Trae Agent 离线模式不联网也能跑通 Agent 的三步教程【免费下载链接】trae-agentTrae Agent is an LLM-based agent for general purpose software engineering tasks.项目地址: https://gitcode.com/gh_mirrors/tr/trae-agent公司内网与外网完全隔离但你当天就得在机器上修完一个 bug。这个教程就以这个场景为例带你走通 Trae Agent 离线模式用 Ollama 接入本机模型让 agent 全程无网络请求地完成开发任务。️这套方案能做什么这一节回答什么时候该用这套方案什么时候别硬用。能做什么把 Trae Agent 接到本机模型上。它通过 ollama_client.py 与本机 11434 端口的 Ollama 服务通信请求不出机器。工具调用全部本地执行bash 执行命令、编辑文件、修改 JSON、用 task_done 收尾。工具细节见 docs/tools.md。代码和提示词都不外发适合对代码隐私敏感的项目。适合谁内网隔离环境、出差途中、偏远地区等断网场景不想把敏感项目交给云端 API 的开发者不适合谁多步推理、大规模重构本地中小模型的能力上限明显低于云端的旗舰模型需要 MCP让 agent 连接外部服务的工具协议调用外部资源的任务对一次成功率要求极高的生产流程先认清边界再动手能省掉后面大量的调参时间。从零跑通三步实操这一节回答如何从零走到第一个离线任务并且每一步都能验证。好处先说三步都在终端完成做完即闭环全程不需要外网。第一步装好项目本体好处一次装齐依赖后续不用再手动解决导入报错。git clone https://gitcode.com/gh_mirrors/tr/trae-agent cd trae-agent uv sync --all-extras source .venv/bin/activate验证执行trae-cli show-config。能打印出默认配置且不报错说明环境就绪。第二步把模型服务跑在本机好处模型下载一次即可之后推理完全不依赖互联网。Ollama 是一个本地模型管理工具负责下载模型并对外暴露本地 API。没装过就先按官网说明安装有一键脚本然后拉模型、起服务ollama pull qwen3 ollama serve验证再开一个终端执行ollama list能看到 qwen3 就说明模型就位ollama serve保持运行默认监听 11434 端口。第三步写离线配置跑第一个任务好处配置写一次之后所有离线任务直接复用不用重复传参数。把 trae_config.yaml.example 复制为trae_config.yaml只改与模型相关的字段model_providers: ollama: api_key: ollama provider: ollama base_url: http://localhost:11434/v1 models: offline_model: model_provider: ollama model: qwen3两个注意点api_key填ollama是 Ollama 约定的占位值不是真实密钥。如果不用 Lakeview每步生成一句话进度摘要的功能把 agents 段里的enable_lakeview设为 false省得为它再配一个模型。然后对任意目录跑一个真实任务trae-cli run 写一个 Python 脚本输出前 10 个斐波那契数 --working-dir ~/demo验证输出里能看到 agent 调用编辑和 bash 工具最后以 Task done 收尾trajectories/目录下多了一个执行轨迹文件记录每一步动作的 JSON闭环成立。跑通后的自检清单这一节回答它真的跑通了还是某个环节悄悄断了。trae-cli show-config显示的 provider 是 ollama模型名与配置一致ollama list有对应模型且ollama serve进程还在一个真实任务完整跑完日志里没有连接超时、DNS 解析失败等网络报错trajectories/ 下生成了轨迹文件里面能看到工具调用和模型回复可对照 docs/TRAJECTORY_RECORDING.md 解读配置里只启用了本地工具没有挂任何需要外网的服务五条都打勾才可以把真实任务交给它。典型工作场景这一节回答跑通之后哪些活儿值得放进来做。内网隔离环境的应急修复背景客户现场的测试机连不上外网线上模块抛异常需要当场修。做法--working-dir指向项目根目录用trae-cli run下达一句话任务例如修复 utils.py 的空指针并补一个最小复现测试。预期结果agent 用编辑工具读改代码、用 bash 跑测试验证后收尾全程零外网流量。出差途中的持续重构背景高铁上改代码信号时断时续云端 API 一断线就报错。做法trae-cli interactive用本地模型开交互模式需求逐条说agent 逐条改。