1. Trae 接自定义大模型解决的是哪一类问题后台隔三差五就有人问Trae 里能不能不用官方列表里的模型直接连自己部署、或自己单独开通的模型服务能而且配置入口藏得不算深。这篇就把“附录3Trae 怎么连自定义大模型”完整展开按我实际走过的路径一步步写给你看。标题里的附录3是我自己在资料库里补的编号因为问这个问题的人实在太多了值得单独占一个位置。1.1 为什么放着内置模型不用非要自己接Trae 官方有内置模型列表点一下就能用尤其配合官方积分、兑换码的时候非常方便。可内置列表不等于万能你公司有私有化部署的模型数据不能离开内网你想用某个刚发布的开源模型最新版本官方还没上架你想把调用成本归到自己已有的 API 账单上不想再开一个订阅甚至你手里还有一堆不同渠道的大模型 Key想统一收到一个网关里给团队用。这些情况都绕不开自定义模型入口。我经常被问“积分兑换码怎么用”这里顺带说清楚兑换码是官方模型额度的充法和自定义模型是两条路。自定义模型消耗的是你填的 API Key 对应服务的额度官方积分完全不会参与。所以不要以为接了个自定义模型IDE 还继续从官方账户里扣钱它俩互不干扰。1.2 三类典型使用场景收益最大第一类是私有化与离线场景。代码仓库本身就是敏感资产很多团队不允许代码片段被送到第三方模型服务。把模型部署在本地机器或内部服务器Trae 通过局域网地址访问数据不出内网这是自定义模型最刚需的场景。第二类是成本和账单归口。你已经在某个云厂商充值了模型 API或者公司有统一的模型网关给每个成员分配了 Key。这时候把 Trae 接过去调用费用直接走公司账单不需要再给每个人买一份 IDE 订阅财务和开发都省事。第三类是实验性模型和微调模型。官方列表里的模型永远是“大众脸”但你微调过的私有模型、自己部署的最新开源模型官方不可能及时跟进。自定义模型让你能第一时间在 IDE 里试不用等版本更新。所以这个功能适合谁适合所有想把“AI 编辑器”和“模型供给”解耦的人。你不是被绑在某个预置列表里而是用一个顺手的编辑器去连你自己说了算的模型服务。2. 连接前必须搞懂的几个概念很多人在 Trae 里填自定义模型时一脸懵其实不是不会点按钮是对“模型服务”怎么暴露给客户端这件事没有概念。动手前先弄明白下面四个东西后面配置基本不会翻车。2.1 OpenAI 兼容接口是事实标准你不需要懂整个协议但要知道Trae 这类 AI 编辑器默认把自定义模型当“OpenAI 兼容接口”来调用。也就是它会对你的 Base URL 发起两类请求一类是POST /v1/chat/completions用来聊天和写代码另一类是GET /v1/models用来拉取模型列表。现在主流的本地推理框架几乎都实现了这套兼容接口。Ollama、LM Studio、vLLM、SGLang 都支持云厂商和开源网关也基本都是 OpenAI 兼容格式。为什么这件事重要因为大部分“连不上”的报错根因不是 Trae 的问题而是你填的那个服务端返回的格式不对或者路径根本不对。好比手机充电口以前分好几种现在大家默认 Type-C。Trae 的 Type-C 就是 OpenAI 兼容接口你接的设备得做这个口子不然物理上就插不进去。Ollama 和 vLLM 都做了问题就解决了一大半。2.2 模型 ID 和显示名不是一回事这是个高频坑服务商控制台里显示的是“DeepSeek-V3”“Qwen2.5-Coder”但 API 真正要填的模型 ID 可能是deepseek-chat、qwen2.5-coder:14b。ID 是给程序用的显示名是给人看的。用 vLLM 部署模型时更明显。你部署时如果不加--served-model-name模型 ID 默认是 Hugging Face 上的仓库名比如Qwen/Qwen2.5-Coder-14B-Instruct注意里面有斜杠。你在 Trae 里填模型 ID 时填的是这种服务端能识别的名字不是自定义显示名。验证方法也简单先用 curl 请求一次/v1/models看返回 JSON 里的id字段是什么原样填进 Trae。不要自己脑补名字更不要照着别人截图里的 ID 硬抄。2.3 对话模型、补全模型和嵌入模型要分开看Trae 的日常使用里最常见的模型是对话模型走chat/completions。但代码补全其实还有另一套逻辑很多补全模型专门练过 FIMFill-In-Middle它们依赖/v1/completions接口或者需要特定的 prompt 模板。如果你接的模型只支持 chat 接口聊天没问题但行内补全、代码建议可能带不动。这不是 Trae 不干活而是你选的模型服务没有提供编辑器需要的接口。所以连接之前先确认你手上的模型服务是纯对话模型还是也支持补全/续写接口。Ollama 的对话模型一般都有completions兼容层但表现好坏取决于模型本身。另外如果你想让 Trae 的 Agent 模式跑起来模型最好还支持 function calling / tool calling。很多精简版模型或量化模型虽然能聊天但工具调用能力弱Agent 会“半残”。自定义模型能连不代表每一种功能都完美这一点要提前有心理预期。