Spec 模式写需求，回来直接验收
假期里想到新功能别着急写，先用 Spec 模式生成完整的需求规格书（PRD + 技术方案 + 验收标准），存成文档假期慢慢打磨思路，收假回来方案已经熟透，直接开干效率拉满。
2 个赞
沙箱 + 快照，玩坏了一键回滚
让 AI 在家搞实验性代码前，先给项目目录打个快照（或者用 Git stash + branch），沙箱里随便折腾，搞砸了一句话回滚，你在外面不用担惊受怕，反正有后悔药。
2 个赞
多智能体分工，一个团队替你打工
出门前排好班：写代码的 Agent、写单测的 Agent、做 Code Review 的 Agent、跑部署的 Agent，用 Subagent 串成流水线，只要积分够，一个任务从开发到上线全自动，你每天花 10 分钟看下日报就行。
2 个赞
TRAE 使用技巧汇总（去重整理）
提示词与前置优化
1. 先用其他AI打磨提示词，再交给TRAE
把原始需求发给ChatGPT/Claude等，优化提示词结构、目标、约束、输出格式，再粘贴进TRAE执行，减少来回追问，降低token消耗。
2. 重复使用的提示词沉淀为Skill
同一套提示词反复使用≥3次，就做成Skill（Skill.md），写明用途、触发条件、使用方法；按需加载，节省token，聚焦任务。
3. 固定格式任务，开头直接声明Skill名称
生成PPT、Excel、PDF、公众号推文等固定格式内容，对话开头点明Skill，TRAE自动加载对应能力，输出更专业。
模型选择策略
4. 不要一味使用auto模式，强弱模型分工
强模型负责写方案、文档、设计；弱模型负责执行、代码落地，合理拆分任务。
5. 模型连续出错，直接换模型
模型反复答偏、理解错位、代码风格不匹配，不要反复改提示词，切换模型继续。
Token与会话管理
6. 长任务新开对话更省token
长对话会累积历史上下文，持续消耗token；任务切换、几十轮对话、AI持续出错时，新建会话，只携带核心结论+必要代码，避免旧上下文干扰。
任务规划与拆解
7. 复杂任务先用 /plan 制定开发计划，确认后用 /goal 执行
不要直接让TRAE写大块代码，先用 /plan 产出方案，确认方向无误后，再使用 /goal 模式开发，减少返工。
8. 复杂任务拆成待办清单分步执行
多步骤、多文件的复杂需求，拆分子任务，一项完成再推进下一项，思路清晰不容易漏步骤。
9. 长任务拆成可验收阶段，不要一次性全量开发
将需求拆成多个阶段：阶段1定位问题、产出证据，不修改文件；阶段2确认方案做小改动；阶段3验证并收尾。每阶段人工确认后再继续，防止大面积返工。
项目与代码操作
10. 接手陌生项目，先扫描项目结构
拿到陌生代码库/文档，先让TRAE浏览目录结构与核心文件，建立全局认知，再动手修改。
11. 报错直接粘贴完整报错信息
调试代码时直接贴完整报错日志，TRAE自动关联文件、行号，定位问题更快。
12. 需求模糊时，让TRAE先提供2~3套方案并对比优劣
需求不明确，不要直接开发；先输出多方案对比，选定方向再深入，减少拉扯。
13. 改代码前先全局检索
修改代码前先检索代码库，摸清影响范围，避免漏改、破坏关联逻辑。
14. 批量文件修改，使用代码模式批量处理
大量文件做同类改动时，启用代码模式批量执行，效率更高，减少人为失误。
15. 脏活累活交给子代理并行执行
批量改文件、跑测试、网页抓取等耗时操作，启动子代理执行；主对话可以并行思考其他任务。
16. 代码完成后，让TRAE自行验收自检
功能开发完毕，让TRAE自测、检查边界条件、对照原始需求做review，过滤低级bug。
项目配置与插件
17. 把项目约束写入 .trae/rules
仓库内新建 .trae/rules 规则文件，写入项目全局约束；TRAE每次对话自动加载规则，团队可共享同一套规范。
18. 插件按需启用，不要全部加载
TRAE插件是能力组件，按需开启本次任务需要的插件；不相关插件关闭，避免干扰、降低性能。
19. TRAE支持任务完成通知
开启通知，长任务时可以切出去做别的工作，任务完成/需要人工确认时推送提醒，可以同时并行多个项目。
质量校验
20. 开发结束自动输出验收检查清单
完成开发后自动生成自检清单：改动文件、风险点、待人工复核项；强制自检，减少隐性bug。
21. 完成后切换评审视角二次自查
