【AI】trae Skills使用方法

【AI】trae Skills使用方法

一、Skills是什么?

Skill可以理解为agent的技能,Claude官方的解释是,使用 Skills 可以提升执行特定任务的能力。比如,可以在本地就能调用 Skills 玩转图片、Excel、Word、PDF 等处理操作,它和agent、mcp对比:

特性对比表格

特性SkillsSub-AgentsMCP (Model Context Protocol)
目的用专业知识、工作流程、资源扩展 Claude生成自主代理处理复杂子任务连接外部工具和数据源
调用方式模型自动发现(基于上下文)父代理显式生成MCP 服务器工具调用
持久性触发时加载到上下文独立运行,返回结果无状态工具执行
最适合领域专业知识、工作流程、模板并行任务、研究、探索外部 API、数据库、第三方服务
上下文使用渐进式披露(元数据→指令→资源)每个子代理有独立上下文最小上下文(仅工具定义)
复杂度低(只需 SKILL.md + 可选文件)中等(需要编排)中-高(需要服务器设置)
示例代码审查指南、部署工作流程「研究这个主题」、「探索代码库」GitHub API、数据库查询、Slack 集成

表格说明

  • Skills:适用于需要特定领域知识或标准化流程的场景,通过轻量级文件(如 SKILL.md)实现功能扩展。
  • Sub-Agents:适合分解复杂任务为并行子任务,需显式调用并管理子代理的上下文隔离。
  • MCP:专注于与外部系统的无状态集成,需额外设置服务器支持工具调用。

二、Skills的网站有哪些

Agent Skills 终极指南:
https://github.com/libukai/awesome-agent-skills
Skill下载库:
https://skills.sh/

Skill下载库2:
https://skillstore.io/zh-hans/skills

三、如何在trae中使用Skills

官网文档:
https://docs.trae.ai/ide/skills
官网文档描述:

在这里插入图片描述


文档中介绍了3种技能使用的方法:

方式一:通过对话,由 AI 自动创建技能

你可以直接通过对话创建技能。你只需向 AI 描述你的需求,AI 就会自动为你生成对应技能的 SKILL.md 文件。例如:

帮我在 ./trae/skills 目录下创建一个新的技能 技能的名字叫 xxx 这个技能可以帮我做以下事情: - xxx - xxx - xxx 

方式二:手动创建技能

通过指定技能类型、技能名称、描述和指令,手动创建技能。

创建自定义技能的步骤

技能类型
选择技能的类型,例如“对话技能”、“任务技能”或“信息查询技能”。

技能名称
为该技能起一个简短且有辨识度的名称,例如“天气查询”或“日程提醒”。

技能描述
描述该技能的功能以及触发条件,例如“当用户询问天气时,提供实时天气信息”。

技能指令
定义技能被触发时AI应遵循的规则或信息,例如“仅提供用户指定城市的天气数据,不包含无关信息”。

字段说明表格

字段名称说明
技能类型选择技能的分类,如对话、任务或信息查询。
技能名称简短且有辨识度的名称,用于快速识别技能功能。
技能描述详细说明技能的功能、适用场景及触发条件。
技能指令明确AI在触发技能时应执行的规则或提供的信息,确保行为符合预期。
在这里插入图片描述


点击 按钮。
对于全局技能,添加后,它会直接出现在 面板的 页签下。
对于项目技能,添加后,TRAE 将自动在当前项目的 .trae/skills/{skill_name} 目录下新建一个 SKILL.md 文件。文件内包含你的自定义技能配置。同时,该技能也会出现在 面板的 页签下。
(可选) 对于项目技能,根据指令中的描述,在 {skill_name} 文件夹下手动添加所需的脚本等资源。

方式三:手动导入外部技能

若你需要使用外部已创建的技能,可以直接将 SKILL.md 文件或包含 SKILL.md 以及其他相关文件的 .zip 文件导入至 TRAE。
前往 设置 > 。

  1. 在 部分,点击 创建 按钮。
  2. 在 窗口中,上传一个 SKILL.md 文件或一个包含 SKILL.md 文件的.zip

文件,然后选择 (全局/项目)。
TRAE 会分析所上传的技能文件,然后自动填充技能名称、描述和指令字段。

在这里插入图片描述

四、在对话中使用技能

方式一:手动调用技能

对话时,当你明确知道需要使用某个技能时,你可以直接向 AI 发送指令,从而精准控制 AI 的输出。例如:“用 codemap 技能总结一下这个分支的改动”。

方式二:由 AI 自动调用技能

在执行任务时,AI 会结合当前任务内容与各技能中定义的 “适用场景” 或 “何时使用” 之类的描述,判断是否需要加载某个技能,并在合适的阶段自动调用相关技能。
例如,假设你定义了一个代码审核技能,其触发条件为 “当用户请求代码反馈或评审时”。当你提出 “这个函数写得如何”、“帮我审核以下代码” 之类的请求时,AI 会识别到这类请求与代码审核技能的相关性,并在无需额外指令的情况下加载并使用该技能,以完成对应的代码分析与反馈。