2.4 API Key 的角色到底是什么API Key 对本地服务来说很多时候只是个必须填的占位符。Ollama 默认不校验 Key你填sk-local或者随便一串字符都能过。但云端服务商的 Key 是真正的鉴权凭证填错了就 401填对了才能请求。这个 Key 本质上是一个字符串通过请求头Authorization: Bearer 你的Key传给服务端。本地服务不校验云端服务校验。很多人在本地模型时纠结 Key 格式其实没必要本地随便填到了云端还不对那才是 Key 本身或权限配置的问题。还要提醒一句不要把生产环境的 Key 随手贴到公开工单、截图或仓库里。你可以截图打码也可以配置成本地环境变量。Key 泄露等于别人能用你的额度这个账很贵。3. 实操流程零基础也能把模型接进去概念清楚了下面就是完整实操。我以“本地 Ollama Qwen2.5-Coder”为例因为这个组合最容易复现。你换成任意 OpenAI 兼容服务步骤完全一样。3.1 第一步先有一个能对外提供服务的模型服务本地部署最省事的是 Ollama。安装完成后终端执行ollama pull qwen2.5-coder:14b等模型下载完成再执行ollama serve服务默认监听127.0.0.1:11434OpenAI 兼容端点是http://127.0.0.1:11434/v1。建议先用 curl 确认服务真的活着别一上来就去 Trae 里排查curl http://127.0.0.1:11434/v1/models返回里能看到模型列表就说明兼容接口没问题。如果你用的是 LM Studio在开发者面板里打开本地服务器端口一般是1234Base URL 填http://127.0.0.1:1234/v1。用 vLLM 部署时启动参数加上--served-model-name my-modelBase URL 就是http://你的服务器IP:8000/v1模型 ID 填my-model。如果是云端服务直接去服务商文档里找 Base URL 和模型 ID。正规服务商都会给一个 OpenAI 兼容的调用示例复制 Base URL 时看仔细有些给https://api.example.com/v1有些给https://api.example.com后面要不要带/v1是服务端路由决定的能复制完整路径就别自己拼。3.2 第二步在 Trae 的模型面板里添加自定义模型打开 Trae 的设置页找到模型设置。我用的 Trae CN 版本里路径是左下角齿轮进设置然后找到“模型”或“Model”相关的面板。不同版本菜单叫法会有差异但核心入口都集中在“自定义模型/自定义提供商/Custom Model”附近设置页里直接搜 custom 也能定位。点击添加模型后需要填几个字段字段示例值说明显示名称本地Qwen只在 Trae 界面里显示随便起Base URLhttp://127.0.0.1:11434/v1服务端地址注意路径是否带 /v1API Keysk-local本地可随意云端填真实 Key模型 IDqwen2.5-coder:14b服务端实际接受的模型标识接口协议OpenAI Compatible选兼容模式流式输出开/关后端不支持 SSE 时关掉保存之后Trae 可能会去请求一次/v1/models拉模型列表。能拉出来就直接选拉不出来也别慌手动把模型 ID 填进去一样能用。3.3 第三步写一句话验证连通性最直接的验证方式是新建一个对话把模型切换到刚加的自定义模型然后发一句“用 Python 写一个快速排序”。能正常返回代码说明整个链路通了。更严谨一点你可以再试一次 curl 发请求看返回格式是不是 OpenAI 那套 JSONcurl http://127.0.0.1:11434/v1/chat/completions \ -H Content-Type: application/json \ -d { model: qwen2.5-coder:14b, messages: [{role: user, content: 你好}] }如果你在后端能看到这个请求进来说明 Trae 确实在按标准方式调用。如果 Trae 里报错而 curl 正常那问题多半出在 Trae 侧填写的某个字段上比如 Base URL 多打了空格、模型 ID 大小写不对。3.4 第四步把自定义模型用到该用的地方很多人以为添加完模型就完事了其实 Trae 里不同功能可以独立选模型。聊天面板用 A 模型Agent 模式用 B 模型编辑器补全用 C 模型这是完全可行的。建议你把“对话/通用任务”选成能力更强的大模型“代码补全”选响应更快的本地模型。这样做的好处是写注释、问问题时用聪明模型边写边补全时用低延迟模型两边体验都不牺牲。4. 参数怎么填才不容易翻车字段逐项拆解这一节专门说字段背后的逻辑。很多报错不是因为你不会填而是你对每个字段的理解停留在“照抄”阶段。抄别人配置永远会遇到一个人的环境和你不一样搞懂原理才能一次填对。4.1 Base URL 到底要不要带 /v1你可能在网上看到一堆截图有的带/v1有的不带然后自己就开始犹豫。