特别申明：仅代表个人使用体验和思路分享
github仓库链接：https://github.com/MorningStar0709/trae-agent-enhancements
为了方便国内访问以下链接均为博客链接（与Github项目内一致）
更新了一个适配自定义模型的新Skill，可参考【Skill 创作】火速更新一个适配自定义模型的Skill
介绍
Trae AI Agent Enhancements 是一套为 Trae IDE 打造的 AI Agent 规则与技能集。通过规则路由、专业技能和持久记忆三大层，让 AI Agent 从"什么都能干但什么都不稳"变成"该快的快、该稳的稳、该学的学"。
极简介绍：Trae AI Agent Enhancements 极简介绍 - 藏星阁
亮点与痛点介绍：Trae AI Agent Enhancements 亮点与痛点介绍 - 藏星阁
全景详解：Trae AI Agent Enhancements 全景详解 - 藏星阁
设计思路与巧思：Trae AI Agent Enhancements 设计思路与巧思 - 藏星阁
组件速查：Trae AI Agent Enhancements 组件速查 - 藏星阁
特色（说人话版本）
1.高度适配中文用户且平衡llv平衡llm推理时使用英文，而用户需要中文场景;
2.采用可移植性更强的py脚本重构内部架构，完美适配windows且兼顾其他平台移植。（其他平台未测试）;
3.与trae高度适配，记忆系统为trae原生记忆系统且与原生功能不冲突，为互补。子agent相关的功能也是调用了trae原生的能力;
4.在什么时候应该问问题、问什么问题、问题复杂程度应该如何判断、如何处理不同难度的任务、给出的建议是否权衡过收益。
5.在多agent分配、委派、划分等方面做了努力。（下文会详细说明）
对于新用户友好的地方（均高度适配Trae，均参考自官方规范）
- skill-creator 创建属于自己的技能;
- skill-stability-review/skill-language-policy 审查技能是否符合规范标准;
- creating-trae-rules 创建属于自己的规则;
- agent-blueprint-architect 创建属于自己的Agent (对应Trae UI，直接复制即可，小巧思)
- 一些完整的使用技巧分享：Trae IDE入门教程 - 藏星阁
对于开发者的一些参考（重申仅代表个人意见）
LLM 中文使用者在 Skill / Rule / Agent 脚本中的语言权衡：LLM 中文使用者在 Skill / Rule / Agent 脚本中的语言权衡 - 藏星阁
Trae 原生记忆系统：Skill 使用现状与局限性：Trae 原生记忆系统：Skill 使用现状与局限性 - 藏星阁
对于Subagent的一些使用体验（说人话版）
我需要审查分析整个项目时，项目文件总数为30+，且我已经明确在规则里写了委派子agent时应该按照标准拆分子agent，但是它自主委派能力很差，实际情况是：委派了一个search子agent然后它负责独立扫描并阅读30+文件，导致了一个非常严重的后果，子agent上下文膨胀，压缩后重新执行，再压缩再执行，效率极低。且目前不知道子agent使用的什么模型，如果是和主agent一致，则上下文容量不一致，因为我指派主agent独立完成任务并不会触发上下文压缩。
详细叙述版：SubAgent 流程与局限性分析 - 藏星阁
来源于对superpowers的适配
