根本原因是Skill未设约束边界，需用Rule守底线、Skill定路径、Plan防黑盒：Rule强制执行编码规范，Skill明确执行步骤与交付格式，Plan提前确认修改范围与测试覆盖。
☞☞☞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☜☜☜
用Trae开发时AI频繁漏功能、改错逻辑、生成不符合项目规范的代码，根本原因不是模型能力弱，而是Skill没设对约束边界——没有明确告诉AI“什么必须做、什么绝对不能做、做到什么程度才算完成”。
用Rule守住底线，让AI不敢越界
Rule是全局生效的硬性约束，像交通红灯，不看场景、不讲理由，只要打开TRAE就强制执行。
打开TRAE → 右上角「设置」→「规则和技能」→「规则」→ 点击「+创建」
在Rule编辑框里直接写明不可协商的底线，例如：
禁止使用any类型；所有API响应必须包含code、message、data三字段；数据库字段名强制snake_case；函数参数超5个必须封装为对象。
【Rule一旦保存即全局生效，无需手动调用，但修改后需重启TRAE才加载新规则】
这一步操作起来很简单，直接把项目Wiki里已有的编码规范复制粘贴进去就行。不用写解释、不用加示例，只写死命令。
用Skill定义路径，让AI知道怎么走
Skill不是Prompt，它是一份带契约的执行说明书，必须说清When（触发条件）、How（分步动作）、What（交付物格式）。
方法一：SOLO模式下让AI帮你搭骨架
切换到SOLO模式 → 在聊天框输入：“帮我创建一个‘生成RESTful Controller’的Skill，要求：基于Spring Boot 3.x，用Lombok，响应体统一用Result
方法二：手动编写高命中率Skill
在项目根目录新建.trae/skills/rest-controller/文件夹 → 创建SKILL.md → 顶部YAML元数据写清楚name和description → 正文用编号步骤写执行流：
- 第一步：解析用户输入中的业务动词（如“查询”“创建”“删除”）和资源名词（如“用户”“订单”）
- 第二步：检查当前项目是否已存在同名DTO、VO、Entity，若不存在则先生成基础类
- 第三步：按标准模板生成Controller类，含@RequestMapping路径、@Operation描述、@RequestBody/@PathVariable校验、统一返回Result.success()
- 第四步：输出代码块时，必须附带可运行的单元测试片段（含MockMvc调用示例）
方法三：复用企业级通用Skill包
从内部GitLab拉取code-standards、api-contract、db-schema三个Skill文件夹 → 放入项目.trae/skills/目录 → TRAE启动时自动识别加载
注意：不要为“用户登录”“订单支付”单独建Skill，同类业务逻辑必须聚合进business-module这个统一Skill里，否则后期维护会失控。
用Plan功能提前对齐，堵死执行黑盒
开启Plan模式后，AI不再直接写代码，而是先交出一份施工图纸，你确认无误再让它动工。
在TRAE中启用Plan功能 → 提交需求如：“给订单服务新增幂等校验，基于Redis实现，失败时抛IdempotentException” → AI生成.trae/documents/resume_plan.md
打开该文件，重点核对三项：
① 修改范围是否仅限OrderService.java和IdempotentAspect.java两个文件
② 是否遗漏了Redis连接配置校验环节
③ 单元测试是否覆盖空token、重复请求、超时三种场景
发现任一问题，直接在Plan文档里批注修改，AI会重出新版计划，直到你敲定“✅ 可执行”为止。
这一步不能跳过。普通模式下AI写完500行才发现漏了异常兜底，返工成本是Plan模式下改3行Plan文本的17倍。