其实判断标准很简单看服务端把路由挂在哪个路径下。Ollama 的兼容端点是http://127.0.0.1:11434/v1必须带/v1。LM Studio 同样带/v1。有些云服务的 Base URL 写成https://api.xxx.com因为它在网关层自动把/v1补上了你再手动加/v1反而 404。我的建议是优先从服务商文档里复制完整 Base URL不要自己拼接。如果报 404 Not Found 或 Path not found先怀疑/v1重复或缺失。试着把 Base URL 最后的/v1去掉或加上再试一次。本地服务一般不会有这种歧义云端网关反而常见。还要注意地址里别带协议之外的字符。有些人在复制控制台地址时会把结尾的斜杠也带上多一个/也可能让网关路由匹配失败。虽然是小事但排查时很浪费时间。4.2 API Key 必须配合正确的鉴权头Trae 填 Key 的框一般叫 API Key 或 Secret Key。大多数 OpenAI 兼容服务期望的是Authorization: Bearer keyTrae 会自动帮你加这个头。但有些自建网关或内部系统可能用了自定义鉴权头比如X-API-Key或Authorization: key不带 Bearer。如果 Trae 的界面里没有自定义 Header 的选项你又必须用一个非标准鉴权的服务那问题就麻烦了。最省事的解法是在模型服务前面加一层标准兼容网关把自定义鉴权转换成标准 BearerTrae 只连网关不直接连后端。这也解释了为什么很多团队最后都搞一个统一模型网关。另一个常见问题是 Key 里有特殊字符。复制时不小心截断、中间加了空格都会导致 401。你可以先在 curl 里用同一个 Key 试一次如果 curl 能通Trae 却报鉴权失败重点检查复制粘贴过程中有没有多空格。4.3 模型 ID 大小写、别名和斜杠要写对模型 ID 是服务端用来定位模型的字符串不是给人看的“友好名字”。同样是通义千问不同接入方式下 ID 可能完全不同同样是开源模型Ollama 用qwen2.5-coder:14bvLLM 默认可能是Qwen/Qwen2.5-Coder-14B-Instruct。所以填模型 ID 时不要按显示名猜不要按别人教程里的名字抄。最可靠的办法是请求一遍/v1/models把返回 JSON 里的id字段原样复制。如果你的服务端支持别名用--served-model-name改成简短名字后面就好填很多。还有一点很微妙同一个模型 ID 如果你同时在多个自定义模型配置里填Trae 可能只显示一个或者出现列表覆盖。你会发现有两个配置但界面里只有一个能选中。我实际遇到过一次最后把其中一个删掉才正常。4.4 流式输出、温度参数和上下文长度Trae 接自定义模型时往往还会让你配置一些模型参数。流式输出stream是最容易出问题的如果你的后端没有实现 SSE 协议客户端还在傻等流式响应就会一直转圈。遇到这种情况先把流式输出关掉改成一次性返回完整 JSON响应立刻就出来了。温度参数对编码任务很重要。写代码的模型温度建议调低0.2 左右比较合适太高容易生成飘的思路比如给你写一个风格怪异、完全不能用算法。聊天场景可以稍微调高到 0.7但也不是越高越好。上下文长度不能瞎填。如果你把上下文写成 128K但后端实际不支持请求会直接报错填太小长文件会被截断。我的经验是先按模型文档里的最大值填如果报 context length exceeded再往下调。本地部署还要考虑显存和内存上下文越长推理越慢不是越长越好。4.5 超时时间和请求体大小限制很多大模型服务默认有超时限制。本地模型第一次加载可能需要几十秒如果你把 Trae 的请求超时设得特别短它就会判定连接失败。这属于“能通但响应慢”的情况不是配置错误。云端网关往往还有请求体大小限制。你在对话里贴了一个超长文件请求体超过服务端限制就会被拒绝。这类问题一般不会直接提示“too large”而是各种千奇百怪的报错。建议长文件尽量拆开、按需贴别一口气塞进去。还要注意 Trae 作为一个 IDE会让你选“这个模型是用于聊天、编辑还是 Agent”。不同用途对响应格式要求不同尤其是 Agent 模式对工具调用格式要求非常严格。模型不支持 function callingAgent 就会一直报格式错误这类问题不是超时也不是路径而是能力不匹配。5. 常见问题与排查技巧实录连接自定义模型的过程中我踩过不少坑也帮别人排查过不少。下面按故障类型整理方便你对照自己的报错。5.1 先分清是请求没出去还是响应不对排查第一步不是看 Trae 报了什么而是先在终端里用 curl 直接请求一次你的模型服务。curl 能通说明服务端和 Key 都没问题问题在 Trae 的字段填写curl 不通说明服务没起来、地址不对、Key 不对或网络不通。不要小看这一步。我遇到过一个朋友Trae 里报“连接超时”他反复改配置最后发现是本地防火墙把端口拦了。curl 都被拦Trae 自然连不上。先确认服务端可用能帮你省掉一大半排查时间。5.2 高频报错逐条拆401 UnauthorizedKey 没填、填错、或服务端要求 Bearer 你没满足。