预期结果体验接近在线版到站恢复网络后用命令行参数切回云端模型即可。新仓库批量补测试背景新接手仓库没有文档和测试想先把单元测试补齐。做法任务写成为 utils 模块写单元测试并保证全部通过加--trajectory-file保存本次执行记录。预期结果测试文件生成并在本机跑通结果不满意时看轨迹文件里哪一步偏了改措辞重跑。资源与性能的取舍这一节回答模型怎么选参数怎么定。选项资源消耗能力什么时候选4B 以下小模型内存轻、响应快简单脚本、局部小改动机器配置低任务重复且简单7B~14B 中型模型内存中等覆盖大多数日常开发任务默认选择建议 16GB 内存起步30B 以上大模型内存高无 GPU 时很慢多步推理、较大范围重构有 GPU任务确实复杂云端大模型对照需要联网目前最强网络可用时切回去决策建议先从中型模型起步。agent 频繁在多步推理上卡住就换更大机器明显跑不动就换更小。另外max_tokens给够但不贪长输出长不等于输出好。故障速查这一节回答出问题时第一步该查什么。现象可能原因处理动作trae-cli提示命令不存在虚拟环境没激活改用uv run trae-cli ...或先source .venv/bin/activate连接超时或被拒绝Ollama 服务没启动执行ollama serve确认 11434 端口在监听报模型不存在模型没拉取或配置里的名字对不上用ollama list查实际名字与trae_config.yaml对齐工具调用失败、任务中断--working-dir路径不对或缺项目依赖确认路径真实存在重新跑一次uv sync --all-extras现在就动手趁有网先在一台常备机器上ollama pull一个中型模型之后离线随用随取。复制trae_config.yaml.example为离线配置只改 ollama 相关字段别整文件重写。用斐波那契这种小任务验证闭环再逐步把真实开发任务交出去。模型搬进本机那一刻网络就不再是瓶颈离线只是 Trae Agent 的一种默认运行方式。【免费下载链接】trae-agentTrae Agent is an LLM-based agent for general purpose software engineering tasks.项目地址: https://gitcode.com/gh_mirrors/tr/trae-agent创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/11/4 15:39:45 · 阅读 1.2k Trae Agent 离线模式：不联网也能跑通 Agent 的三步教程
Trae Agent 离线模式不联网也能跑通 Agent 的三步教程【免费下载链接】trae-agentTrae Agent is an LLM-based agent for general purpose software engineering tasks.项目地址: https://gitcode.com/gh_mirrors/tr/trae-agent公司内网与外网完全隔离但你当天就得在机器上修完一个 bug。这个教程就以这个场景为例带你走通 Trae Agent 离线模式用 Ollama 接入本机模型让 agent 全程无网络请求地完成开发任务。️这套方案能做什么这一节回答什么时候该用这套方案什么时候别硬用。能做什么把 Trae Agent 接到本机模型上。它通过 ollama_client.py 与本机 11434 端口的 Ollama 服务通信请求不出机器。工具调用全部本地执行bash 执行命令、编辑文件、修改 JSON、用 task_done 收尾。工具细节见 docs/tools.md。代码和提示词都不外发适合对代码隐私敏感的项目。适合谁内网隔离环境、出差途中、偏远地区等断网场景不想把敏感项目交给云端 API 的开发者不适合谁多步推理、大规模重构本地中小模型的能力上限明显低于云端的旗舰模型需要 MCP让 agent 连接外部服务的工具协议调用外部资源的任务对一次成功率要求极高的生产流程先认清边界再动手能省掉后面大量的调参时间。从零跑通三步实操这一节回答如何从零走到第一个离线任务并且每一步都能验证。好处先说三步都在终端完成做完即闭环全程不需要外网。第一步装好项目本体好处一次装齐依赖后续不用再手动解决导入报错。git clone https://gitcode.com/gh_mirrors/tr/trae-agent cd trae-agent uv sync --all-extras source .venv/bin/activate验证执行trae-cli show-config。能打印出默认配置且不报错说明环境就绪。第二步把模型服务跑在本机好处模型下载一次即可之后推理完全不依赖互联网。Ollama 是一个本地模型管理工具负责下载模型并对外暴露本地 API。没装过就先按官网说明安装有一键脚本然后拉模型、起服务ollama pull qwen3 ollama serve验证再开一个终端执行ollama list能看到 qwen3 就说明模型就位ollama serve保持运行默认监听 11434 端口。