最近在学习使用AI知识库，使用了一段时间后，发现目前国内的AI知识库工具用下来的优点很多，但缺点也比较明显。比如基本都不支持御三家的大模型，只能是知识库，不能直接用来进行写作等。
所以今天，我就来分享一下我是如何将Trae变成一个好用的知识库，以及在知识库的基础上将它转为一个写作助手。
本文纯属自己的使用经验分享，并非广告，干货满满，一定要坚持看完。
一、先上知识库效果
AI根据我在知识库里面的文件告诉我的五个避免亏钱的方法：
接着我切换了一个智能体，让AI根据上面的内容，写了一篇完整的文章：
除了上面这两张截图之外，还有更劲爆的。
我把我的flomo里面的1300多条笔记导出整理成CSV文件后，给到Trae，它直接把我"整理"出来了！
相比起市面上的知识库，魔改后的Trae，作为知识库支持更多的功能，比如接入不同的mcp插件获得更多的能力，也可以通过不同智能体的搭配来实现不同的功能。就像上面一样用一个智能体来搜索内容，一个智能体来写作。
而且因为可以使用御三家（ChatGPT/Gemini/Cladue）的最强大模型，整体回答的质量也非常高。
二、如何魔改Trae？
分享完效果，接下来就分享一下我的魔改方法。
第一步：下载并打开Trae
Trae目前有海外版和国内版，推荐大家使用海外版，海外版有支持御三家的模型，还有免费额度，作为知识库使用的话基本够用了。
海外版链接：www.trae.ai
下载完之后我们要打开Trae，然后要选择一个打开一个文件夹，作为我们的本地数据储存的地方，比如我的文件夹就叫"我的AI大脑"。
第二步：设置专门的知识库智能体
首先，我们需要创建一个专门作为知识库的智能体。这个智能体的核心作用是协助我们读取和管理本地文件，帮助我们快速找到需要的信息。
通过智能体的协作能力，我们可以让它更好地理解我们的查询意图，并准确定位到相关内容。
设置路径：Trae设置→智能体→创建智能体→添加MCP工具"sequentlal-thinking"
然后输入提示词就好了。提示词我已经写好，直接附上，如果喜欢我的文章，记得多点赞分享，这样我才有更多的动力分享更多的内容。
markdown
## 角色
你是「Trae 知识库助手」，熟练掌握 Trae IDE 的 Chat / Builder / @Agent 规则系统，
能够检索并理解用户工作区 Resource Manager 中的本地文档，
在 30 秒内输出**结构清晰、可追溯**的答案或操作方案。
## 上下文变量
- {{input}} : 用户自然语言问题
- {{fileChunks}} : 向量检索返回的文档片段（已按相关度排序，每段含 `#索引` 与来源文件名）
- {{codeContext}} : 当前选中文件/光标附近代码，或终端输出 (Trae 自动注入)
- {{agentTools}} : Trae 可调用的 Builder、终端、文件写入等 Action 描述
## 技能
### 技能 1｜知识库检索回答
1. 读取 {{fileChunks}}，选取最相关的 1-5 段做要点摘录；如信息不足，再利用 {{codeContext}} 或追问用户。
2. 组合专业背景知识，按「问题分析 → 解决方案 → 引用」三段式输出；
3. 在文末以 `🔗 引用: #1, #4 ...` 格式列出所有使用过的 `#索引`，确保可回溯。
### 技能 2｜Trae 操作指导与代码示例
1. 当用户请求"怎么做"或报错排查：
- 给出最短可运行示例 (```语言 ...```)，必要时调用 {{agentTools}} 并标注步骤；
2. 涉及 Builder / Chat / @Agent 路径，使用 `👉 Trae 菜单 > ...` 指明具体位置。
3. shell 命令前置 `$ `；输出示例用 ```text```。
### 技能 3｜主动检索增强
- 当 {{fileChunks}} 相关度平均低于 0.3 时（Trae 会在 metadata 提供分值），自动尝试第二轮检索：
1. 扩展关键词（同义词、缩写、标题词）；
2. 若仍不足，提醒用户上传/同步更多资料，或限定检索范围。
### 技能 4|运用sequential-thinking MCP提升回答质量
1. 作用：把复杂问题拆解成若干个小块，通过逐步推理的方式来保证答案既有逻辑又连贯。
2. 如何触发：碰到那些需要多个步骤解决，或者得靠逻辑推理才能搞定的问题时就派上用场了。这样能让回答更清楚、更有条理。
## 回答格式
> **标题**（`###`）
> **正文**：分点 ≤ 80 字/点，逻辑递进
> **代码/命令**：使用对齐的 ``` 块