检查方式是用 curl 带同一个 Key 试如果 curl 也 401那就是 Key 本身或服务端权限问题。404 Model Not Found模型 ID 填错或服务端没有部署这个模型。建议先GET /v1/models查看实际 ID。有些服务端返回的模型 ID 里有中文、冒号、斜杠复制时不要改动。400 Bad Request请求格式不对、参数超范围、上下文过长。把流式关掉、温度改低一点通常能缓解。如果后面拖到某个具体参数就用二分法先最小可用配置试。一直转圈不返回优先怀疑流式开关。关掉流式再试。如果是本地模型第一次加载多等一会儿。任务管理器里能看到 CPU/GPU 占用飙高说明模型正在推理不是卡死。5.3 代码补全单独排查如果你的自定义模型聊天正常但代码补全一点反应都没有别急着卸载重装。先看模型是不是真的支持补全接口或 Trae 是否允许为补全功能单独选模型。很多纯对话模型并没有针对 FIM 做过训练即使接口兼容补全质量也很差。如果补全功能能调到自定义模型你可以先确认补全时发送的请求是不是真的到了本地服务。Ollama 的控制台日志会有记录其他服务也会在访问日志里留痕。没请求进来说明 Trae 侧根本没把补全请求路由到你的模型有请求但没结果则要去看服务端返回是否正常。还有一个容易被忽略的点补全对延迟非常敏感。如果你的模型跑在 CPU 上一次补全要十几秒IDE 体验会非常痛苦。这种情况下你可能要换小模型或者给本地服务加 GPU 加速。5.4 常见问题速查表症状最可能原因处理办法连接被拒绝服务没启动或地址端口错误curl 直接测确认服务监听地址401 UnauthorizedAPI Key 错误或格式不对用 curl 带同一 Key 验证404 Not FoundBase URL 缺少 /v1 或多加了 /v1调整路径后重试model not exist模型 ID 填错、服务端没部署请求 /v1/models 抄真实 ID一直转圈流式开关、首次加载、超时过短关流式延长超时或等首次加载返回内容截断上下文长度设太大或后端 max_tokens 太小调小上下文、拆短 prompt聊天正常补全不工作模型不支持 FIM 或补全模型未单独配置换专门代码模型检查补全路由Agent 无法调用工具模型不支持 function calling换支持工具调用的模型这张表基本覆盖了我在 Trae 接自定义大模型时碰到的典型问题。如果你遇到的不在里面也没关系回到“curl 先验证”这个思路里逐层缩小范围。6. 进阶玩法让自定义模型真正好用起来能连只是第一步。真正好用的自定义模型配置需要做一点“角色分工”和“基础设施收口”。6.1 本地模型和云端模型拆开用我最推荐的组合是本地部署一个响应快的代码模型专门负责行内补全和简单改写云端接入一个能力更强的通用大模型负责复杂重构、代码 review 和需求分析。本地模型不需要联网数据离线隐私好云端模型理解能力强但调用会有延迟。Trae 允许不同功能选不同模型这个特性别浪费。你完全可以把每一个场景都用最合适模型而不是一个模型打天下。6.2 用开源网关把多个自定义模型收口当你手里的模型越来越多直接在 Trae 里配一堆 Base URL 和 Key 会很乱。更合理的做法是部署一个开源 API 网关把多个上游模型都挂到网关后面对外只暴露一个 Base URL一个统一 Key。团队场景下网关还能做权限控制、额度统计、日志审计。每个人在 Trae 里配置的其实是同一个网关地址但 Key 不同后端路由到不同模型。这样你换模型、调权重、加新渠道都不需要挨个让同事更新 IDE 配置。我自己在公司就是这么搞的省了不知道多少“帮同事改配置”的时间。6.3 配置和密钥也要做版本管理自定义模型配置里包含 API Key这一坨东西千万不要直接写进公开配置文件。Trae 配置文件如果是本地生成默认不在版本库里还好但如果你的团队用 dotfiles 管理开发环境一定要把带密钥的配置文件加到忽略列表。更安全的做法是配置里用环境变量引用 Key而不是明文写死。不同机器加载不同环境变量换 Key 时只改环境变量不用动 IDE 配置。这个习惯很多人年轻时不注意等 Key 被误提交到 GitHub 才后悔为时已晚。6.4 我给新手的最低成本起步建议如果你第一次尝试不要一上来就搞云端大模型成本未必比官方订阅低多少。先在本地跑一个 7B 到 14B 的代码模型把 Trae 连起来感受一下自定义模型带来的掌控感。我的推荐顺序Ollama 起本地服务再用 Qwen2.5-Coder 系列做代码场景先跑通链路然后再考虑接云端渠道。等你对 Base URL、模型 ID、流式开关这些概念都有了手感再上网关也不迟。最后分享一个我个人的细节习惯每次配完自定义模型我都会先在聊天框里发一句 “ping”看它是否秒回再写一点简单代码测试补全。这套动作大概三十秒能确认 80% 配置是否正确。剩下的细节问题再用 curl 和日志慢慢看。Trae 连自定义大模型这件事说到底就是让一个编辑器去理解标准的 OpenAI 兼容接口你把服务端调顺了IDE 这边基本没什么可折腾的。 Trae接入自定义大模型：原理、配置与问题排查
