很多人用 TraeCode 写代码的方式是:打开对话,输入"帮我加个登录功能"或"这段代码报错了",然后等 AI 回答。结果往往不太理想——要么生成的代码用错了框架,要么命名风格和项目里现有的代码完全不一样。
问题通常不在 AI,而在上下文。你给它的信息太少,它只能猜。TraeCode 其实提供了一套完整的上下文管理系统,分三层,从即时到持久到跨会话,用好它们,AI 的输出质量会有质的提升。
第一层:用 # 引用给 AI 精准的即时上下文
在对话输入框里输入 #,会弹出上下文类型列表。这不是简单的文件引用,而是按粒度细分的九种类型:
| 类型 | 适用场景 |
|---|---|
#Code |
只需要 AI 理解某个函数或类 |
#File |
需要让 AI 阅读完整文件 |
#Folder |
需求涉及某个目录下的多个文件 |
#Workspace |
让 AI 从整个项目中查找相关内容 |
#Doc |
引用个人文档集或外部技术文档 |
#Problems |
让 AI 分析"问题"页签中的诊断信息 |
#Web |
联网搜索或读取网页内容 |
#Rule |
引用项目级规则 |
#Past Chats |
引用历史对话内容(需在 Beta 设置中启用) |
一个实际场景:排查 bug 时,与其把报错信息复制粘贴到对话里,不如直接用 #Problems 让 AI 全量分析问题页签的诊断信息,再用 #Code 引用出问题的函数。AI 拿到的是完整上下文,而不是你手动摘录的片段。
需要注意的是,#Folder 和 #Workspace 依赖项目代码索引是否构建完成。如果索引还在构建中,召回效果会打折扣。提问时留意 References 位置的提示,索引就绪再提复杂问题。
第二层:用规则建立持久上下文
每次对话都重复说"用 TypeScript"、“命名用 camelCase”、“回复用中文”,很浪费。规则就是为了解决这个问题的——一次配置,长期生效。
全局规则在所有项目中生效,适合放个人偏好,比如"所有回答使用中文"、“为关键逻辑添加简明注释”。创建路径:设置 > 规则 > + 创建 > 全局。
项目规则存在项目的 .trae/rules/ 目录下,支持四种生效方式:
- 始终生效:当前项目所有对话自动携带
- 指定文件生效:通过
globs匹配文件路径,比如src/**/*.ts,只在提及匹配文件时生效 - 智能生效:在
description里写适用场景,由 AI 判断是否使用 - 手动触发生效:只有用
#Rule引用时才生效
一个容易被忽略的技巧:大型项目里,不要把所有规则堆在根目录。TraeCode 支持在子目录下放 .trae/rules/,规则只在该目录的文件被读取或提及时生效。比如前端模块放 React 规范,后端模块放 API 设计规范,互不干扰。目录结构支持最多三层嵌套,系统会自动递归读取。
另外,TraeCode 兼容 AGENTS.md 和 CLAUDE.md,从其他工具迁移过来的项目可以直接复用现有规则,在设置 > 规则 > 导入设置中开启即可。
第三层:用记忆实现跨会话个性化
规则是你主动写的约束,记忆则是 AI 在协作过程中自动捕捉和积累的偏好。也分两类:
- 全局记忆:存在
~/.trae-cn/memory/user_profile.md(Windows 为%userprofile%/.trae-cn/memory/user_profile.md),跨项目生效 - 项目记忆:按项目路径独立存储,只对当前项目生效
启用路径:设置 > 规则与记忆 > 记忆,打开开关即可。
使用方式很灵活。你可以直接跟 AI 说"记住这个项目用 pnpm 而不是 npm",它会自动写入项目记忆文件;也可以在对话中让 AI 修改或删除某条记忆。如果不想手动管理,AI 还会根据协作过程自动识别有价值的偏好并创建记忆。
记忆数据全部存储在本地,不会跨电脑同步,敏感信息不会被自动保存。
三层怎么配合
一个务实的配置流程:
- 一次性投入:花十分钟写两三条全局规则(语言偏好、注释习惯)和两三条项目规则(技术栈、命名规范),开启记忆功能。
- 每次对话:用
#引用给 AI 当前任务需要的具体文件或函数。 - 长期积累:随着协作进行,记忆会自然丰富,规则可以持续迭代。
大多数用户只用了第一层,每次对话都在重复给 AI 解释项目背景。加上第二层和第三层,是一次性投入,持续受益。