任务完成后，切换成代码Reviewer视角，对输出内容做独立评审，降低出错概率。
工具调用
22. MCP工具连接外部服务
需要操作飞书、Figma、浏览器等外部工具时，告知TRAE目标，自动调用对应的MCP服务，无需手动操作工具。
2 个赞
技巧：压缩上下文不丢失的小技巧（临时）。
说明：这个方法非常有用，设定一个临时的储存本次对话的.md文件和任务通用的压缩规则，在需要压缩上下文的时候先给免费AI发送规则和.md文件，等待总结后自己改写一遍，确保没问题就发给Trae，后续的对话以此文件为基准
2 个赞
技巧：提示词用法语的办法。
说明：把自己的要求用免费ai转化成法语，能提升准确度，而且只要提前设置好AI输出中文，AI的回答也会更详细。
2 个赞
技巧：多重询问Skill让任务目标更准确。
说明：设置多重询问，每次用户拿出新的方向的时候，AI都会主动询问用户三轮（可以自己设定轮次上限）问题从浅到深，覆盖面逐轮变广，对于模糊的任务目标可以逐步变得准确。
2 个赞
技巧：切任务时，果断开新对话。
说明：从修 Bug 切到写文档，从后端逻辑切到前端 UI，不要在一个对话里继续聊。携带 8000 Token 的后端上下文去做前端任务，纯属浪费。只需带走结论和核心代码，重新开始。
2 个赞
技巧：引用要精准，别拖整个项目。
说明：不要让 TRAE 读取 20 个文件去修 2 个文件的问题。用 #函数名 或 #文件路径 精确指定上下文，聚焦到具体函数或代码行。少即是多，引用越精准，Token 越少，响应越快。
2 个赞
技巧：不同上下文模型单对话内轮切注意事项。
说明：单一对话内先用上下文小的模型开始，在上下文撑不住或者对话进入长线的时候，切换成上下文大的模型，注意上下文小的模型可以用推理能力强的，上下文大的模型可以用推理能力中等的，这个轮切组合实测非常有效。
2 个赞
技巧：项目备忘录代替长对话记忆。
说明：在工程根目录新建一个 ai-memo.md，专门存放项目约束、历史决策、踩过的坑。每次开始任务先让 TRAE 读取该文件，不用靠对话上下文记项目规则，规避长会话遗忘历史约定，同时大幅节约 Token。
2 个赞
技巧：Trae跨项目规则与项目规则共存
说明：Trae的有些规则比如优化与自审可以设置成跨项目规则，也就是AI Agent的底层规则，对于具体的项目，设置项目规则，隶属于该项目之下，避免重复进行纠正和不同项目规则的串味。
2 个赞
技巧：建表和数据，分两次要。
说明：让 AI 生成数据库脚本时，我会拆成两步：第一步只要建库建表的 DDL，第二步单独要一份测试数据。分开的实际好处是，环境脏了或者要换一批数据时直接重跑 DDL 就行，不用在一堆建表语句里夹着 INSERT 去挑。而且我会在第二步加一句「不要改动任何表结构」，避免它顺手加字段。
2 个赞
技巧：让 AI 交付前，自己先当一次审核员。
说明：TRAE 写完代码经常直接说「已完成」，但它可能只是写完并没有真跑过。我现在会在末尾固定加一句：「交付前请自己核对一遍，列出实际验证过的项和未实机验证的项，无法验证的明确标注出来」。强制它把「验证」和「没验证」分开说，比问一句「跑通了吗」有用得多。
2 个赞
技巧：善用新任务，节省积分和token
说明：无必要，不要在老任务里继续执行，善用新任务，在新任务里提交问题，可大量节省TOKEN和积分
2 个赞
技巧：报 Bug 先给复现三步。
说明：按“操作步骤 → 期望结果 → 实际结果”描述，最好附上报错日志或截图。TRAE 定位根因更快，不会一上来就盲目改代码。
2 个赞
技巧：需求带验收标准，少返工。
说明：提需求时别只说“做个登录”，补上输入输出、异常情况、验收条件。TRAE 生成结果更接近能直接合并的代码，减少来回改。
2 个赞
技巧：先复现，再修复。
说明：让 TRAE 先写最小复现用例或复现步骤，确认能稳定触发 Bug 再改代码。避免盲修，修完也能用同一用例验证。
2 个赞
不确定用哪个模型就开 Auto 模式 输入框右下角点模型名即可切换；拿不准时开 Auto 模式，系统会综合任务情况调用合适的内置模型。注意开启 Auto 后不会调用你配置的自定义模型，需要特定模型时手动点名即可。
2 个赞
技巧：别让 AI 反复修同一个 bug
说明：一个 bug 改三四轮还没好，多半是上下文里混入了错误尝试。此时回退到出错前的状态、补全报错信息重新提问，比继续在烂上下文里打转更省 Token。
2 个赞