1. Trae 接自定义大模型解决的是哪一类问题后台隔三差五就有人问Trae 里能不能不用官方列表里的模型直接连自己部署、或自己单独开通的模型服务能而且配置入口藏得不算深。这篇就把“附录3Trae 怎么连自定义大模型”完整展开按我实际走过的路径一步步写给你看。标题里的附录3是我自己在资料库里补的编号因为问这个问题的人实在太多了值得单独占一个位置。1.1 为什么放着内置模型不用非要自己接Trae 官方有内置模型列表点一下就能用尤其配合官方积分、兑换码的时候非常方便。可内置列表不等于万能你公司有私有化部署的模型数据不能离开内网你想用某个刚发布的开源模型最新版本官方还没上架你想把调用成本归到自己已有的 API 账单上不想再开一个订阅甚至你手里还有一堆不同渠道的大模型 Key想统一收到一个网关里给团队用。这些情况都绕不开自定义模型入口。我经常被问“积分兑换码怎么用”这里顺带说清楚兑换码是官方模型额度的充法和自定义模型是两条路。自定义模型消耗的是你填的 API Key 对应服务的额度官方积分完全不会参与。所以不要以为接了个自定义模型IDE 还继续从官方账户里扣钱它俩互不干扰。1.2 三类典型使用场景收益最大第一类是私有化与离线场景。代码仓库本身就是敏感资产很多团队不允许代码片段被送到第三方模型服务。把模型部署在本地机器或内部服务器Trae 通过局域网地址访问数据不出内网这是自定义模型最刚需的场景。第二类是成本和账单归口。你已经在某个云厂商充值了模型 API或者公司有统一的模型网关给每个成员分配了 Key。这时候把 Trae 接过去调用费用直接走公司账单不需要再给每个人买一份 IDE 订阅财务和开发都省事。第三类是实验性模型和微调模型。官方列表里的模型永远是“大众脸”但你微调过的私有模型、自己部署的最新开源模型官方不可能及时跟进。自定义模型让你能第一时间在 IDE 里试不用等版本更新。所以这个功能适合谁适合所有想把“AI 编辑器”和“模型供给”解耦的人。你不是被绑在某个预置列表里而是用一个顺手的编辑器去连你自己说了算的模型服务。2. 连接前必须搞懂的几个概念很多人在 Trae 里填自定义模型时一脸懵其实不是不会点按钮是对“模型服务”怎么暴露给客户端这件事没有概念。动手前先弄明白下面四个东西后面配置基本不会翻车。2.1 OpenAI 兼容接口是事实标准你不需要懂整个协议但要知道Trae 这类 AI 编辑器默认把自定义模型当“OpenAI 兼容接口”来调用。也就是它会对你的 Base URL 发起两类请求一类是POST /v1/chat/completions用来聊天和写代码另一类是GET /v1/models用来拉取模型列表。现在主流的本地推理框架几乎都实现了这套兼容接口。Ollama、LM Studio、vLLM、SGLang 都支持云厂商和开源网关也基本都是 OpenAI 兼容格式。为什么这件事重要因为大部分“连不上”的报错根因不是 Trae 的问题而是你填的那个服务端返回的格式不对或者路径根本不对。好比手机充电口以前分好几种现在大家默认 Type-C。Trae 的 Type-C 就是 OpenAI 兼容接口你接的设备得做这个口子不然物理上就插不进去。Ollama 和 vLLM 都做了问题就解决了一大半。2.2 模型 ID 和显示名不是一回事这是个高频坑服务商控制台里显示的是“DeepSeek-V3”“Qwen2.5-Coder”但 API 真正要填的模型 ID 可能是deepseek-chat、qwen2.5-coder:14b。ID 是给程序用的显示名是给人看的。用 vLLM 部署模型时更明显。你部署时如果不加--served-model-name模型 ID 默认是 Hugging Face 上的仓库名比如Qwen/Qwen2.5-Coder-14B-Instruct注意里面有斜杠。你在 Trae 里填模型 ID 时填的是这种服务端能识别的名字不是自定义显示名。验证方法也简单先用 curl 请求一次/v1/models看返回 JSON 里的id字段是什么原样填进 Trae。不要自己脑补名字更不要照着别人截图里的 ID 硬抄。2.3 对话模型、补全模型和嵌入模型要分开看Trae 的日常使用里最常见的模型是对话模型走chat/completions。但代码补全其实还有另一套逻辑很多补全模型专门练过 FIMFill-In-Middle它们依赖/v1/completions接口或者需要特定的 prompt 模板。如果你接的模型只支持 chat 接口聊天没问题但行内补全、代码建议可能带不动。这不是 Trae 不干活而是你选的模型服务没有提供编辑器需要的接口。所以连接之前先确认你手上的模型服务是纯对话模型还是也支持补全/续写接口。Ollama 的对话模型一般都有completions兼容层但表现好坏取决于模型本身。另外如果你想让 Trae 的 Agent 模式跑起来模型最好还支持 function calling / tool calling。很多精简版模型或量化模型虽然能聊天但工具调用能力弱Agent 会“半残”。