TRAE IDE 提效实战指南：少加班，多摸鱼

写代码的最高境界不是写得快，而是让 AI 替你写，你只需要做决策。

一、Skills 全家桶：装上就能用的加速器

Skills 分两类：TRAE 自带的内置 Skill ，和你可以按需自行安装的项目级 Skill。

1. TRAE 内置 Skill（开箱即用）

Skill	适用场景	一句话
`TRAE-code-review`	每次提交前检查代码质量	提前拦截低级错误，减少线上回滚
`TRAE-debugger`	复杂 Bug、偶发 Bug、多轮修不好	科学调试，用证据说话（下面细讲）
`TRAE-generate-mini-app`	用 Taro 生成微信/支付宝小程序	描述需求 → 出代码，跨端零成本

2. 自行安装的 Skills（按项目按需装）

平台开发类

Skill	适用场景	一句话
`android-architecture`	Android 项目架构搭建、Hilt 依赖注入、Clean Architecture	不用纠结目录怎么放，AI 帮你规范
`android-data-layer`	Room 本地存储、Retrofit 网络、Repository 模式	离线优先同步，数据层代码一把梭
`android-coroutines`	Kotlin 协程、生命周期管理、结构化并发	协程别乱写，内存泄漏警告
`android-accessibility`	Jetpack Compose 无障碍适配	无障碍合规审查，别等提测才改
`flutter-dev`	Flutter 跨平台开发，Riverpod/Bloc 状态管理	Widget 优化、导航、测试一条龙
`ios-application-dev`	UIKit / SnapKit / SwiftUI	iOS 布局、可访问性、暗黑模式
`react-native-best-practices`	RN 性能优化，FPS/TTI/包体积	Hermes 优化、内存泄漏排查
`upgrading-react-native`	RN 版本升级	自动 diff，迁移原生配置

工程效率类

Skill	适用场景	一句话
`github`	PR 管理、分支策略、代码审查	gh CLI 操作，不用切网页

使用姿势： 告诉我"用 XXX skill 帮我做 YYY"，我就会自动加载对应能力。

二、TRAE-debugger：科学调试，告别盲猜

为什么需要它？

传统的调试流程是你描述 Bug → AI 猜一个原因 → 改代码 → 不行 → 再猜 → 再改......循环往复，一调一下午。

TRAE-debugger 的思路是不猜，用证据说话：

复制代码

假设 → 插桩 → 复现 → 分析 → 修复 → 验证

核心工作流（11 步精简版）

vbscript 复制代码

Step 1  定义问题 → 创建 debug-<sessionId>.md 记录本次调试
Step 2  列出 3-5 个可证伪的假设，标注可能性和验证成本
Step 3  设计观测点，用最少的日志覆盖最多的假设
Step 4  在代码中插入一行日志上报（不改任何业务逻辑）
Step 5  启动本地 Debug Server，监听 HTTP 端口
Step 6  你复现 Bug，日志自动上报
Step 7  我分析日志，确认/排除每个假设
Step 8  定位根因，提出最小修复方案
Step 9  你确认修复方案
Step 10 改代码 + 再跑一遍，对比修前修后日志
Step 11 你确认修好了 → 我清理所有调试痕迹

自动收集日志的原理

lua 复制代码

你的代码（插桩后）
    │  HTTP POST
    ▼
Debug Server (Python, 纯标准库, 零依赖)
    │  写入
    ▼
trae-debug-log-xxx.ndjson  ←── 我直接读这个文件分析

关键设计：

零依赖：只用 Python 标准库，不需要装任何包
自动配置 ：Server 启动时会在 .dbg/ 目录生成 <sessionId>.env，代码里读这个文件就能拿到 URL，不用硬编码
一行代码插桩 ：在怀疑的位置插入一行 fetch / curl / urllib，用完即删
结构化日志 ：每条日志带 hypothesisId（对应假设编号）、runId（修前/修后）、traceId（追踪单次请求），按条件过滤
API 接口 ：POST /event 上报，GET /logs 查询，DELETE /logs 清空

什么时候用它？

静态看代码看不出毛病的 Bug
数据流/时序/状态问题
偶发性 Bug，难以稳定复现
改了 2 次还没修好 ← 立即启动 Debugger

6 大场景速查表

场景	典型症状	前 3 假设
UI 没反应	点击无效	事件未绑定 → 处理器报错 → API 静默失败
数据不对	显示错误值	API 返回错 → 转换函数 Bug → 缓存过期
网络失败	请求超时	参数错误 → 服务端报错 → CORS/Auth
性能差	操作卡顿	过度重渲染 → 大数据处理 → 同步阻塞
随机报错	时好时坏	竞态条件 → 读写在写前 → 重复触发
内存泄漏	越来越慢	监听器未移除 → 订阅未清理 → 闭包持引用

三、不装 Skill 也能用的提效姿势

代码生成

css 复制代码

你：帮我写一个 UserRepository，支持 Room 本地缓存 + Retrofit 远程请求，
   先返回缓存再请求网络更新，用 Kotlin Flow
我：Done，带错误处理和加载状态

Bug 定位

复制代码

你：这段代码返回的数据一直是空的，帮我看看
我：读完代码后告诉你根因 + 修复方案

代码重构

复制代码

你：这个 300 行的函数太乱了，帮我拆一下
我：拆成 5 个职责单一的小函数，可读性拉满

技术选型

复制代码

你：这个项目用 MVVM 还是 MVI？Hilt 还是 Koin？
我：根据你项目规模、团队经验、现有架构给建议

四、工作流级"摸鱼心法"

黄金法则

需求先对齐再动手 --- 让我帮你拆需求、确认边界条件，避免返工
复杂任务先出方案 --- 你 review 方案，我写代码，你只看不改
模板代码全交给我 --- CRUD、数据模型、接口定义，描述字段我生成
提交前必 Review --- 用 TRAE-code-review 过一遍 diff，比自查更全面
卡住 30 分钟就启动 Debugger --- 别死磕，科学定位一次修对

五、总结

你想做的事	最快路径
写新功能	描述需求 → 我出代码
修 Bug	贴报错 → 我分析 + 修复
定位复杂 Bug	启动 `TRAE-debugger`
重构烂代码	指给我 → 我重构 + 解释
写测试	给代码 → 我写用例
代码检查	启动 `TRAE-code-review`
技术选型	给场景 → 我给方案对比
重复劳动	描述流程 → 我写脚本自动化

核心心法：把"想"和"写"的体力活交给 AI，你只负责做决策和把控核心逻辑。摸鱼不是偷懒，是把精力花在真正值得的地方。