1、Skill 简介
这是一个帮你在 TRAE/SOLO 中快速配置第三方 AI 模型的 Skill，支持 60+ 国内外厂商（DeepSeek、OpenAI、智谱、Kimi、硅基流动等），自动提取 Base URL、模型 ID、上下文长度等关键配置，生成标准的 TRAE 配置指南。适合需要在 TRAE 中接入自定义模型的开发者、AI 爱好者使用。
我把超2.2K阅读的教程贴 添加自定义模型服务模型教程 v4.0版本(2026.05.15更新) 融入了这个Skill！
2、使用场景
小白用户是不是不懂什么是API？为啥我添加Deepseek要选Openai协议？那不是GPT么？
作为一名小白，每次想接入一个新厂商，都要经历：
-
去官网翻 API 文档（找半天）
-
确认 Base URL 格式（有的带 /v1，有的不带）
-
查找模型 ID（每家命名规则都不一样）
-
设置上下文长度（设置错了会降智）
-
测试连接（404、401 错误反复调试）
整个过程通常要花 30 分钟到 1 小时，而且很容易配错。
用这个 Skill 后，我只需要说"我想配置硅基流动的 DeepSeek"，5 秒钟就能得到完整的配置参数，包括 Base URL、模型 ID、上下文长度、协议类型，甚至还有配置步骤和注意事项。现在接入一个新厂商平均只要 2 分钟，效率提升了 15 倍以上！
3、创作过程
做这个 Skill 的起因是我自己经常被配置问题困扰，索性让 SOLO 帮我做一个"配置助手"。
第一步：明确需求
我直接跟 SOLO 说：“帮我做一个 Skill，能根据厂商名称自动给出 TRAE 自定义模型的配置参数，包括 Base URL、模型 ID、上下文长度等。”
第二步：构建数据库
让 SOLO 帮我整理了 60+ 厂商的配置信息，包括：
-
国内：硅基流动、DeepSeek、智谱、阿里云百炼、Kimi、零一万物等
-
国际：OpenAI、Anthropic、Groq、Together 等
-
本地部署：Ollama、LM Studio、vLLM 等
第三步：设计交互流程
不是简单的查询，而是设计了主动引导的 6 步流程：
-
主动询问厂商
-
提供选择建议
-
查询内置数据库
-
搜索官方文档（如果内置没有）
-
生成配置指南
-
询问后续需求
第四步：添加自动更新机制
AI 模型迭代太快了，今天的新模型明天可能就过时了。于是我又让 SOLO 添加了：
-
自动检测停用模型
-
定期更新检查
-
变更日志记录
-
交互式更新向导
关键提示词分享：
创建一个帮助用户在 TRAE 中配置自定义 AI 模型的 Skill。
要求：
1. 内置 60+ 厂商的配置数据库
2. 主动引导用户完成配置
3. 生成标准的 TRAE 配置指南
4. 支持自动更新模型清单
4、使用步骤
如何使用这个 Skill
第一步：触发 Skill
在 SOLO 中输入"我想在 TRAE 里配置模型"或"怎么接入 DeepSeek"
第二步：选择厂商
Skill 会主动询问你想接入哪个厂商，直接回复厂商名称即可，比如：
-
“硅基流动”
-
“DeepSeek”
-
“智谱”
-
“阿里云百炼”
第三步：获取配置
Skill 会自动返回完整的配置指南，包括：
-
Base URL（自定义请求地址）
-
模型 ID 列表
-
上下文长度建议
-
协议类型（OpenAI/Anthropic）
-
配置步骤
-
注意事项
第四步：在 TRAE 中配置
按照指南填写参数：
-
打开 TRAE → 设置 → 模型 → 添加模型
-
选择"自定义配置"
-
填写 Base URL 和模型 ID
-
添加 API Key
-
点击确认
提示：如果内置数据库没有你需要的厂商，Skill 会自动搜索官方 API 文档并提取配置信息
5、效果展示
使用前 vs 使用后
| 对比项 | 使用前 | 使用后 |
|---|---|---|
| 查找文档时间 | 15-30 分钟 | 0 秒（内置数据库） |
| 确认配置参数 | 反复试错 | 一键获取 |
| 配置完成时间 | 30-60 分钟 | 2-5 分钟 |
| 出错概率 | 高（参数容易填错） | 低（官方参数直接复制） |
| 支持厂商数 | 自己慢慢收集 | 60+ 厂商即查即用 |
6、Skill 链接
豆包云盘：trae-custom-model
Github链接：trae-custom-model
相关资源：
-
厂商配置数据库：
references/providers.md -
更新配置：
references/update_config.json -
变更日志：
references/model_changelog.md
7、总结与思考
效率提升
说实话，从原来配置一个厂商要 30-60 分钟，现在只要 2-5 分钟，效率提升了约 10-15 倍。而且再也不用去翻各种文档了，所有的配置参数都在 Skill 里，即查即用。
最满意的地方
最满意的是这个 Skill 的"主动性"。不是等用户问，而是主动引导用户完成整个配置流程。对于不熟悉 TRAE 配置的新手来说，这种引导式的交互特别友好。
另外，自动更新机制也很实用。AI 模型迭代太快了，今天的新模型明天可能就停用了。通过定期检查，可以及时发现停用模型，避免用户踩坑。
后续优化方向
-
添加更多聚合平台（目前主要是单厂商）
-
支持模型性能对比（速度、价格、质量）
-
添加配置验证功能（自动测试连接是否成功）
-
支持导出配置文件（直接导入 TRAE）
