Trae Skill运行异常时，应先验证文件加载、description触发逻辑、工具调用路径、黄金标准输出比对及强制重载；文件名须为合法.py格式，description需精准简明，工具名大小写敏感，返回值须类型正确，重载前需清空上下文。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
当你在使用 Trae Skill 时发现运行结果与预期不符——比如返回空值、字段错乱、执行跳过、或输出格式完全偏离需求，说明 Skill 的行为链在某个环节发生了偏移，而非单纯“模型不准”。
确认 Skill 是否真正被加载
第一步不是调参数，而是验证文件是否被识别。打开 Trae 运行目录，进入 skills 文件夹，检查目标 Skill 文件名是否符合规范：【必须以 .py 结尾，且不含空格、中文、特殊符号（如括号、顿号、emoji）】。
用命令行执行 trae list-skills，观察输出列表中是否出现该 Skill 名称。若未列出，说明文件未被加载，此时修改文件名比重写逻辑更有效。
检查 description 是否触发失准
Skill 的 description 字段决定 AI 是否主动调用它。如果 AI 偶尔调用、有时忽略，大概率是描述模糊。
方法一：把原 description 中的“帮助用户处理数据”改为“当用户明确要求‘修复缺失字段’‘补全空值’或‘校验列一致性’时，自动加载 sc-data-doctor 并执行体检流程”。
方法二：在 description 末尾添加触发锚点词，例如：“⚠️仅当输入含‘字段不一致’‘维度报错’‘契约破坏’等术语时启用”。
注意：description 超过 80 字会显著降低触发率，删掉所有修饰性副词和比喻句。
验证工具调用路径是否断裂
第一步：在 Skill 代码开头插入日志打印，例如 print("[DEBUG] Skill started with args:", kwargs)，确认是否进入函数体。
第二步：逐行检查工具调用语句，重点核对 tool_name 是否与注册名称完全一致（大小写、下划线均敏感）。
第三步：对每个工具调用后加 assert result is not None，一旦断言失败，立即暴露是工具未返回还是返回为空。
第四步：若使用 RunCommand 类工具，必须确保命令字符串中路径为绝对路径，相对路径在不同工作目录下会失效。
比对黄金标准输出并定位语义漂移
方法1：准备一条确定能成功的测试输入（例如 “请用 sc-data-doctor 检查 users 表主键缺失问题”），人工写出该输入下 Skill 应返回的 JSON 结构作为黄金标准。
方法2：将 Skill 实际输出与黄金标准做 diff，重点关注三类偏差：
• 字段名拼写错误（如 missed_columns 写成 missing_column）→ 暴露参数映射错误；
• 布尔值返回 "true"（字符串）而非 True（布尔）→ 导致下游条件判断失效；
• 时间字段返回 "2026-07-30" 却未带时区信息 → 在跨时区服务中引发逻辑错位。
方法3：对存在偏差的字段，回溯其生成路径，找到最上游的数据源读取点，检查 Read 工具是否读取了正确版本的文件（【常见坑：读取了缓存副本而非最新 commit 的 schema.json】）。
强制重载并清除上下文污染
第一步：在 Trae CLI 中执行 trae reload-skills --force，强制刷新全部 Skill 缓存。
第二步：关闭当前对话窗口，新建一个空白会话，粘贴原始需求文本，不加任何解释性前缀。
第三步：若仍失败，在新会话首条消息中加入指令：“禁用所有 Skill，仅启用 sc-data-doctor”，排除其他 Skill 干扰。