自定义模型能连不代表每一种功能都完美这一点要提前有心理预期。2.4 API Key 的角色到底是什么API Key 对本地服务来说很多时候只是个必须填的占位符。Ollama 默认不校验 Key你填sk-local或者随便一串字符都能过。但云端服务商的 Key 是真正的鉴权凭证填错了就 401填对了才能请求。这个 Key 本质上是一个字符串通过请求头Authorization: Bearer 你的Key传给服务端。本地服务不校验云端服务校验。很多人在本地模型时纠结 Key 格式其实没必要本地随便填到了云端还不对那才是 Key 本身或权限配置的问题。还要提醒一句不要把生产环境的 Key 随手贴到公开工单、截图或仓库里。你可以截图打码也可以配置成本地环境变量。Key 泄露等于别人能用你的额度这个账很贵。3. 实操流程零基础也能把模型接进去概念清楚了下面就是完整实操。我以“本地 Ollama Qwen2.5-Coder”为例因为这个组合最容易复现。你换成任意 OpenAI 兼容服务步骤完全一样。3.1 第一步先有一个能对外提供服务的模型服务本地部署最省事的是 Ollama。安装完成后终端执行ollama pull qwen2.5-coder:14b等模型下载完成再执行ollama serve服务默认监听127.0.0.1:11434OpenAI 兼容端点是http://127.0.0.1:11434/v1。建议先用 curl 确认服务真的活着别一上来就去 Trae 里排查curl http://127.0.0.1:11434/v1/models返回里能看到模型列表就说明兼容接口没问题。如果你用的是 LM Studio在开发者面板里打开本地服务器端口一般是1234Base URL 填http://127.0.0.1:1234/v1。用 vLLM 部署时启动参数加上--served-model-name my-modelBase URL 就是http://你的服务器IP:8000/v1模型 ID 填my-model。如果是云端服务直接去服务商文档里找 Base URL 和模型 ID。正规服务商都会给一个 OpenAI 兼容的调用示例复制 Base URL 时看仔细有些给https://api.example.com/v1有些给https://api.example.com后面要不要带/v1是服务端路由决定的能复制完整路径就别自己拼。3.2 第二步在 Trae 的模型面板里添加自定义模型打开 Trae 的设置页找到模型设置。我用的 Trae CN 版本里路径是左下角齿轮进设置然后找到“模型”或“Model”相关的面板。不同版本菜单叫法会有差异但核心入口都集中在“自定义模型/自定义提供商/Custom Model”附近设置页里直接搜 custom 也能定位。点击添加模型后需要填几个字段字段示例值说明显示名称本地Qwen只在 Trae 界面里显示随便起Base URLhttp://127.0.0.1:11434/v1服务端地址注意路径是否带 /v1API Keysk-local本地可随意云端填真实 Key模型 IDqwen2.5-coder:14b服务端实际接受的模型标识接口协议OpenAI Compatible选兼容模式流式输出开/关后端不支持 SSE 时关掉保存之后Trae 可能会去请求一次/v1/models拉模型列表。能拉出来就直接选拉不出来也别慌手动把模型 ID 填进去一样能用。3.3 第三步写一句话验证连通性最直接的验证方式是新建一个对话把模型切换到刚加的自定义模型然后发一句“用 Python 写一个快速排序”。能正常返回代码说明整个链路通了。更严谨一点你可以再试一次 curl 发请求看返回格式是不是 OpenAI 那套 JSONcurl http://127.0.0.1:11434/v1/chat/completions \ -H Content-Type: application/json \ -d { model: qwen2.5-coder:14b, messages: [{role: user, content: 你好}] }如果你在后端能看到这个请求进来说明 Trae 确实在按标准方式调用。如果 Trae 里报错而 curl 正常那问题多半出在 Trae 侧填写的某个字段上比如 Base URL 多打了空格、模型 ID 大小写不对。3.4 第四步把自定义模型用到该用的地方很多人以为添加完模型就完事了其实 Trae 里不同功能可以独立选模型。聊天面板用 A 模型Agent 模式用 B 模型编辑器补全用 C 模型这是完全可行的。建议你把“对话/通用任务”选成能力更强的大模型“代码补全”选响应更快的本地模型。这样做的好处是写注释、问问题时用聪明模型边写边补全时用低延迟模型两边体验都不牺牲。4. 参数怎么填才不容易翻车字段逐项拆解这一节专门说字段背后的逻辑。很多报错不是因为你不会填而是你对每个字段的理解停留在“照抄”阶段。抄别人配置永远会遇到一个人的环境和你不一样搞懂原理才能一次填对。4.1 Base URL 到底要不要带 /v1你可能在网上看到一堆截图有的带/v1有的不带然后自己就开始犹豫。