这两天用trae对一个有767个代码文件（不含测试文件）的DDD架构的项目做分析。我的指令非常明确是逐个文件逐行代码的阅读。但是在实际执行的时候却发现不是先遍历项目目录，而是随便挑一个文件直接开始。另外还时不时的猜测文件名，先猜文件名然后在项目中查找，找不到就再猜一个。
在我多次的强行打断和引导下，才开始真正遍历项目目录，并生成所有需审查的文件路径文档。但是再后续的审查中，完全无视这个文档，还是随机挑选代码文件审查。上一个文件还是用户登录相关的文件，下一个文件就可以跳到与用户登录鉴权毫不相干的工具定义文件，这种跳跃毫无规律，既不是同目录，又不是业务相关有直接调用关系，也不是按照文件名排序。偶尔还会执行CI验证和go build操作。就是trae对LLM的操作没有任何边界约束。
我7号买的4000积分，使用deepseek-v4-flash的0.05倍率，到现在只剩183积分，唯一可靠的收获就是那个包括所有需审查文件的文档，连一份可靠的结果报告都没有。因为在任务执行过程中频繁触发上下文压缩，压缩过后就丢失曾经审查过哪些文件，然后就重新思考，重新制定审查plan，遇到已经审查过的代码文件，还会得出前后矛盾的结果，比如前一次审查认为这应该是一个业务接口，应该在领域层，在上下问压缩后再次遇到这个文件，又说这个接口文件应该在基础设施层。导致前后生成的4份报告都存在相互矛盾的地方。最主要的是每一份报告都只覆盖了不到三分之二的代码文档。
项目中明明有完善的DOCS文档，包括清晰的项目架构、功能模块说明等规则规范文档。即使在指令中甚至Skills中强调阅读，但是大部分时间都是被无视的。
在其他IDE用虽然也存在多次审查后因无视规则规范文档导致结果矛盾的地方，但是至少能按照指令要求把有代码文件全部阅读完毕。但是在trae中，用了将近4000积分，连把所有文件都读一遍都做不到。同样的LLM，在不同的IDE中表现差距这么大，只能是trae内置的system prompt存在问题。
此外长任务中频繁的压缩触发，导致不停的从头执行，也是很大的问题。
看到你花了这么多积分去跑 767 个文件的审查，确实非常辛苦。你遇到的遗忘进度、无规律跳跃和猜测文件名，确实是目前大模型处理超长任务时的常见痛点。
这主要是因为上下文压缩（Compaction）机制。当对话内容超过窗口限制时，TRAE 会自动触发压缩来清理冗余信息。在超大任务中，多次压缩会导致 Agent 遗忘最初的计划和已看过的文件，表现变得不稳定（出现"重新思考"或前后矛盾）。官方的最佳实践是短对话优于长对话，把几百个文件塞进一个对话里不仅效果差，消耗也大。
针对这种超大项目，建议你尝试以下官方方案来约束 Agent：
1. 使用 SOLO Agent 的 Spec 模式
在对话框输入 / Spec 开启。它会先生成 spec.md 大纲、tasks.md 任务列表和 checklist.md 验收清单，并保存在本地项目目录中。将计划保存在上下文之外的固定文件中，Agent 执行时就能定期对照本地清单，避免因上下文压缩而丢失进度。
2. 拆分任务，分批审查
不要试图在一个对话里遍历 767 个文件。建议先让 Agent 梳理出按模块划分的清单，然后分批次在新的对话中逐个模块审查。如果你使用 SOLO Agent，还可以为它配置子智能体，让它把大任务拆分隔离到独立的上下文中处理，大幅提升稳定性。
你可以试试用 Spec 模式 + 分批审查的方式推进，这能帮你省下不少无效消耗的积分～
参考文档：
用spec他会逐个核对清单
可以试试使用/goal模式，压缩的问题正在优化中
traework 没有goal模式啊
上面那个用户说的应该是TraeCode
我有自己的SubAgent和Skills，我已经用这套SubAgent和Skills在其他编程IDE中顺利完成了同样的工作。可能是我的这套SubAgent和Skills与trae性格不合吧。
确实，不同 AI IDE 的底层系统提示词、工具调用逻辑和上下文压缩机制存在差异。针对其他平台深度优化的 SubAgent 和 Skill，在 TRAE 现有的执行机制下可能确实会遇到“水土不服”的情况。
正如支持同学提到的，目前长任务的上下文压缩体验已经在持续优化中。非常感谢你分享的这份详实的跨平台使用反馈，这对改进 TRAE 处理超大项目的能力非常有帮助。
我的这套SubAgent和Skills就是在trae下实现的，应该说是为trae定做的，但是我发现在其他IDE下更能符合我的工作方式。我感觉除了山海关下文压缩算法问题，trae的系统提示也不符合长任务的需求，虽然trae一致在打造OLO这个以长任务一次性完成为主要目标的工作方式，但是内置的提示词是在不符合这个目标，完全是已局部微小任务为主的系统提示词方案。
你专门为 TRAE 定制了这套 SubAgent 和 Skills，对底层执行逻辑的感受确实非常敏锐。
正如你所观察到的，如何在系统提示词中平衡局部微小任务的精准度与 SOLO 长链路任务的连贯性，以及优化与之配合的上下文压缩机制，正是目前持续打磨的核心难点。非常感谢你在论坛分享这么深度的使用体验，这种来自真实复杂项目的架构视角反馈非常有价值。