五、示例

在这里插入图片描述

Read more

Python+Agent入门实战:0基础搭建可复用AI智能体

Python+Agent入门实战:0基础搭建可复用AI智能体

🎁个人主页:User_芊芊君子 🎉欢迎大家点赞👍评论📝收藏⭐文章 🔍系列专栏:AI 文章目录: * 【前言】 * 一、先理清:Python+Agent,到底强在哪里? * 1.1 核心区别:Python脚本 vs Python+Agent * 1.2 2026年Python+Agent的3个热门入门场景 * 1.3 新手入门核心技术栈 * 二、环境搭建:10分钟搞定Python+Agent开发环境 * 2.1 第一步:安装Python * 2.2 第二步:创建虚拟环境 * 2.3 第三步:安装核心依赖包 * 2.4 第四步:配置OpenAI

By Ne0inhk
人工智能:大模型分布式训练与高效调参技术实战

人工智能:大模型分布式训练与高效调参技术实战

人工智能:大模型分布式训练与高效调参技术实战 1.1 本章学习目标与重点 💡 学习目标:掌握大语言模型分布式训练的核心原理、主流框架使用方法,以及高效调参策略,能够解决大模型训练过程中的算力瓶颈和效果优化问题。 💡 学习重点:理解数据并行、张量并行、流水线并行的技术差异,掌握基于DeepSpeed的分布式训练实战,学会使用超参数搜索提升模型性能。 1.2 大模型训练的核心挑战 1.2.1 单卡训练的算力瓶颈 💡 大语言模型的参数量动辄数十亿甚至上万亿,单张GPU的显存和计算能力完全无法满足训练需求。以LLaMA-2-70B模型为例: * FP32精度下,模型参数本身就需要约280GB显存,远超单张消费级或企业级GPU的显存容量。 * 训练过程中还需要存储梯度、优化器状态等数据,实际显存占用是模型参数的3-4倍。 * 单卡训练的计算速度极慢,训练一轮可能需要数月时间,完全不具备工程可行性。 1.2.2 大模型训练的核心需求 为了高效完成大模型训练,我们需要解决以下三个核心问题: 1. 显存扩容:通过并行技术,将模型参数和计算任务分布到多张GPU上,突破

By Ne0inhk
人工智能多模态模型开发与应用:跨越文本、图像与语音的融合实践

人工智能多模态模型开发与应用:跨越文本、图像与语音的融合实践

一、人工智能多模态模型开发与应用:跨越文本、图像与语音的融合实践 1.1 本章学习目标与重点 💡 掌握多模态模型的核心概念与技术原理,理解文本、图像、语音等不同模态数据的融合逻辑; 💡 熟练运用主流多模态框架(Hugging Face Transformers、MMEngine、LangChain Multimodal),实现跨模态理解与生成任务; 💡 精通多模态模型的开发流程,包括数据预处理、模型选型、训练微调、部署落地等关键环节; 💡 通过真实场景案例(图文生成、跨模态问答、语音助手),掌握多模态技术从原型到产品的端到端落地能力。 ⚠️ 重点关注:多模态数据的对齐与预处理、模型训练的显存优化、生成内容的一致性与准确性、以及不同部署场景下的性能适配。 1.2 多模态模型基础:概念、技术与生态 随着人工智能技术的发展,单一模态(如纯文本、纯图像)模型已难以满足复杂场景需求。多模态模型通过融合文本、图像、语音、视频等多种模态数据,实现更全面的理解与更灵活的生成,成为当前

By Ne0inhk
2026年AI Agent实战:从玩具到生产力的落地手册(附源码)

2026年AI Agent实战:从玩具到生产力的落地手册(附源码)

欢迎文末添加好友交流,共同进步! “ 俺はモンキー・D・ルフィ。海贼王になる男だ!” * 前言 * 目录 * 一、AI Agent 的核心架构 * 1.1 什么是AI Agent? * 1.2 2026年Agent技术栈全景 * 二、从零搭建生产级Agent框架 * 2.1 项目结构设计 * 2.2 核心代码:Agent基类 * 2.3 记忆管理系统 * 三、三大核心技术实现 * 3.1 ReAct框架:推理+行动协同 * 3.2 工具调用系统 * 3.3 任务规划器 * 四、实战案例:智能客服Agent * 4.1 场景分析

By Ne0inhk