8个 TRAE Work 入门技巧
前言
如果你还只是把 TRAE Work 当成一个更强的 AI 聊天框，它当然有用，但价值远没有释放出来。
和普通 ChatBot 不同，TRAE Work 能接住任务、理解上下文、调用工具、产出文件，并在本地、云端和移动端之间持续推进工作。
简单来说：
- Chatbot 更擅长“回答你”。
- TRAE Work 更强调“和你一起把任务完成”。
因此，用好 TRAE Work 的关键，不只是收藏更多的「提示词」，更多的是建立一套稳定的协作方式：
- 如何发起任务
- 如何更好补充上下文
- AI 执行的过程中，可以如何提前干预
- 重复工作的人力可以如何释放出来
本次先为大家介绍8个基础入门技巧 ，让 TRAE Work 成为你更专业的工作助手。
选择适合的产品模式
有些同学习惯把所有任务都全部在一个模式实现，当前 TRAE Work 共提供三种模式，可以根据自己的任务类型灵活选择 ，同时也可以多模式联动。
- Work 模式：适合处理通用办公场景，例如写方案、改文档、分析表格、生成汇报、拆解任务、整理会议纪要等。它关注的是业务目标和交付物。
- Code 模式：适合处理开发任务，例如读代码、改 bug、写测试、跑命令、分析报错、审查 PR等。它关注的是仓库、依赖、执行环境和代码质量。
- Design 模式：适合处理视觉和交互交付，例如改设计稿、做页面视觉方向、检查界面一致性、输出设计说明。它关注的是布局、样式、组件和体验细节。
三个模式点击左上角即可灵活切换。
同时三个模式你也可以灵活搭配使用。
举个例子：
你可以将 Desgin 模式下生成的设计图，直接导入到 Code 模式，无缝衔接开发。
创建项目文件夹，补充上下文
如果你已经准备了一些与任务相关的资料，可以统一放在一个文件夹中。
比如：你想让 TRAE Work 帮你分析抖音评论，那就把你收集到的评论数据、说明文档、脚本和输出结果。然后在TRAE Work 里选择这个文件夹，在对它说 “帮我分析这个文件夹里的评论，并整理成Excel。” 它就知道去哪里找数据，也知道结果放在哪。
这样比起不选文件夹，TRAE Work 为你工作的效率以及稳定性就会高很多！
开发不着急，先用 Spec / Plan 规划
AI 写代码很快，但快不等于稳。
Code 模式下提供 2个命令，用于在执行开发之前进行规划。直接在对话框发出「 / 」就可以调用。
- Plan 模式适用于中小型功能开发和模块级重构，生成一份计划文档后直接执行。
- Spec 模式则面向更复杂的系统级任务，生成完整的三阶段文档组（大纲 + 任务列表 + 验收清单），每个阶段都支持用户确认和 Refine。
举例子：
本次不直接开发，而是先让 AI 帮我拆分需求。
/spec 开发一款支持多语种学习的在线教育平台，涵盖英语、日语、韩语等主流语言。平台需打造沉浸式语言学习体验，用 html 展示demo，提供以下能力：
1、分级课程体系
2、互动式学习模块（单词记忆、语法练习、口语跟读、听力训练）
3、学习进度追踪功能
4、支持用户注册登录
5、个性化学习路径推荐
6、社区交流及成就激励系统
我们可以看到 AI 帮我已经生成了每个阶段的文档，我们可以点击查看，确认无误后，再让 AI 开始执行。
语音功能，帮你理清思绪
很多高价值需求，一开始不是清晰 Prompt，很可能来自一段混乱的口述。比如：
我想做一个面向销售团队的日报，但不要太重，要能看客户风险、跟进动作和下周计划。最好销售自己填起来不麻烦，主管也能一眼看出问题。你先别写模板，先帮我把信息结构捋一下。
因为人本身的考虑可能就会不够全面，如果把这个需求直接转换成 Prompt 往往会丢细节。
