目录
[TRAE 安装与设置](#TRAE 安装与设置)
[clangd 插件](#clangd 插件)
[Markdown Preview Mermaid Support 插件](#Markdown Preview Mermaid Support 插件)
[MCP 调用 MySQL 生成数据库](#MCP 调用 MySQL 生成数据库)
[TRAE IDE中的RAG技术](#TRAE IDE中的RAG技术)
[TRAE IDE 中使用 RAG](#TRAE IDE 中使用 RAG)
开发环境：
TRAE IDE(文件生成)
Qtcreate（编译环境）
核心目标：
掌握 AI 辅助 Qt C++ 开发，理解 TRAE 的三种交互模式
技术选型：
•通用大模型：如 ChatGPT、文心一言、豆包等纯对话式 AI，无专属编程界面，仅通过文字交互生成代码 / 解答问题。
•AI IDE （ TRAE IDE ）：集成 AI 能力的编程编辑器，有专属代码编辑界面，可直接编写、预览代码，支持插件（如 mermaid preview）和模式化交互（chat/builder/mcp）。
AI 智能体（ TRAE solo ）：TRAE 的智能体模式，可理解为 "自动化的 AI 编程助手"，能自主拆解编程任务、调用工具（如 MCP）、执行流程，无需人工逐步指令
TRAE 安装与设置
•官网 TRAE - The Real AI Engineer | TRAE - The Real AI Engineer : https://www.trae.cn/
qt安装版本：qt6.0+
cmake安装版本：cmake 3.5+
第一个小验证： TRAE 中新建文件， Qt Creator 编译运行简单 C++ 程序
规范的提示词模板（可直接复制至trace IDE）
【任务目标】
帮我生成一个基于CMake构建的QT6 Widget程序完整代码，要求能在Qt Creator 中直接加载、编译、运行。
【技术约束】
-
构建工具：CMake，需符合QT6的CMake配置规范；
-
QT版本：QT6.5+，仅使用Widget模块（Qt6::Widgets），禁用QML；
-
运行环境：兼容Windows/Linux/macOS的Qt Creator，代码无平台硬编码；
-
代码规范：遵循QT6官方最佳实践，包含必要注释，变量/函数命名符合QT风格。
【功能要求】
-
界面：主窗口标题为"Hello AI World"，尺寸300×200，包含一个居中显示的按钮，按钮文本为"点击触发弹窗"；
-
交互：点击按钮后，弹出QMessageBox提示框，提示框标题为"提示"，内容为"Hello AI World！"，按钮为"确定"；
-
布局：使用QVBoxLayout确保按钮在窗口中居中，适配窗口大小调整。
【输出要求】
- 生成完整的项目文件：
-
CMakeLists.txt（包含QT6模块查找、自动MOC/UIC/RCC配置、链接库、输出路径）；
-
main.cpp（所有逻辑写在该文件，无需拆分多个源文件）；
-
代码中添加关键步骤注释（如QT应用实例创建、信号槽绑定、布局设置）；
-
附带"Qt Creator加载编译步骤"的文字说明（步骤化，新手可跟随操作）。
TRAE 生成代码后，使用 Qt Creator 加载 CMakeLists.txt 进行测试
插件：
clangd 插件
clangd 插件的核心是为 IDE 赋予 C/C++ 语言的"语义理解能力"，是传统 IDE 实现智能化的基础
为了消除TRAE IDE上的错误提示（clangd找不到QT库），可以通过配置清单，并将配置清单拷贝到工厂目录下：（这是其中一种方式，也可通过与trace IDE沟通来生成其他配置文件来解决，如：clangd 默认会在项目根目录查找 compile_commands.json）
Markdown Preview Mermaid Support 插件
Markdown Preview Mermaid Support 是一款专注于 Markdown 文档中 Mermaid 图表渲染的插件，支持流程图、时序图、架构图等多种图表类型，与 TRAE IDE 原生 Markdown 预览功能无缝集成，是技术文档编写的必备工具
Mermaid 支持多种图表类型，常用类型包括：
流程图：展示业务执行流程、操作步骤（比如 TRAE IDE 插件安装流程）
时序图：展示程序执行顺序、网络协议交互
类图：展示 C++/Qt 的类结构和继承关系
状态图：展示程序状态切换（比如多线程的生命周期）
甘特图：展示课程开发进度
可以通过提示词让智能体为我们生成项目核心业务的时序图，并存入Markdown文件中
未安装该插件和安装后提示词结果对比
什么是MCP
MCP（Model Context Protocol，模型上下文协议），是一套用于标准化大语言模型（LLM）与外部工具、数据源及服务进行交互的开放协议
•MCP就像是AI模型与外部工具之间的"通用通信桥梁"，通过它，不同类型的AI模型可以直接调用各类外部工具完成任务
从架构层面看，MCP采用经典的Client/Server（客户端/服务端）解耦设计，核心包含三个角色：
•MCP Client：集成在MCP Host内部的通信组件，负责将AI模型的需求转化为标准化的MCP请求，同时将外部工具的响应转化为AI可理解的格式；
•MCP Host：运行AI模型的宿主环境，TRAE IDE就是典型的MCP Host
•MCP Server：提供外部工具能力的服务端，可对接数据库、API接口、本地工具等各类资源，接收并执行MCP Client的请求。
MCP 调用 MySQL 生成数据库
TRAE IDE**（Client）**：发起请求（比如 "我要连接 MySQL 并查一张表"），并规定了请求的格式、参数、返回值规范（即 MCP 协议）；它不关心具体怎么连 MySQL、怎么查数据，只关心"按协议拿到结果"
MCP****插件（Server）：每个插件只负责处理一类数据源的，MySQL MCP插件能按照 TRAE IDE 规定的 MCP 协议接收请求、执行连库、查数据等，再按协议返回结果；每个插件都是一个独立的、针对特定数据源的MCP服务端
例子：
1.安装mysql数据库服务或者通过trae来安装，安装 Python ，安装 UV。
2.MySQL-MCP 服务配置：无需手动下载插件，直接从TRAE MCP市场添加
3.QT的MySQL驱动下载地址：https://github.com/thecodemonkey86/qt_mysql_driver/releases
什么是RAG
RAG 是一种将信息检索与生成式 AI 相结合的技术框架。
它的核心思想是：在生成回答前，先从外部知识库中检索相关文档片段，然后将这些检索到的信息作为上下文提供给大语言模型，从而生成更准确、更可靠的回答。
TRAE IDE中的RAG技术
在TRAE IDE中通过RAG技术提升代码生成准确性，核心是构建项目知识库和配置智能上下文，让AI能"看到"你的代码规范、业务逻辑和项目结构。
在与智能体交互时，使用下面的触发方式：
说明：
TRAE IDE 中使用 RAG
准备一个现有的项目，将目录通过**文件夹引用（#Folder ）**的方式告知智能体，并让他完成一个基础的项目内容，比如模拟目录中的项目生成一个类似风格的界面。
上传一个md文档（例如公司的代码编写规范）作为上下文
通过**文档集（#doc）**的方式告知智能体，安装文档集的要求重写代码。