Trae Work 省积分指南：让每一次对话都用在刀刃上
内容：
-
合并任务，减少对话轮次
在 Trae Work 中，将多个关联的代码问题、修改需求整理成清晰的“批量任务清单”，一次性提交。这样既能避免多次新建对话消耗基础积分，又能让 AI 利用连续的上下文高效推理。 -
复用上下文，避免重复描述
当后续任务需要依赖前一个结果时，直接在同一个 Work 会话中引用之前的输出（如“基于上面的代码，再帮我……”），省去重新解释项目背景和当前代码状态的 Token 消耗。 -
指令具体化，降低修正频率
用最精炼的语言明确给出技术栈、目标效果、边界条件，甚至粘贴关键代码片段，减少 AI 为澄清需求而发起的额外提问，一轮到位就是最直接的省积分。 -
按需关闭 Agent 模式
Agent 模式（自动操作文件、执行命令等）功能强大，但往往会消耗更多积分。普通的解释、重构、生成代码问题，切换回标准对话模式，可以有效控制积分流速。 -
善用历史任务，快速复制微调
遇到与历史任务类似的场景，直接复制之前那条成功的指令，微调少数关键词后发送，节省从零组织语言所浪费的 token，让每一分都产出新价值。