更好的方式是直接用语音讨论，让 TRAE Work 先帮你拆问题：例如用户是谁、核心场景是什么、输入从哪来、输出给谁看、哪些信息必须有、哪些只是锦上添花。
如果不清楚自己的最终需求，或对最终需求不够明确，可以尝试着让 AI 反向对你追问。
你可以直接对 AI 说：
先直接产出最终的结论，可以把我刚说的内容整理一份需求假设、待确认问题和可能方案。
用 Rules / Memory / Skill 沉淀标准工作流
临时的 Prompt 能解决一次问题，却不稳定。
可以把一些日常真正高频的工作，沉淀成可复用的规则、记忆、技能
Rules 用来固定硬约束。比如代码项目里的技术栈、命名风格、测试要求；文档项目里的语气、结构、禁用词；设计项目里的组件规范、间距规则、品牌风格。这些内容不应该每次重新说。
Memory 用来保存长期偏好。比如你喜欢先给结论再给依据，公众号文章不要过度标题党，代码修改必须说明风险点，方案文档要明确 owner 和 deadline。Memory 适合保存「以后也会用到」的协作偏好。
Skill 用来封装专业流程。它是给 AI 使用的“专业能力说明书”，定义任务的场景、执行需要遵循的要求和步骤。
一个基础 SKILL.md 通常包含名称、描述、使用场景、执行指令和示例。
---
name: 技能名称
description: 简要描述这个技能的功能和使用场景
---
技能名称
描述
说明这个技能的作用。
使用场景
说明什么时候应该触发这个技能。
指令
清晰地告诉智能体应该按什么步骤完成任务。
示例（可选）
给出输入 / 输出示例，帮助智能体理解预期效果。判断一件工作是否值得沉淀，可以确认一下几点
- 是否高频重复？
- 是否每次都要解释同一批要求？
- 是否流程比较固定？
- 是否经验可以团队共享？
满足其一，就可以尝试从 Prompt 升级为规则、技能或命令。
配置自动化工作流，减少重复工作
凡是固定时间、固定逻辑、固定产物的工作，都应该考虑自动化。
例如日报、周报、竞品动态、代码仓库巡检、舆情摘要、数据异常提醒、待办汇总等。
先从小自动任务开始尝试，确认结果输出稳定，可以再不断增加判断的逻辑和分发动作。
例如：
竞品监控可以先从「每周一上午汇总三个竞品官网和公开更新」开始，输出功能变化、市场动作、可能影响和建议跟进行动。自动化的边界也要写清楚：
- 哪些内容可以直接生成
- 哪些必须标记为待确认
- 哪些情况要提醒人工介入
AI 最适合承担重复收集、整理和初步判断，关键决策仍应留给人。
灵活配置自定义模型
如果不想用内置模型、或觉得高峰期排队等待影响效率，TRAE Work 也支持配置自定义模型。
填入你自己的模型服务商和 API Key 即可接入。
很多同学可能还不知道现在已经支持自定义上下文窗口，可以按需要调大处理长文档、大型仓库时的上下文容量，不再受默认窗口限制。
多端协同，移动端随时查看和下发任务
无论身在何处，你都能通过 TRAE Work 移动版便捷地选择目标设备和工作路径，向远程环境下发需要 AI 完成的任务。
系统会在对应环境中自动启动智能体来执行指令，同时你可以随时在 TRAE Work 移动版中查看任务进度并获取结果，实现高效灵活的跨设备任务管理。
你可以：
- 【下发任务】直接通过手机下发任务，并实时查看进度，确认执行事项
- 【检查任务】不在电脑旁，查看之前正在执行的任务进度，确认产物。
写在最后
以上 8 个基础技巧，并不是让你记住更多功能入口。
而是帮你把 TRAE Work 从“一个更聪明的聊天框”，逐步用成“一个可以持续协作的工作伙伴”。
真正用好 TRAE Work 的关键，是让 AI 更早进入你的工作流，也让人始终掌握方向、判断和最终决策。
当这套协作方式跑顺以后，很多原本零散、重复、容易中断的工作，就会变得更清晰，也更容易被持续推进。
期待你的体验！