AI 调教指南!一文教会你如何在 Trae IDE 中配置自定义规则

资料来源:火山引擎-开发者社区


❝ 在体验到 AI 编程的强大能力后,你是否想拥有专属的 AI 工程师,让 AI 按照你的想法工作?现在,Trae IDE 已支持配置 AI 规则(Trae Rules),让 AI 按照你的需求执行定制化任务!
一、什么是 Rules
Rules 是一项强大的代码规范管理工具 ,它允许团队或开发者自定义并强制执行代码风格和最佳实践。
Rules 基于一个很常见的场景:当你频繁使用 AI 时,可能会遇到反复输入同类指令的麻烦 —— 比如每次都要强调语言风格、框架约束、注释格式、安全合规等要求。而 Rules 功能为 AI 提前设定了行为规范,让 AI 每次响应时自动 “读取” 这些预设规则,无需重复提醒也能输出符合预期的内容。同时,不同开发场景时,对应的 Rules 可以让 AI 精准适配当前任务的技术要求,大幅提升开发效率。
二、 使用说明
在更新至 0.5.1 及以上的版本后, Trae IDE 支持两种类型的规则:
01 个人规则
个人规则是基于个人使用习惯和需求为 AI 定制的规则,旨在让 AI 的输出更符合用户的个性化要求。个人规则在所有项目中生效。例如:

  • 语言风格 :偏好简洁/严谨/幽默等表达方式。
  • 操作系统 :提供针对 Windows 或 macOS 操作系统的回答。
  • 内容深度 :是否需要详细解释、示例或仅需结论。
  • 交互方式 :如倾向于直接答案,还是引导式提问。

02 项目规则
项目规则是针对当前项目 AI 需要遵循的规则,仅在所配置的项目中生效。例如:

  • 代码风格 :缩进(空格/制表符)、命名规范(驼峰式/snake_case)等。
  • 语言与框架 :优先使用的编程语言(如 Python/JavaScript)或框架(如 React/Django)。
  • API 限定 :勿使用某些 API。

接下来,小编将分别演示如何设定 AI 规则:
创建个人规则
1.在 AI 对话窗口右上角,点击 设置 图标 > 规则 。
界面上显示规则窗口。


2.在 个人规则 部分,点击 + 创建 user\_rules.md 按钮。
系统自动创建 user_rules.md 文件并在编辑器中打开。


3.在 user_rules.md 文件中输入 AI 需要遵守的规则。
4.保存文件,规则将被应用于所有项目的 AI 行为。


创建项目规则
1.打开一个项目。
2.在 AI 对话窗口右上角,点击 设置 图标 > 规则 。
界面上显示规则窗口。
在 项目规则区域,点击 + 创建 project\_rules.md按钮。


系统自动在项目目录中创建创建 .trae/rules 文件夹,并在该文件夹内创建 project_rules.md 文件。


3.在 project_rules.md 文件中输入 AI 需要遵守的规则。
4.保存文件,规则将被应用于当前项目的 AI 行为中 。


管理规则
在 规则 窗口中,你可以修改个人规则和项目规则,也可以删除规则文件。

  • 修改规则后,AI 将遵守新的规则。
  • 删除规则文件后,原先定义的所有规则将失效。


三、 实战演示
接下来,小编将通过一个实战案例为你演示如何使用 Rules 来提升开发效率。
假设我们想要使用 Chakra 来优化 CSS ,可以通过以下提示词配置 项目规则和个人规则。
项目规则


个人规则


在完成设定后,使用 @Builder 对项目进行整体优化:


可以看到,Builder 已经按照我们设定的项目规则完成了优化改造。


四、 应用场景
Rules 功能可以在各种开发场景中发挥作用,帮助团队和个人保持代码一致性、提高可维护性,并减少低级错误。小编精选了 Rules 功能的五大应用场景,总有一个适合你~
场景一 :团队协作与代码审查
✅ 效果:统一代码风格,减少审查争论
新加入的开发者可能不熟悉团队的代码风格,导致提交的代码风格不一致。通过设定 Rules 可以实现检查变量名、强制使用团队代码架构、修正不合规代码。同时,Rules 还可以帮助团队成员代码格式化、禁止错误写法并强制注释规范等。
场景二:项目维护与代码质量
✅ 效果:检测  代码错误,提高可维护性
一方面,针对遗留代码风格混乱难以维护的问题,通过逐步引入规则,配合 AI 对话指令可完成修复,并标记不符合新规范的代码以便后续重构;另一方面,为防止代码中出现低级错误,通过强制 await 用 try - catch包裹、检测未使用的 import 或变量、禁止使用 == 并强制使用 === 等规则,减少潜在问题,提升代码的规范性与可维护性。
场景三:特定技术栈优化
✅ 效果:强化 React/Vue/Node 最佳实践
前端项目中,组件写法不一致,导致维护困难。 通过设定 Rules,可以强制函数式组件(禁止 class 组件) 、要求 props 必须做类型检查(TypeScript/PropTypes) 以及强制 useEffect 依赖项必须完整 。针对 API 接口风格不统一的问题,Rules 可以强制 REST API 路径格式,要求错误处理必须标准化,并禁止 console.log,强制使用日志库。
场景四:安全与合规性
✅ 效果:防止漏洞,满足行业规范
在安全与合规上,针对代码可能存在的 SQL 注入、XSS 等安全隐患,Rules 可以通过禁止直接拼接 SQL(强制使用参数化查询)、检测未转义的 HTML 输出(防止 XSS)以及禁止使用 eval() 或new Function() 等方式,有效防范安全漏洞;同时,针对部分行业的特殊合规要求,Rules 可检测敏感信息、强制加密存储密码并确保日志不记录个人身份信息,从而满足合规性检查的需求,保障代码在安全与合规层面的可靠性。
场景五:个人开发习惯优化
✅ 效果:保持一致性,学习新语言更高效
如果开发者希望保持一致的代码风格,可以通过设定 Rules 来实现。在初学 Rust/Go/Python 时,开发者容易写出不符合语言习惯的代码,通过设定 Rules ,强制 Rust 的 Result 处理(禁止直接 unwrap()) 、强制 Go 的错误处理(禁止忽略 err) 和Python 强制类型注解(mypy 兼容规则)可以帮助开发者很好地改善这一问题。