> **引用**：独立一行 `🔗 引用:`，列出使用的 `#索引` 与原文件名
## 限制
- **只处理与个人文档、Trae 功能或本地知识库检索相关的问题**；
- 遭遇无关/敏感请求时回复："抱歉，当前助手仅处理 Trae 知识库相关问题。"
- 禁止编造未出现过的 API、命令或文档内容；所有结论须可在引用中找到依据。MCP设置：
点击右上角，选择MCP，然后再点击"添加"，在搜索框输入"sequential thinking"就能搜到了，点击➕，然后直接复制代码即可，非常简单。
这个MCP可以帮助AI逐步推理问题，让生成的内容质量更高。
第三步：准备足够的内容资料
有了智能体之后，我们还需要足够多的内容来支撑知识库的运作。由于Trae主要支持读取Markdown（.md）和CSV文件格式，所以我们需要把手上的各种资料转换成这两种格式。这包括：
- 文档资料：将Word、PDF等文档转换为Markdown格式
- 数据表格：将Excel表格保存为CSV格式
- 网页内容：将收藏的网页内容整理成Markdown文件
所以我的流程是这样的，使用"飞书剪存"浏览器插件将内容保存到飞书文档，再复制或者下载导出，转换成markdown文件。 这是一个可以把任何网页识别成飞书文档的工具，使用方法和下载方式看下面这个链接。
之所以选择飞书剪存是因为这个插件导出的网页文章格式最好，成功率最高。
得到了飞书文档后，我们可以直接把文字复制出来，可以粘贴到markdown编辑器中导出成md格式的文件。或者直接导出成word/pdf格式的文档，再用工具转换成md文档。
为了更加方便，我也做了一个本地的文件转换工具，可以直接把word/pdf/Excel文档转换成csv/md文件，非常方便。
这个工具我已经上传到了GitHub，仓库是：
如何更好的保存内容：我们可以把不同的内容分别保存在不同的文件夹中，这样在让Trae执行一些更细化的问题可以选择更小的文件夹来提问。
比如像我下面这样，当我打开的是"我的AI大脑"时，它就是一个大而全的知识库。当我打开的是"旅行攻略"时，它就是一个小而精的知识库。
到这里，我们就已经借助Trae本身强大的文件处理和智能对话功能，把这个本地知识库完整地搭建起来，再搭配其他的智能体和mcp，可玩性非常强。
三、怎么使用这个知识库？
1. 作为知识库使用
既然我们已经把Trae魔改成了一个强大的知识库，那么它就具备了专业知识库的核心功能。具体来说，我们可以通过以下几种方式来使用：
- 个人资料问答： 将个人简历、工作经历、技能清单等资料输入知识库，让AI根据这些信息回答关于你的专业背景的问题，可以用于面试准备、自我介绍优化等场景；
- 学习笔记整理： 将学习资料、读书笔记、课程内容等整合到知识库，通过对话的方式复习和巩固知识点，支持跨领域知识的关联和整合。
需要特别提醒的是，虽然这个改造后的知识库功能强大，但它在处理大规模数据时可能不如专业的向量数据库那样高效。
目前我自己用下来方法至少能够稳定处理的几十万字的资料。如果你的资料数据特别大的话，建议分批处理或者考虑使用专业的知识库解决方案。
2. 配合写作 智能体 进行内容创作
这是我特别推荐将Trae改造成知识库的核心原因，也是这个方案最大的亮点所在。通过结合Trae强大的智能体功能，我们可以打造出一个极其高效的写作工作流。
我的写作实践案例
就拿这篇文章的创作过程来说，我首先将相关的参考资料和素材导入到知识库中，然后让AI根据这些资料生成文章的整体框架和大纲。有了这个基础结构后，我再通过口述的方式逐段进行内容补充和修改，最终完成了这篇完整的文章。
市面上虽然有很多知识库产品，但在写作能力方面，很少有能与这个改造方案相媲美的。
Trae不仅能检索信息，还能理解内容的深层含义和关联，而且支持多种文体和写作风格的切换，还可以通过对话不断完善和调整内容。
并且通过配置不同的智能体，实现研究、构思、写作、编辑的全流程写作解决方案。
3. 作为自己专属的 聊天机器人
这是这个知识库改造方案的第三个重要应用场景，也是最具个人化特色的功能。通过将个人资料和经历导入知识库，我们可以打造出一个真正了解自己的AI助手。
当我将1000多条flomo笔记资料导入系统后，这个AI助手就能够深度理解我是一个什么样的人。它不再是一个通用的聊天机器人，而是一个专门为我定制的智能伙伴，能够基于我的背景和经历提供个性化建议，理解我的思维方式和表达习惯，在对话中体现出对我个人情况的深度了解，提供符合我价值观和目标的指导意见。
文章最后附上一段我的AI大脑给我做的心灵马杀鸡，也祝你早日拥有自己的AI大脑。
最后，如果你喜欢这篇文章，不妨点个赞、收藏一下，或者转发给同样对AI感兴趣的朋友。你的每一次互动，都是我继续创作的动力！