其实判断标准很简单看服务端把路由挂在哪个路径下。Ollama 的兼容端点是http://127.0.0.1:11434/v1必须带/v1。LM Studio 同样带/v1。有些云服务的 Base URL 写成https://api.xxx.com因为它在网关层自动把/v1补上了你再手动加/v1反而 404。我的建议是优先从服务商文档里复制完整 Base URL不要自己拼接。如果报 404 Not Found 或 Path not found先怀疑/v1重复或缺失。试着把 Base URL 最后的/v1去掉或加上再试一次。本地服务一般不会有这种歧义云端网关反而常见。还要注意地址里别带协议之外的字符。有些人在复制控制台地址时会把结尾的斜杠也带上多一个/也可能让网关路由匹配失败。虽然是小事但排查时很浪费时间。4.2 API Key 必须配合正确的鉴权头Trae 填 Key 的框一般叫 API Key 或 Secret Key。大多数 OpenAI 兼容服务期望的是Authorization: Bearer keyTrae 会自动帮你加这个头。但有些自建网关或内部系统可能用了自定义鉴权头比如X-API-Key或Authorization: key不带 Bearer。如果 Trae 的界面里没有自定义 Header 的选项你又必须用一个非标准鉴权的服务那问题就麻烦了。最省事的解法是在模型服务前面加一层标准兼容网关把自定义鉴权转换成标准 BearerTrae 只连网关不直接连后端。这也解释了为什么很多团队最后都搞一个统一模型网关。另一个常见问题是 Key 里有特殊字符。复制时不小心截断、中间加了空格都会导致 401。你可以先在 curl 里用同一个 Key 试一次如果 curl 能通Trae 却报鉴权失败重点检查复制粘贴过程中有没有多空格。4.3 模型 ID 大小写、别名和斜杠要写对模型 ID 是服务端用来定位模型的字符串不是给人看的“友好名字”。同样是通义千问不同接入方式下 ID 可能完全不同同样是开源模型Ollama 用qwen2.5-coder:14bvLLM 默认可能是Qwen/Qwen2.5-Coder-14B-Instruct。所以填模型 ID 时不要按显示名猜不要按别人教程里的名字抄。最可靠的办法是请求一遍/v1/models把返回 JSON 里的id字段原样复制。如果你的服务端支持别名用--served-model-name改成简短名字后面就好填很多。还有一点很微妙同一个模型 ID 如果你同时在多个自定义模型配置里填Trae 可能只显示一个或者出现列表覆盖。你会发现有两个配置但界面里只有一个能选中。我实际遇到过一次最后把其中一个删掉才正常。4.4 流式输出、温度参数和上下文长度Trae 接自定义模型时往往还会让你配置一些模型参数。流式输出stream是最容易出问题的如果你的后端没有实现 SSE 协议客户端还在傻等流式响应就会一直转圈。遇到这种情况先把流式输出关掉改成一次性返回完整 JSON响应立刻就出来了。温度参数对编码任务很重要。写代码的模型温度建议调低0.2 左右比较合适太高容易生成飘的思路比如给你写一个风格怪异、完全不能用算法。聊天场景可以稍微调高到 0.7但也不是越高越好。上下文长度不能瞎填。如果你把上下文写成 128K但后端实际不支持请求会直接报错填太小长文件会被截断。我的经验是先按模型文档里的最大值填如果报 context length exceeded再往下调。本地部署还要考虑显存和内存上下文越长推理越慢不是越长越好。4.5 超时时间和请求体大小限制很多大模型服务默认有超时限制。本地模型第一次加载可能需要几十秒如果你把 Trae 的请求超时设得特别短它就会判定连接失败。这属于“能通但响应慢”的情况不是配置错误。云端网关往往还有请求体大小限制。你在对话里贴了一个超长文件请求体超过服务端限制就会被拒绝。这类问题一般不会直接提示“too large”而是各种千奇百怪的报错。建议长文件尽量拆开、按需贴别一口气塞进去。还要注意 Trae 作为一个 IDE会让你选“这个模型是用于聊天、编辑还是 Agent”。不同用途对响应格式要求不同尤其是 Agent 模式对工具调用格式要求非常严格。模型不支持 function callingAgent 就会一直报格式错误这类问题不是超时也不是路径而是能力不匹配。5. 常见问题与排查技巧实录连接自定义模型的过程中我踩过不少坑也帮别人排查过不少。下面按故障类型整理方便你对照自己的报错。5.1 先分清是请求没出去还是响应不对排查第一步不是看 Trae 报了什么而是先在终端里用 curl 直接请求一次你的模型服务。curl 能通说明服务端和 Key 都没问题问题在 Trae 的字段填写curl 不通说明服务没起来、地址不对、Key 不对或网络不通。不要小看这一步。我遇到过一个朋友Trae 里报“连接超时”他反复改配置最后发现是本地防火墙把端口拦了。curl 都被拦Trae 自然连不上。先确认服务端可用能帮你省掉一大半排查时间。5.2 高频报错逐条拆401 UnauthorizedKey 没填、填错、或服务端要求 Bearer 你没满足。