第三步写离线配置跑第一个任务好处配置写一次之后所有离线任务直接复用不用重复传参数。把 trae_config.yaml.example 复制为trae_config.yaml只改与模型相关的字段model_providers: ollama: api_key: ollama provider: ollama base_url: http://localhost:11434/v1 models: offline_model: model_provider: ollama model: qwen3两个注意点api_key填ollama是 Ollama 约定的占位值不是真实密钥。如果不用 Lakeview每步生成一句话进度摘要的功能把 agents 段里的enable_lakeview设为 false省得为它再配一个模型。然后对任意目录跑一个真实任务trae-cli run 写一个 Python 脚本输出前 10 个斐波那契数 --working-dir ~/demo验证输出里能看到 agent 调用编辑和 bash 工具最后以 Task done 收尾trajectories/目录下多了一个执行轨迹文件记录每一步动作的 JSON闭环成立。跑通后的自检清单这一节回答它真的跑通了还是某个环节悄悄断了。trae-cli show-config显示的 provider 是 ollama模型名与配置一致ollama list有对应模型且ollama serve进程还在一个真实任务完整跑完日志里没有连接超时、DNS 解析失败等网络报错trajectories/ 下生成了轨迹文件里面能看到工具调用和模型回复可对照 docs/TRAJECTORY_RECORDING.md 解读配置里只启用了本地工具没有挂任何需要外网的服务五条都打勾才可以把真实任务交给它。典型工作场景这一节回答跑通之后哪些活儿值得放进来做。内网隔离环境的应急修复背景客户现场的测试机连不上外网线上模块抛异常需要当场修。做法--working-dir指向项目根目录用trae-cli run下达一句话任务例如修复 utils.py 的空指针并补一个最小复现测试。预期结果agent 用编辑工具读改代码、用 bash 跑测试验证后收尾全程零外网流量。出差途中的持续重构背景高铁上改代码信号时断时续云端 API 一断线就报错。做法trae-cli interactive用本地模型开交互模式需求逐条说agent 逐条改。预期结果体验接近在线版到站恢复网络后用命令行参数切回云端模型即可。新仓库批量补测试背景新接手仓库没有文档和测试想先把单元测试补齐。做法任务写成为 utils 模块写单元测试并保证全部通过加--trajectory-file保存本次执行记录。预期结果测试文件生成并在本机跑通结果不满意时看轨迹文件里哪一步偏了改措辞重跑。资源与性能的取舍这一节回答模型怎么选参数怎么定。选项资源消耗能力什么时候选4B 以下小模型内存轻、响应快简单脚本、局部小改动机器配置低任务重复且简单7B~14B 中型模型内存中等覆盖大多数日常开发任务默认选择建议 16GB 内存起步30B 以上大模型内存高无 GPU 时很慢多步推理、较大范围重构有 GPU任务确实复杂云端大模型对照需要联网目前最强网络可用时切回去决策建议先从中型模型起步。agent 频繁在多步推理上卡住就换更大机器明显跑不动就换更小。另外max_tokens给够但不贪长输出长不等于输出好。故障速查这一节回答出问题时第一步该查什么。现象可能原因处理动作trae-cli提示命令不存在虚拟环境没激活改用uv run trae-cli ...或先source .venv/bin/activate连接超时或被拒绝Ollama 服务没启动执行ollama serve确认 11434 端口在监听报模型不存在模型没拉取或配置里的名字对不上用ollama list查实际名字与trae_config.yaml对齐工具调用失败、任务中断--working-dir路径不对或缺项目依赖确认路径真实存在重新跑一次uv sync --all-extras现在就动手趁有网先在一台常备机器上ollama pull一个中型模型之后离线随用随取。复制trae_config.yaml.example为离线配置只改 ollama 相关字段别整文件重写。用斐波那契这种小任务验证闭环再逐步把真实开发任务交出去。模型搬进本机那一刻网络就不再是瓶颈离线只是 Trae Agent 的一种默认运行方式。【免费下载链接】trae-agentTrae Agent is an LLM-based agent for general purpose software engineering tasks.项目地址: https://gitcode.com/gh_mirrors/tr/trae-agent创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考