Read more

安装 启动 使用 Neo4j的超详细教程

安装 启动 使用 Neo4j的超详细教程

最近在做一个基于知识图谱的智能生成项目。需要用到Neo4j图数据库。写这篇文章记录一下Neo4j的安装及其使用。 一.Neo4j的安装 1.首先安装JDK,配环境变量。(参照网上教程,很多) Neo4j是基于Java的图形数据库,运行Neo4j需要启动JVM进程,因此必须安装JAVA SE的JDK。从Oracle官方网站下载 Java SE JDK。我使用的版本是JDK1.8 2.官网上安装neo4j。 官方网址:https://neo4j.com/deployment-center/  在官网上下载对应版本。Neo4j应用程序有如下主要的目录结构: bin目录:用于存储Neo4j的可执行程序; conf目录:用于控制Neo4j启动的配置文件; data目录:用于存储核心数据库文件; plugins目录:用于存储Neo4j的插件; 3.配置环境变量 创建主目录环境变量NEO4J_HOME,并把主目录设置为变量值。复制具体的neo4j文件地址作为变量值。 配置文档存储在conf目录下,Neo4j通过配置文件neo4j.conf控制服务器的工作。默认情况下,不需

企业微信群机器人Webhook配置全攻略:从创建到发送消息的完整流程

企业微信群机器人Webhook配置全攻略:从创建到发送消息的完整流程 在数字化办公日益普及的今天,企业微信作为国内领先的企业级通讯工具,其群机器人功能为团队协作带来了极大的便利。本文将手把手教你如何从零开始配置企业微信群机器人Webhook,实现自动化消息推送,提升团队沟通效率。 1. 准备工作与环境配置 在开始创建机器人之前,需要确保满足以下基本条件: * 企业微信账号:拥有有效的企业微信管理员或成员账号 * 群聊条件:至少包含3名成员的群聊(这是创建机器人的最低人数要求) * 网络环境:能够正常访问企业微信服务器 提示:如果是企业管理员,建议先在"企业微信管理后台"确认机器人功能是否已对企业开放。某些企业可能出于安全考虑会限制此功能。 2. 创建群机器人 2.1 添加机器人到群聊 1. 打开企业微信客户端,进入目标群聊 2. 点击右上角的群菜单按钮(通常显示为"..."或"⋮") 3. 选择"添加群机器人"选项 4.

Flowise物联网融合:与智能家居设备联动的应用设想

Flowise物联网融合:与智能家居设备联动的应用设想 1. Flowise:让AI工作流变得像搭积木一样简单 Flowise 是一个真正把“AI平民化”落地的工具。它不像传统开发那样需要写几十行 LangChain 代码、配置向量库、调试提示词模板,而是把所有这些能力打包成一个个可拖拽的节点——就像小时候玩乐高,你不需要懂塑料怎么合成,只要知道哪块该拼在哪,就能搭出一座城堡。 它诞生于2023年,短短一年就收获了45.6k GitHub Stars,MIT协议开源,意味着你可以放心把它用在公司内部系统里,甚至嵌入到客户交付的产品中,完全不用担心授权问题。最打动人的不是它的技术多炫酷,而是它真的“不挑人”:产品经理能搭出知识库问答机器人,运营同学能配出自动抓取竞品文案的Agent,连刚学Python两周的实习生,也能在5分钟内跑通一个本地大模型的RAG流程。 它的核心逻辑很朴素:把LangChain里那些抽象概念——比如LLM调用、文档切分、向量检索、工具调用——变成画布上看得见、摸得着的方块。你拖一个“Ollama LLM”节点,再拖一个“Chroma Vector

OpenClaw配置Bot接入飞书机器人+Kimi2.5

OpenClaw配置Bot接入飞书机器人+Kimi2.5

上一篇文章写了Ubuntu_24.04下安装OpenClaw的过程,这篇文档记录一下接入飞书机器+Kimi2.5。 准备工作 飞书 创建飞书机器人 访问飞书开放平台:https://open.feishu.cn/app,点击创建应用: 填写应用名称和描述后就直接创建: 复制App ID 和 App Secret 创建成功后,在“凭证与基础信息”中找到 App ID 和 App Secret,把这2个信息复制记录下来,后面需要配置到openclaw中 配置权限 点击【权限管理】→【开通权限】 或使用【批量导入/导出权限】,选择导入,输入以下内容,如下图 点击【下一步,确认新增权限】即可开通所需要的权限。 配置事件与回调 说明:这一步的配置需要先讲AppId和AppSecret配置到openclaw成功之后再设置订阅方式,