检查方式是用 curl 带同一个 Key 试如果 curl 也 401那就是 Key 本身或服务端权限问题。404 Model Not Found模型 ID 填错或服务端没有部署这个模型。建议先GET /v1/models查看实际 ID。有些服务端返回的模型 ID 里有中文、冒号、斜杠复制时不要改动。400 Bad Request请求格式不对、参数超范围、上下文过长。把流式关掉、温度改低一点通常能缓解。如果后面拖到某个具体参数就用二分法先最小可用配置试。一直转圈不返回优先怀疑流式开关。关掉流式再试。如果是本地模型第一次加载多等一会儿。任务管理器里能看到 CPU/GPU 占用飙高说明模型正在推理不是卡死。5.3 代码补全单独排查如果你的自定义模型聊天正常但代码补全一点反应都没有别急着卸载重装。先看模型是不是真的支持补全接口或 Trae 是否允许为补全功能单独选模型。很多纯对话模型并没有针对 FIM 做过训练即使接口兼容补全质量也很差。如果补全功能能调到自定义模型你可以先确认补全时发送的请求是不是真的到了本地服务。Ollama 的控制台日志会有记录其他服务也会在访问日志里留痕。没请求进来说明 Trae 侧根本没把补全请求路由到你的模型有请求但没结果则要去看服务端返回是否正常。还有一个容易被忽略的点补全对延迟非常敏感。如果你的模型跑在 CPU 上一次补全要十几秒IDE 体验会非常痛苦。这种情况下你可能要换小模型或者给本地服务加 GPU 加速。5.4 常见问题速查表症状最可能原因处理办法连接被拒绝服务没启动或地址端口错误curl 直接测确认服务监听地址401 UnauthorizedAPI Key 错误或格式不对用 curl 带同一 Key 验证404 Not FoundBase URL 缺少 /v1 或多加了 /v1调整路径后重试model not exist模型 ID 填错、服务端没部署请求 /v1/models 抄真实 ID一直转圈流式开关、首次加载、超时过短关流式延长超时或等首次加载返回内容截断上下文长度设太大或后端 max_tokens 太小调小上下文、拆短 prompt聊天正常补全不工作模型不支持 FIM 或补全模型未单独配置换专门代码模型检查补全路由Agent 无法调用工具模型不支持 function calling换支持工具调用的模型这张表基本覆盖了我在 Trae 接自定义大模型时碰到的典型问题。如果你遇到的不在里面也没关系回到“curl 先验证”这个思路里逐层缩小范围。6. 进阶玩法让自定义模型真正好用起来能连只是第一步。真正好用的自定义模型配置需要做一点“角色分工”和“基础设施收口”。6.1 本地模型和云端模型拆开用我最推荐的组合是本地部署一个响应快的代码模型专门负责行内补全和简单改写云端接入一个能力更强的通用大模型负责复杂重构、代码 review 和需求分析。本地模型不需要联网数据离线隐私好云端模型理解能力强但调用会有延迟。Trae 允许不同功能选不同模型这个特性别浪费。你完全可以把每一个场景都用最合适模型而不是一个模型打天下。6.2 用开源网关把多个自定义模型收口当你手里的模型越来越多直接在 Trae 里配一堆 Base URL 和 Key 会很乱。更合理的做法是部署一个开源 API 网关把多个上游模型都挂到网关后面对外只暴露一个 Base URL一个统一 Key。团队场景下网关还能做权限控制、额度统计、日志审计。每个人在 Trae 里配置的其实是同一个网关地址但 Key 不同后端路由到不同模型。这样你换模型、调权重、加新渠道都不需要挨个让同事更新 IDE 配置。我自己在公司就是这么搞的省了不知道多少“帮同事改配置”的时间。6.3 配置和密钥也要做版本管理自定义模型配置里包含 API Key这一坨东西千万不要直接写进公开配置文件。Trae 配置文件如果是本地生成默认不在版本库里还好但如果你的团队用 dotfiles 管理开发环境一定要把带密钥的配置文件加到忽略列表。更安全的做法是配置里用环境变量引用 Key而不是明文写死。不同机器加载不同环境变量换 Key 时只改环境变量不用动 IDE 配置。这个习惯很多人年轻时不注意等 Key 被误提交到 GitHub 才后悔为时已晚。6.4 我给新手的最低成本起步建议如果你第一次尝试不要一上来就搞云端大模型成本未必比官方订阅低多少。先在本地跑一个 7B 到 14B 的代码模型把 Trae 连起来感受一下自定义模型带来的掌控感。我的推荐顺序Ollama 起本地服务再用 Qwen2.5-Coder 系列做代码场景先跑通链路然后再考虑接云端渠道。等你对 Base URL、模型 ID、流式开关这些概念都有了手感再上网关也不迟。最后分享一个我个人的细节习惯每次配完自定义模型我都会先在聊天框里发一句 “ping”看它是否秒回再写一点简单代码测试补全。这套动作大概三十秒能确认 80% 配置是否正确。剩下的细节问题再用 curl 和日志慢慢看。Trae 连自定义大模型这件事说到底就是让一个编辑器去理解标准的 OpenAI 兼容接口你把服务端调顺了IDE 这边基本没什么可折腾的。