TRAE IDE 提效实战指南：少加班，多摸鱼
写代码的最高境界不是写得快，而是让 AI 替你写，你只需要做决策。
一、Skills 全家桶：装上就能用的加速器
Skills 分两类：TRAE 自带的内置 Skill，和你可以按需自行安装的项目级 Skill。
1. TRAE 内置 Skill（开箱即用）
| Skill | 适用场景 | 一句话 |
|---|---|---|
TRAE-code-review | 每次提交前检查代码质量 | 提前拦截低级错误，减少线上回滚 |
TRAE-debugger | 复杂 Bug、偶发 Bug、多轮修不好 | 科学调试，用证据说话（下面细讲） |
TRAE-generate-mini-app | 用 Taro 生成微信/支付宝小程序 | 描述需求 → 出代码，跨端零成本 |
2. 自行安装的 Skills（按项目按需装）
平台开发类
| Skill | 适用场景 | 一句话 |
|---|---|---|
android-architecture | Android 项目架构搭建、Hilt 依赖注入、Clean Architecture | 不用纠结目录怎么放，AI 帮你规范 |
android-data-layer | Room 本地存储、Retrofit 网络、Repository 模式 | 离线优先同步，数据层代码一把梭 |
android-coroutines | Kotlin 协程、生命周期管理、结构化并发 | 协程别乱写，内存泄漏警告 |
android-accessibility | Jetpack Compose 无障碍适配 | 无障碍合规审查，别等提测才改 |
flutter-dev | Flutter 跨平台开发，Riverpod/Bloc 状态管理 | Widget 优化、导航、测试一条龙 |
ios-application-dev | UIKit / SnapKit / SwiftUI | iOS 布局、可访问性、暗黑模式 |
react-native-best-practices | RN 性能优化，FPS/TTI/包体积 | Hermes 优化、内存泄漏排查 |
upgrading-react-native | RN 版本升级 | 自动 diff，迁移原生配置 |
工程效率类
| Skill | 适用场景 | 一句话 |
|---|---|---|
github | PR 管理、分支策略、代码审查 | gh CLI 操作，不用切网页 |
使用姿势： 告诉我"用 XXX skill 帮我做 YYY"，我就会自动加载对应能力。
二、TRAE-debugger：科学调试，告别盲猜
为什么需要它？
传统的调试流程是你描述 Bug → AI 猜一个原因 → 改代码 → 不行 → 再猜 → 再改……循环往复，一调一下午。
TRAE-debugger 的思路是不猜，用证据说话：
假设 → 插桩 → 复现 → 分析 → 修复 → 验证
核心工作流（11 步精简版）
Step 1 定义问题 → 创建 debug-<sessionId>.md 记录本次调试
Step 2 列出 3-5 个可证伪的假设，标注可能性和验证成本
Step 3 设计观测点，用最少的日志覆盖最多的假设
Step 4 在代码中插入一行日志上报（不改任何业务逻辑）
Step 5 启动本地 Debug Server，监听 HTTP 端口
Step 6 你复现 Bug，日志自动上报
Step 7 我分析日志，确认/排除每个假设
Step 8 定位根因，提出最小修复方案
Step 9 你确认修复方案
Step 10 改代码 + 再跑一遍，对比修前修后日志
Step 11 你确认修好了 → 我清理所有调试痕迹
自动收集日志的原理
你的代码（插桩后）
│ HTTP POST
▼
Debug Server (Python, 纯标准库, 零依赖)
│ 写入
▼
trae-debug-log-xxx.ndjson ←── 我直接读这个文件分析
关键设计：
- 零依赖：只用 Python 标准库，不需要装任何包
- 自动配置：Server 启动时会在
.dbg/目录生成<sessionId>.env，代码里读这个文件就能拿到 URL，不用硬编码 - 一行代码插桩：在怀疑的位置插入一行
fetch/curl/urllib，用完即删 - 结构化日志：每条日志带
hypothesisId（对应假设编号）、runId（修前/修后）、traceId（追踪单次请求），按条件过滤 - API 接口：
POST /event上报，GET /logs查询，DELETE /logs清空
什么时候用它？
- 静态看代码看不出毛病的 Bug
- 数据流/时序/状态问题
- 偶发性 Bug，难以稳定复现
- 改了 2 次还没修好 ← 立即启动 Debugger
6 大场景速查表
| 场景 | 典型症状 | 前 3 假设 |
|---|---|---|
| UI 没反应 | 点击无效 | 事件未绑定 → 处理器报错 → API 静默失败 |
| 数据不对 | 显示错误值 | API 返回错 → 转换函数 Bug → 缓存过期 |
| 网络失败 | 请求超时 | 参数错误 → 服务端报错 → CORS/Auth |
| 性能差 | 操作卡顿 | 过度重渲染 → 大数据处理 → 同步阻塞 |
| 随机报错 | 时好时坏 | 竞态条件 → 读写在写前 → 重复触发 |
| 内存泄漏 | 越来越慢 | 监听器未移除 → 订阅未清理 → 闭包持引用 |
三、不装 Skill 也能用的提效姿势
代码生成
你：帮我写一个 UserRepository，支持 Room 本地缓存 + Retrofit 远程请求，
先返回缓存再请求网络更新，用 Kotlin Flow
我：Done，带错误处理和加载状态
Bug 定位
你：这段代码返回的数据一直是空的，帮我看看
我：读完代码后告诉你根因 + 修复方案
代码重构
你：这个 300 行的函数太乱了，帮我拆一下
我：拆成 5 个职责单一的小函数，可读性拉满
技术选型
你：这个项目用 MVVM 还是 MVI？Hilt 还是 Koin？
我：根据你项目规模、团队经验、现有架构给建议
四、工作流级"摸鱼心法"
黄金法则
- 需求先对齐再动手 — 让我帮你拆需求、确认边界条件，避免返工
- 复杂任务先出方案 — 你 review 方案，我写代码，你只看不改
- 模板代码全交给我 — CRUD、数据模型、接口定义，描述字段我生成
- 提交前必 Review — 用
TRAE-code-review过一遍 diff，比自查更全面 - 卡住 30 分钟就启动 Debugger — 别死磕，科学定位一次修对
五、总结
| 你想做的事 | 最快路径 |
|---|---|
| 写新功能 | 描述需求 → 我出代码 |
| 修 Bug | 贴报错 → 我分析 + 修复 |
| 定位复杂 Bug | 启动 TRAE-debugger |
| 重构烂代码 | 指给我 → 我重构 + 解释 |
| 写测试 | 给代码 → 我写用例 |
| 代码检查 | 启动 TRAE-code-review |
| 技术选型 | 给场景 → 我给方案对比 |
| 重复劳动 | 描述流程 → 我写脚本自动化 |
核心心法：把"想"和"写"的体力活交给 AI，你只负责做决策和把控核心逻辑。摸鱼不是偷懒，是把精力花在真正值得的地方。
