我在 TRAE 里主要干两类事：一类是日常的 金融日报/排名类 Skill （自动拉数据 → 填 HTML 模板 → 出报告），另一类是最近在啃的 深度研究 Agent 平台 （Control-Worker 分布式架构，跑 40 分钟以上的长任务）。下面几条是我反复踩坑后留下来的用法，不一定对，但确实是干活时省事/避雷的。
- 多 MCP 编排，永远给主数据源留一条降级兜底
我的日报 Skill 在数据源上写死了优先级契约：wind-mcp-skill 优先，ifind 只在 wind 不可用时兜底。关键是这个"主备"不是记在脑子里，而是做在 预检步骤 里——跑数据前先检查两个 iFinD MCP 在不在，缺一个就直接返回"缺了哪个 MCP、影响哪几类数据、怎么装"，而不是硬着头皮往下跑。
金融场景我的红线是： 宁可缺数据，也不编数据 。这条我一开始就写进项目约束，每次生成都跟着走。
- 提示词里写"契约"，别只写自然语言
让 Agent 的输出能被程序直接解析，最快的办法是把 schema 固化进提示词：字段名、枚举值、文件路径格式全定死。比如深度研究平台的 research_prompt 里就固化了 index schema 契约（schema_version、entries 字段名、status 枚举、note_files 路径格式），后面结构化解析不用再猜格式、再做一遍清洗。
- 中间产物结构化 + 幂等，长任务失败别从头再来
深研任务一次要跑 40 多分钟，中间上游模型 500 一次，之前 已经落盘的 chapter_01.md 没被复用 ，只能手动重试。后来把检索证据统一落到evidence.json ，用幂等 audit_id + 双路径记录，断点续传和检索计数才对齐。教训就一句： 长任务必须在提示词里要求"来源可回溯、产物即时落盘" 。
- 审批/敏感操作：风险分级 + 留痕，而不是一刀切
深研里的工具审批我做成"匹配规则 + 风险分级 + reason 留痕"：普通检索自动放行，高危操作才要人工介入，每条审批记录 status、decided_by 都留痕。既做到自动化，又不丢审计线索。
我的体会是，如果你不需要深入技术细节，做skill或者1，2万代码的中小项目，使用agent；但是如果你本身就懂技术，知道技术方向决策，且需要调试细节，应该选择IDE模式，比如深度研究这个项目，十几万行代码，事先我通过teamai已经配置好了研发和测试覆盖的相关技能，实际是通过执行测试用例在保障质量，而不是像做skill时，通过evol.json或者md文件来保障质量。
证券行业AI智能体日报_20261009.html (43.3 KB)