效率翻倍!TRAE 快速搞定项目规则与技能初始化

前言

用过 Claude Code、CodeBuddy 的开发者都知道,这类工具可通过 CLI 的 \init 命令一键生成项目规则与技能文档。但 TRAE 并未提供类似的 CLI 初始化指令,虽有由提供项目规则和技能配置入口,但还是要手动编写文档,实际使用上效率偏低,而且很多情况下也不知道从何下手。为此,我尝试探索通过对话让模型自动初始化项目规则和技能文档的方案。

规则和技能是什么

根据 TRAE 的官方文档描述:

  • 规则(Rules)是"通过制定规则来规范 AI 在 TRAE 内的行为,包括代码风格、语言与框架、交互方式等,使 AI 的输出更符合你的个人偏好和项目要求。"

  • 技能(Skills)是"可以被视为提供给智能体的一套 "专业能力说明书"(类似用户手册或操作指南)。在执行任务时,智能体可以按需加载相应的技能,从而增强其对任务的理解与执行能力。"

一句提示词就能完成初始化?实际有坑!

经过多次尝试,我发现了一个简单的提示词就可以实现 .trae 目录的初始化:分析下项目的结构和代码,初始化项目规则和技能文件,但在实践中我也发现了一个问题------模型生成的效果不够稳定。

在多个项目测试后发现,单纯用这句提示词,在一些情况下生成的目录结构、文档格式与 TRAE 官方文档中提及的示例规范不符;而且多次用同样的提示词和模型,生成的结果也不一致。

为此,我想到了更可靠的解决方案:创建专属智能体。本文也会同步讲解,如何用 TRAE 打造专属智能体。

创建专属智能体:TRAE-规则技能助手

1. 创建智能体

这一步很简单,点击右上角的配置按钮,然后在左侧找到"智能体"配置入口

2. 配置智能体

点击智能体配置面板的右上角"创建"按钮,输入智能体的基本信息

  1. 点击创建后你可以直接输入你的需求,让 TRAE 帮你润色提示词
  1. 我这里的智能体是明确的需求,所以我跳过了智能生成,直接配置提示词

这里的提示词主要是明确智能体的任务和职责,并提供一些输出成果的要求和示例

复刻我的智能体

你也可以根据实际体验,调整提示词来达到你想要的效果,比如丰富规则和技能的生成要求等,也可以在评论区讨论

我用 TRAE 做了一个有意思的Agent 「TRAE-规则技能助手」。 点击 s.trae.com.cn/a/ee77f1?re... 立即复刻,一起来玩吧!

使用"TRAE-规则技能助手"智能体快速初始化规则和技能文档

  1. 使用 @ 符号快速选择智能体

  2. 切换模型,我这里主要用了 GLM-4.7 模型,也是国产实测效果较好的模型

  3. 在对话框输入提示词:分析下项目的结构和代码,初始化项目规则和技能文件

    • 点击发送后,trae 会根据智能体的描述,结合用户提供的提示词,自动分析项目结构和代码,然后创建目录、查阅参考文档、创建规则和技能文件

    • 如果遇到提示,一般都是创建文件的命令,直接点击"运行"即可

    • 接着等待命令执行完成

    • 最后,审查生成的文件,一般来说直接全部采纳即可

    • 最后生成的文件内容、描述和格式基本能满足要求,后续只需要根据实际情况按需调整即可

    • 如果生成的规则或者技能有缺失或不完善的,可以直接通过对话让模型继续补充或完善

  4. 通过上面的步骤,我们已经完成了项目规则和技能文件的初始化,接下来就可以愉快的开始你的 Vibe Coding 了(注意切换到其他智能体,比如 Builder),通过下图可以看到我们创建的项目规则和技能已经能被正常调用😊

  5. 除了初始化功能之外,这个智能体还能帮你创建新的技能,比如:帮我添加一个实现样式代码的技能,也是可以做到的。

  6. 更多可能等着你去探索,如果有更好的用法或者想法也欢迎评论区讨论

总结

以上就是我在 TRAE 里面实现项目规则与技能文档自动初始化的完整过程,通过这次探索我主要的收获有以下几点:

  1. 有没有提供规则和技能文档,在实际的 Vibe Coding 体验中表现天差地别。没有提供文档时 AI 只能当做一个辅助工作;有了规范文档,AI 才能真正理解你的代码、业务、规范与技术要求,从而产出可直接用于生产的高质量代码

  2. 项目的规则和技能文档非常重要,他会让AI按照项目的既定要求完成开发工作,你可以通过规则文档告诉 AI 编码的基准和规范,然后通过 SKILL 来告诉 AI 遇到不同的场景应该怎么做

  3. 文档是前提,但最终代码效果仍依赖模型本身,相同提示词下,不同模型的输出差异显著。目前使用下来 GLM 的表现在 TRAE 国内版提供的几个内置模型中表现较好

相关推荐
zhangfeng113323 分钟前
ATK(华为算子测试平台)详细介绍 CANN(Compute Architecture for Neural Networks,神经网络计算架构
人工智能·华为·ai编程·npu·cann
杨杨杨大侠26 分钟前
Jev 不是 Agent:TypeSafe System One 如何成为离 LLM 最近的决策层
aigc·openai·ai编程
plainGeekDev28 分钟前
棘轮原理与实战:让 Harness 越用越可靠
aigc·ai编程·claude
夏天要喝冰可乐38 分钟前
一处写作,多平台分发:我给掘金做了一款开源 Chrome 插件
前端·chrome·vibecoding
外收内放1 小时前
Python与AI应用(项目开发实战:AI智能伴侣第三版)
python·学习·ai编程
zhangfeng11332 小时前
《从“人工适配“到“智能生成“:KernelSwift 跨国产芯片算子迁移全栈方案解读》 —— 强调范式跃迁和跨硬件属性,适合偏架构分析的写法
人工智能·算法·华为·ai编程·npu
OpsEye2 小时前
为什么你的 Agent 莫名烧钱?聊聊循环调用的兜底方案
javascript·ai编程
OxYGC2 小时前
[AI工程] Spring AI 第十四篇:Agent 五种模式在 2.0 里怎么写
java·spring·ai·ai编程
罗狮粉 993 小时前
AI-Gateway — 面向 AI Agent 的本地 Runtime Gateway
人工智能·python·inscode·ai编程
杨杨杨大侠3 小时前
知识库已经有了,Java 程序员还要做什么?Spring AI RAG 实战
java·openai·ai编程