么这么少？好像缺乏核心的编码模块。不过有可能它是要分步完成。
但有一个惊喜：CodeBuddy生成的资源文件有界面对话框的描述！这在Comate和Lingma里都没有。这是个好现象，到目前位置，这个IDE感觉比百度Comate和阿里Lingma专业一点。
3.4 逐步补全的过程
接下来就是它逐步补全代码的过程，从界面交互上看，体验是比较好的：
3.5 同样无法运行的结局
然而，CodeBuddy也开始进入"解决exe运行不起来、没有界面"的阶段。反复修改都始终定位不到关键问题点。
经过我的提示，才发现是MFC没有正确初始化的问题。然后是和另外两家同样的问题：MFC程序的入口函数问题。
它花了大约十几分钟反复解决这个问题，都没有进展。我放弃了，结束测试。
补充：以上codeBuddy模型我是手动选择了kimi-k2-thingk，后来我把codebuddy的模型切换成了deepseek，然后重新测试了一遍，这是在deepseek下IDE对项目的认知：
这次不知道为什么，没有生成任务清单，直接就开始生成了编译了。然后我又测试了20多分钟吧，它又陷入了修正MFC资源文件和编译错误中，感觉切换模型并没有什么明显的提高。
四、字节跳动Trae：Solo模式创造奇迹
本来以为测试到此为止了，但想起字节跳动的Trae还没试过。抱着"多一个参考"的心态，我也把它加进来了。
4.1 IDE模式下的表现
Trae的模型选择默认是Auto模式，这倒省心。
首先是对md文件的理解，和其他几家差不多，就不贴图了。Trae也有类似的任务清单机制：
不过Trae对于程序界面采用了和其他三家AI不同的策略：不用MFC对话框，而是用MFC窗口。
没过多久，代码也生成完毕了：
使用过程中，也会弹出"模型思考次数达到上限"的提示：
接下来就是编译和解决问题的过程。意外的是——很快，Trae也陷入了死循环：不停删除文件→创建文件→发现错误→删除文件。
于是我直接结束了IDE模式的测试。
4.2 Solo模式的意外发现
不过Trae还有一个Solo模式，看着界面很不一样，我抱着"试一试"的心态点进去——结果给了我意外的惊喜：
Solo模式的布局完全不同：编辑区在右侧，左侧是任务区（看来支持多个任务同时运行），中间是AI思考和对话区域。
让它阅读文档后开始执行，刚开始也是跟IDE模式同样的过程。但这次生成的代码是分开了头文件和源文件：
中间也还是有编译问题，但这次我并没有手动帮它指出错误。它自己循环了几次之后解决了问题，然后生成了exe可执行文件。
但是运行还是没有界面。我想着可能也就到此为止了——其他几个最多也就到这个程度，准备结束了。
不过我发现，它自己在检查程序是否出现了界面：
于是我等了一会儿，继续和它交互。经过几轮之后，它还真的解决了界面的问题：
虽然说是DOS风格吧，但最起码——这也是这几个国产AI IDE的纪录了：终于有个IDE能完成最初的目标了！
4.3 自动化测试的震撼
当然，测试了一下，还是不能正常录制。我继续给它反馈。反馈了几回后，Trae开始自己做自动化测试了：
这下好了——我不用管了。它自己想办法打印日志，然后自己读日志，再去修改代码，再次测试。
最终用时接近2个小时，它解决了问题，现在终于有个IDE可以完整实现最初的目标了。
说实话，这种AI自动化测试能力，我之前只在Python、Web项目开发中见过，没想到对C++桌面应用也可以。这确实让我开了眼界。
不过话说，现在用着是免费的，等将来收费了，这种模式这额度不得一天就给干没了？
五、总结与反思
5.1 四家表现对比
| 维度 | 百度Comate | 阿里通义灵码 | 腾讯CodeBuddy | 字节Trae（Solo模式） |
|---|---|---|---|---|
| 需求理解 | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
| 代码结构 | ⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
| 资源文件 | ⭐⭐ | ⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ |
| 编译能力 | ⭐ | ⭐ | ⭐⭐ | ⭐⭐⭐ |
| 错误定位 | ⭐ | ⭐ | ⭐⭐ | ⭐⭐⭐⭐ |
| 最终完成度 | ❌ | ❌ | ❌ | ✅ |
| 整体体验 | ⭐⭐ | ⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐ |
5.2 共性问题分析
四款IDE都暴露了一些共同问题：
- 编译配置薄弱：都不擅长处理C++的复杂编译配置
- 资源文件缺失：除了CodeBuddy略有改进，其他都未能正确生成对话框资源
- 错误定位不准：无法精准定位编译错误的根本原因（除了Trae Solo模式）
- 存在AI幻觉：会告诉用户"编译成功"但实际并没有生成文件
- 陷入死循环：遇到问题时容易陷入重复错误的循环
5.3 我的判断
坦率地说，前三家IDE都没能完成这次从零构建的挑战。它们都理解了需求，都生成了代码，都有完整功能，但在编译、头文件包含、MFC入口函数、工程设置上频繁出错。
但字节Trae的Solo模式给了我一个惊喜：
- 它通过自主调试、自动化测试，最终解决了所有问题
- 虽然花了近2小时，但这是唯一成功完成项目的AI IDE
- 它的自动化测试能力，让我看到了AI编程的未来可能
如果给这四家排个序：
- 字节Trae（Solo模式）：唯一完成任务，自动化测试能力惊艳
- 腾讯CodeBuddy：任务清单机制优秀，但未能完成最终目标
- 百度Comate：函数快捷按键创新，但编译阶段灾难级
- 阿里通义灵码：AI幻觉明显，体验最差
5.4 给开发者的建议
这次测试让我对AI编程IDE有了更清醒的认识：
- Solo模式值得关注：字节Trae的Solo模式展现了AI自主编程的可能性
- 自动化测试是关键：AI能否自己写测试、自己跑测试，决定了它能否解决复杂问题
- 不要指望"一键完成"：至少现阶段，这些AI IDE仍需开发者深度参与
- C++支持有待提升：复杂的项目配置，AI IDE还很吃力
- 选择适合的场景：Python、Web项目可能比C++更适合AI辅助开发
下一篇预告： 我会测试"现有工程重构能力"，看看这些AI IDE能否理解并重构一个真实的项目代码。
作者简介： 10年+视频技术、后端架构、AI应用开发经验，曾任某互联网大厂技术专家。对AI编程工具、云原生架构、视频处理技术有深入研究。
合作请加WX：hbstream
（http://haibindev.cnblogs.com），转载请注明作者和出处
浙公网安备 33010602011771号