TRAE 规则实战：6A 工作流与 5S 敏捷开发指南
引言：从需求模糊到精准交付
在使用 AI 辅助编程时，开发者常遇到一个痛点：AI 生成的代码往往不符合现有架构或规范。比如直接编写逻辑却忽略了数据库表结构，或者使用了已废弃的库版本。这种'需求对齐靠猜、代码质量靠蒙'的模式，在复杂项目中极易导致返工。
通过配置 TRAE 的规则功能，结合标准化的工作流程，可以将 AI 从'野生程序员'转变为可控的协作助手。核心思路是：用 6A 工作流管理项目流程，用 5S 规则规范个人执行细节。
一、Rules：让 AI 遵循规范的底层逻辑
很多人将 Rules 简单理解为提示词模板，实际上它是代码规范管理工具，允许团队自定义并强制执行代码风格和最佳实践。它主要解决三个问题：
1. 告别重复指令疲劳
初期使用 AI 时，需要反复强调'使用 Python 3.9 语法'、'遵循 PEP8 规范'等基础要求。配置 Rules 后，这些约束被固化到 AI 行为中，无需每次重复，效率显著提升。
2. 实现个性化适配
不同角色对输出偏好不同。前端可能需要'代码 + 效果图'，后端更关注'核心逻辑 + 测试用例'。通过区分个人 Rules，AI 输出的内容能更精准匹配接收者的需求。
3. 构建项目级约束边界
通过项目 Rules 明确禁止使用特定版本的库（如 requests<2.25.0），可以从源头杜绝因依赖过时导致的线上 Bug。规则相当于给 AI 设定了安全护栏。
二、TRAE 规则配置指南
TRAE IDE 支持两类规则：个人规则定风格，项目规则定标准。两者配合效果最佳。
注意：当个人规则与项目规则冲突时，TRAE 优先遵循项目规则。建议个人规则聚焦表达风格，项目规则专注技术约束，以减少冲突。
三、6A 工作流项目规则
6A 工作流（Align-Architect-Atomize-Approve-Automate-Assess）是 TRAE 核心的项目规则体系，旨在通过标准化流程防止 AI 偷懒或瞎写。
1. Align（对齐）
将模糊需求转化为明确的规范。需求边界不清会导致后续所有工作偏离方向，此阶段需确保 AI 完全理解上下文。
2. Architect（架构）
基于确认的需求，AI 自动生成设计文档（如 DESIGN_任务名.md），并使用 Mermaid 绘制架构图，避免拍脑袋写代码。
3. Atomize（原子化）
将复杂任务拆分为极小的粒度（例如 20 行内代码块），降低 AI 出错概率，便于独立验证。
4. Approve（审批）
检查任务文档中的验收标准是否可测试。例如，'用户注册接口'不能仅描述为'功能正常'，必须明确'输入重复手机号返回 code=1001 错误'。
5. Automate（自动化执行）
AI 按顺序执行任务，每完成一个函数必须先编写单元测试。可设置规则强制要求测试不通过不准提交代码。
6. Assess（评估）
最终生成总结文档（FINAL_任务名.md），包含代码质量评分（SonarQube 扫描）、测试覆盖率（建议≥80%）及遗留 TODO 项。
附：project_rules.md 示例
# Project Rules
- Language: Python 3.9+
- Style: PEP8
- Testing: Unit tests required for all functions
