五、探索 Trae 技术 实现:codebase 与 build 模式深度融合

五、探索 Trae 技术 实现:codebase 与 build 模式深度融合

构建 build 模式专属的 prompt 模板

prompt 模板的设计原则

prompt 是构建 RAG 系统的关键,它直接影响着检索和生成的准确性。以下是一些设计原则:

  1. 精准定位与清晰指引:提供详尽上下文,涵盖问题域、代码库特征等要素,借助"@引用"精准指向特定文件或函数;将问题按逻辑拆解为明确步骤,引导LLM按序实现功能,确保与现有架构无缝衔接。
  2. 适配模型与具体参照:依任务选合适LLM,考量上下文窗口、领域知识等因素;参照现有模式时精准具体,明确方法论、设计模式及性能与可读性的侧重。
  3. 优化生成与多元评估:遇问题重生成而非修复,获新视角并规避错误逻辑传播;让LLM生成多策略并对比分析,权衡时间、空间等因素以优化方案。
  4. 审查机制与角色赋予:建立自我审查机制,让LLM检查代码的正确性、效率等方面;赋予LLM符合任务的技术角色,使其生成代码时聚焦关键因素。
  5. 明确约束与考量周全:清晰界定语言、框架、库的版本及依赖等约束,保障与目标环境兼容;全面考量边缘情况和约束条件,使生成代码具备完善的验证、处理和优化机制 。

prompt 模板的设计示例

以下是一个简单的 prompt 模板示例,用于代码查询:

markdown 复制代码
# 请为我生成一个后端项目 Codebase,具体要求如下:

- **技术栈**:Node.js(版本 ≥18)、Express 框架、Axios 库、dotenv 进行环境变量管理。
- **功能描述**:
- 搭建一个 Express 服务。
- 暴露一个 `POST /chat` API 接口,接收用户消息(`message`)和可选的 `sessionId`。
- 使用 Axios 调用一个 LLM 服务(如 OpenAI API),将用户输入转发到 LLM,并将 LLM 回复返回给客户端。
- 支持基础的上下文管理(可以基于 sessionId 简单缓存上下文,例如保留最近几条对话,内存存储即可,不用持久化)。
- **项目结构**:
- `src/routes/` --- 路由定义(如 chat.js)
- `src/services/` --- 与 LLM 通信的服务层(如 llmService.js)
- `src/middlewares/` --- 错误处理、中间件(如 errorHandler.js)
- `src/utils/` --- 辅助功能模块(如 sessionManager.js)
- `src/app.js` --- Express 应用初始化
- `src/server.js` --- 启动服务器
- `.env` 示例文件 --- 包含必要的环境变量(如 LLM_API_KEY)
- `README.md` --- 简单介绍如何运行项目
- **开发要求**:
- 使用 JavaScript(非 TypeScript)。
- 代码风格规范,适当添加注释。
- 必须包含统一的错误处理机制。
- 采用模块化编程,避免将所有逻辑堆叠在一个文件中。
- 代码应当开箱即用,包含必要的依赖(如 package.json 文件定义)。
- **加分项(可选,但鼓励实现)**:
- 支持流式响应(如 OpenAI `stream: true` 的返回)。
- 使用 CORS 中间件,允许跨域请求。
- 使用统一的日志系统(如 console 封装或 Winston 简易版)。
- 提供 Dockerfile 支持项目容器化。

## 重要规则:
    1、如果是执行命令,请使用 markdown 格式 输出,示例:
    ```shell
    具提执行的命令
    ```
    2、如果是修改文件,请使用 markdown 格式 输出,示例:
    ```editfile
    filename:具体的文件名称
    content:具体的文件内容
    ```

请根据以上要求生成完整项目文件结构和主要代码文件内容,确保项目可以直接 `npm install` 和 `npm start` 即可运行。

这个模板包含了用户的查询和代码库中的代码,模型可以根据这些信息生成相关的回答。

我们把上面的 prompt 模板复制到 trae 编辑器中,然后点击"生成"按钮,就可以生成一个后端项目 Codebase。

检索codebase

基于语义相似度的检索策略

  • 选择合适的向量数据库(如 LanceDB、Pinecone、Weaviate 等)
  • 对代码库进行分块,每个块作为一个向量存储
  • 使用向量数据库进行语义检索,找到与问题最相关的代码块
  • 返回检索结果,包含代码块的内容、文件名、行号等信息

基于语义相似度的检索策略的实现

javascript 复制代码
import * as lancedb from "@lancedb/lancedb";
import { cat } from "@xenova/transformers";
import * as arrow from "apache-arrow";
const databaseDir = "./lancedb"
// 连接数据库
const db = await lancedb.connect(databaseDir);
const tableName = "test";
// ========= 批量添加一批数据 =========//
const table = await db.openTable(tableName);
let data = [];
for (let idx = 0; idx < 255; idx++) {
    let item = {
      vector: [1.3 + idx, 1.4 + idx / 10],
      item: `fizz${idx}`,
      price: 100.0 + idx,
    };
    if (idx / 5 == 0) {
        item.item = `buzz${idx}`;
    }
  data = data.concat(item);
}
await table.add(data);

检索示例:

javascript 复制代码
let res = await table.search([100, 100]).limit(1).toArray();

相关文章

如果你喜欢Trae、LLM、RAG、代码库感兴趣请一键三连,谢谢。

相关推荐
十盒半价5 小时前
React 性能优化秘籍:从渲染顺序到组件粒度
react.js·性能优化·trae
CloudWeGo17 小时前
AI编程幻觉频发?字节跳动开源ABCoder:让AI深度阅读你的代码
ai编程·mcp·trae
前端说明书18 小时前
🚀🚀🚀 Claude Code: 4种方法1分钟快速上手使用
ai编程·trae
围巾哥萧尘19 小时前
Trae solo 2.0 三个案例的测试(贪吃蛇、面板、心情)🧣
trae
十盒半价1 天前
TypeScript + React:大型项目开发的黄金搭档
前端·typescript·trae
大熊猫侯佩1 天前
无需自己写半行代码:让 AI 编程智能体(Agent)化身神笔马良为我们自动仿制 App 界面
swiftui·agent·cursor
围巾哥萧尘1 天前
「IOS开发」AI Agent iOS应用上架指南 | 围巾哥萧尘🧣
trae
阿Q说代码2 天前
基于亮数据 MCP 的 Trae 智能体,让规模化 Google 数据实时分析触手可及
数据分析·数据抓取·亮数据·trae
全宝2 天前
⚡我做了一个批量下载 VSCode 插件的小工具
前端·visual studio code·cursor
qiyue772 天前
如何选择AI IDE?对比Cursor分析功能差异
ai编程·cursor·trae