AI【应用 01】Trae Agent Gitee自动化辅助神器(使用 MCP tools 创建自定义 Trae Agent 的探索分享)

我用Trae 做了一个有意思的Agent 「Gitee自动化辅助神器」。 点击 https://s.trae.com.cn/a/b38cc4 立即复刻,一起来玩吧!

寻找地表最强 Trae Agent

1.简介

一个自动化管理源码的工具,实现上班前的代码自动拉取、合并,下班后的代码自动提交,让开发者只关心核心代码编写的辅助工具。其核心目标是简化重复性操作,提升开发者与 Gitee 交互的效率。

1.1 最初的想法

由于没有找到定时调度类的 MCP 服务器,设想是读取 Excel 文件里的命令,根据命令设置的执行时间进行接口调用,执行结束后将 MCP 服务的反馈结果保存回 Excel 里。设置了两个时间段的代码拉取与提交操作,设计的 Excel 文档格式如下:

命令ID命令内容执行时间状态时间戳错误信息返回数据
1合并拉取请求08:30:00成功2025-06-10T08:31:00Z{“code”: 0, “msg”: “执行成功”}
2代码提交11:50:00失败2025-06-10T11:51:00Z命令不存在{“code”: 404, “msg”: “命令不存在”}
3合并拉取请求13:30:00
4代码提交17:50:00

我使用的是 Gitee 作为源码管理的 MCP 服务器:

完整流程图为:

在这里插入图片描述

1.2 实现的功能

查看了 Gitee MCP 服务器提供的各种与 Gitee 交互的工具才发现没有跟 Push相关的命令,只有跟 Pull相关的命令,如下:

list_repo_pullsPull Request列出仓库中的拉取请求
merge_pullPull Request合并拉取请求
create_pullPull Request创建拉取请求
update_pullPull Request更新拉取请求
get_pull_detailPull Request获取拉取请求的详细信息
comment_pullPull Request评论拉取请求
list_pull_commentsPull Request列出拉取请求的所有评论

我发现 GitHub MCP Server 是有push_files工具的,但是我们没有使用 GitHub 进行代码管理,相信 Gitee MCP 服务器以后也会提供提交相关的命令的。修改后的 Excel 内容:

命令ID命令内容执行时间状态时间戳错误信息返回数据
1合并拉取请求08:30:00
2合并拉取请求13:30:00

2.创作构思

2.1 设计初衷(解决痛点)

  1. 开发者需要频繁手动操作 Gitee(如创建合并请求、管理分支),效率低下。
  2. Excel 作为常见的数据管理工具,缺乏与 Gitee 的直接联动能力。
  3. 传统脚本或工具需要复杂配置。
  4. 目标:通过 Agent 实现Excel指令 → Gitee操作 → 结果回写的自动化,降低人工操作成本,减少错误率。

2.2 核心价值

  1. 低门槛:用户只需在 Excel 中填写命令,无需编写代码或脚本。
  2. 动态交互:支持实时调用 Gitee API,并自动更新执行结果(如状态码、返回数据)。

Read more

介绍终身机器人学习的数据集LIBERO

介绍终身机器人学习的数据集LIBERO

1 LIBERO的作用 LIBERO是一个用于研究多任务和终身机器人学习中知识迁移的综合基准测试平台,LIBERO是基于robosuite框架构建的。它专注于机器人操作任务,这些任务需要两类知识: 1. 陈述性知识:关于物体和空间关系的知识 2. 程序性知识:关于运动和行为的知识 2 核心原理 任务生成与基准设计 LIBERO提供了一个程序化生成管道,原则上可以生成无限数量的操作任务。系统包含130个任务,分为四个任务套件,每个套件都有受控的分布偏移: * LIBERO-Spatial/Object/Goal:专注于特定类型知识的迁移 * LIBERO-100:包含需要迁移纠缠知识的100个操作任务 学习框架 系统采用模仿学习作为主要学习方法,因为任务使用稀疏奖励函数(任务完成时获得+1奖励)。LIBERO提供高质量的人类遥操作演示数据集用于训练。 算法与策略架构 LIBERO实现了三种视觉运动策略网络: * bc_rnn_policy:基于RNN的行为克隆策略 * bc_transformer_policy:基于Transformer的行为克隆策略

By Ne0inhk
AiOnly大模型深度测评:调用GPT-5 API+RAG知识库,快速构建智能客服机器人

AiOnly大模型深度测评:调用GPT-5 API+RAG知识库,快速构建智能客服机器人

声明:本测试报告系作者基于个人兴趣及使用场景开展的非专业测评,测试过程中所涉及的方法、数据及结论均为个人观点,不代表任何官方立场或行业标准。 引言 AI 技术加速渗透各行各业的今天,你是否也面临这样的困境:想调用 GPT-5、Claude4.5等顶尖模型却被海外注册、跨平台适配搞得焦头烂额?想快速搭建智能客服、内容生成工具,却因模型接口差异、成本不可控而望而却步?或是作为中小团队,既想享受 AI 红利,又受限于技术门槛和预算压力? AiOnly平台的出现,正是为了打破这些壁垒。 本文将从实战角度出发,带你全方位解锁这个「全球顶尖大模型 MaaS 平台」:从 5 分钟完成注册到 API 密钥创建,从单模型调用到融合 RAG 知识库的智能体开发,然后手把手教你在 Windows 环境部署一个日均成本不足 0.5 元的电商客服机器人。无论你是 AI 开发者、企业运营者,还是想低成本尝试 AI

By Ne0inhk
基于微信小程序的智能家居监控系统的设计与实现

基于微信小程序的智能家居监控系统的设计与实现

收藏关注不迷路!! 🌟文末获取源码+数据库🌟 感兴趣的可以先收藏起来,还有大家在毕设选题(免费咨询指导选题),项目以及论文编写等相关问题都可以给我留言咨询,希望帮助更多的人 文章目录 * 一、项目技术 * 二、项目内容和功能介绍 * 三、核心代码 * 四、效果图 * 五 、资料获取 一、项目技术 开发语言:Java 框架:springboot JDK版本:JDK1.8 服务器:tomcat7 数据库:mysql 数据库工具:Navicat11 开发软件:eclipse/myeclipse/idea Maven包:Maven 小程序框架:uniapp 小程序开发软件:HBuilder X 小程序运行软件:微信开发者 二、项目内容和功能介绍 本文旨在探讨基于微信小程序的智能家居监控系统的设计与实现。

By Ne0inhk
RTX 4070本地部署Stable Diffusion保姆级教程:从环境搭建到4K写实人像实战

RTX 4070本地部署Stable Diffusion保姆级教程:从环境搭建到4K写实人像实战

前言 最近换了一台 RTX 4070 (8G显存) 的笔记本,想着算力不能浪费,就折腾了一下本地部署 AI 绘画(Stable Diffusion)。 网上很多教程要么太老,要么就是让你装 Python、配 Git,环境报错能劝退 90% 的人。其实现在早就有“一键启动”的整合包了。 这篇文章不讲虚的理论,只记录我跑通的这套最稳的工作流。如果你也是 N 卡用户(推荐 3060 以上),照着做,半小时内就能画出超写实的 4K 美女图。 上效果 为了方便大家,我把文中用到的“启动器整合包”和“核心模型”都打包好了,链接放在文末,需要的自取。 一、 准备工作 1. 硬件要求 * 显卡: 最好是

By Ne0inhk