☞☞☞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☜☜☜
如果您希望在 trae 环境中实现稳定、可复用的自动化编码工作流，需解决任务启动不一致、阶段跳过、文档与代码脱节等常见问题。以下是针对 trae 平台特性的多种工作流设计与任务编排方案：
一、基于 6A 工作流的标准化编排
该方案以结构化阶段控制为核心，强制 AI 按照对齐→架构→拆分→审批→执行→评估六步推进，确保每个交付物均有对应文档支撑，防止范围蔓延与理解偏差。
1、在 TRAE 设置中进入 Rules 选项卡，点击 Create project_rules.md 创建项目规则文件。
2、将完整 6A 工作流规范粘贴至文件，包括身份定义、各阶段目标、输出文件命名规则（如 ALIGNMENT_任务名.md）及中断询问机制。
3、保存后，在对话中输入 @6A 实现订单导出功能 触发工作流，AI 将自动创建 docs/订单导出/ 目录并生成首份对齐文档。
4、人工确认 ALIGNMENT_订单导出.md 中的边界与歧义点后，AI 继续生成 DESIGN_订单导出.md 架构设计。
二、多 Agent 协同的任务分解执行
该方案利用 TRAE 的自定义 Agent 能力，将不同职责解耦为独立智能体，通过提示词编排实现角色分工与流程衔接，避免单一大模型承担全部认知负荷。
1、创建「需求澄清 Agent」：提示词聚焦于识别原始描述中的模糊动词、缺失约束、隐含角色，输出结构化疑问清单。
2、创建「架构评审 Agent」：输入 DESIGN_文档内容，检查是否覆盖数据流向、异常分支、第三方依赖声明，未达标则返回修改建议。
3、创建「代码生成 Agent」：绑定 MCP Tools 中的代码编辑器插件，接收 TASK_文档中的原子任务项，逐条生成带单元测试的代码块。
4、在主会话中调用：@需求澄清 Agent 解析用户提交的 PRD 文本，再将输出结果转发至下一 Agent。
三、Rules + Skills 混合驱动的轻量级工作流
该方案适用于小型迭代或补丁类任务，不强制全流程文档化，而是通过全局 Rules 约束响应风格，配合 Skills 实现高频操作自动化，兼顾效率与可控性。
1、在 TRAE 全局 Rules 中启用精简输出规则：禁止空洞描述、优先给结论、不确定时明确标注“需人工确认”。
2、配置三项核心 Skills：文本解析（提取需求关键词与验收条件）、参数校验（验证接口字段类型与必填项）、格式转换（将自然语言步骤转为 TODO 列表）。
3、当输入“给登录接口加 JWT 校验和错误码映射”，Skills 自动识别动作对象为 /api/login，触发参数校验技能检查现有签名字段。
4、Rules 引擎驱动 AI 直接输出三段式响应：结论（已确定需修改 auth.service.ts 与 error.code.ts）、关键修改点（2处）、待确认项（JWT 过期时间是否复用全局配置）。
四、MCP 工具链嵌入式编排
该方案将工作流执行深度绑定外部工具链，通过 MCP（Model Control Protocol）调用真实开发环境能力，使 AI 的“计划”能直接转化为“动作”，消除人工搬运环节。
1、在 TRAE 中配置 MCP 工具：git（用于分支创建与提交）、eslint（用于代码合规检查）、jest（用于生成测试用例）。
2、编写 Rules 规则：“当 Automate 阶段生成代码后，必须调用 eslint --fix 并捕获错误；若存在严重违规，停止提交并高亮行号”。
3、在 TASK_文档中指定某子任务为“生成密码强度校验工具函数”，AI 执行时自动调用 jest 工具生成 describe('validatePassword') 测试套件。
4、所有 MCP 调用日志实时写入 .trae/logs/automate_订单导出_20260520.log，供回溯验证。
