插件市场 10 款上新:把你常用的开发工具接进 TRAE

TRAE 插件市场近期上线了 10 个新插件，覆盖开发工具、界面设计和效率提升三大类别。

你常用的开发工具，现在都能通过插件接入 TRAE。连接数据库、读取 API 文档、操作设计稿、管理项目工作项、查询监控指标——直接在 AI 开发工作流中一站完成，不用再反复切换窗口。

10 个插件总览

插件如何调用

打开 TRAE → 插件市场 → 搜索插件名称 → 启用

开发工具

能力介绍

把 API 的设计、调试、文档和协作带入 AI 工作流。直接在 TRAE 中读取 Postman 工作区里的集合、接口规范、环境变量，还能配置 Mock 和 Monitor。

实测案例

角色：后端开发，刚接手一个有 80+ 接口的电商项目

背景：项目交接文档只有一句"接口都在 Postman 里"。你需要快速了解全部接口的结构和调用关系，不想一个个点开看。

Prompt：

读取当前 Postman 工作区中 "电商平台 v2" 集合的全部接口，帮我：按模块（用户、商品、订单、支付）分组，列出每个接口的路径、方法和简要说明标注哪些接口需要认证（Bearer Token）找出所有 POST 接口中缺少请求体示例的接口输出一份接口清单表格，我可以直接粘到项目文档里

预期产出： AI 读取 Postman 集合，自动按模块分组输出接口清单，标注认证方式，并列出缺少示例的接口。过去手动整理 80 个接口至少 1 小时，现在 2 分钟拿到结构化文档。

能力介绍

用自然语言连接 MySQL 数据库，查询数据、查看表结构，辅助生成 SQL 和排查数据问题。

实测案例

角色：后端开发，负责电商平台用户增长模块

背景：产品经理在周会上问"最近一个月，哪个渠道带来的新用户最多？注册转下单的比例怎么样？"。你需要从业务数据库里快速取数回答。

Prompt：

帮我查一下最近 30 天的新增用户数据：按注册渠道（channel）分组，统计每个渠道的新增注册用户数，按数量降序排列同时统计每个渠道中，注册后 7 天内完成首单的用户数和转化率输出结果用表格展示，包含：渠道名称、注册人数、首单人数、转化率

预期产出： 

AI 自动生成包含 JOIN 和子查询的 SQL，连接 users 表和 orders 表，执行后返回结构化表格。过去写 SQL、调试、导出至少 15 分钟，现在 2 分钟出结果。

能力介绍

连接 PostgreSQL 数据库，完成数据查询、结构查看和分析工作，适合业务取数和报表分析。

实测案例

角色：数据分析师，负责 SaaS 产品的用户行为分析

背景：老板问"上线新功能后，用户的平均使用时长有没有变化？"你需要对比新功能上线前后两周的数据。

Prompt：

帮我对比分析 user_sessions 表中，最近两周与上线前两周的用户使用时长数据：上线日期是 2026-09-25，分别统计上线前两周（9.11-9.24）和上线后两周（9.25-10.08）的数据计算两个时段的：日均活跃用户数、平均单次会话时长（分钟）、平均每用户每日会话次数按天粒度输出趋势数据，方便我做折线图最后给出一个对比总结：哪些指标有明显变化

预期产出： AI 生成时间范围筛选 + 聚合 SQL，返回按天粒度的对比数据和总结。过去需要写复杂 SQL 再导入 Excel 画图，现在直接拿到结构化结论。

能力介绍

用自然语言查询和管理 MongoDB 中的文档数据、集合与索引，支持聚合分析。

实测案例

角色：后端开发，负责内容平台的推荐系统

背景：运营反馈"最近推荐的内容重复率变高了"。你需要快速查一下推荐日志集合，看看是否存在短时间内同一内容被重复推荐给同一用户的情况。

Prompt：

查询 recommend_logs 集合，分析最近 7 天的推荐重复情况：按 user_id 和 content_id 分组，找出同一用户被推荐同一内容超过 2 次的记录统计重复推荐的总次数和涉及的用户数列出 Top 10 重复最严重的 user_id + content_id 组合，包含推荐次数和时间范围检查这些重复记录的 source 字段，看重复推荐来自哪个推荐策略

预期产出：AI 自动生成聚合管道（$match + $group + $sort），返回重复推荐的统计数据和 Top 10 明细。帮你快速定位是某个推荐策略的去重逻辑有问题。

能力介绍

把 Apifox 项目中的 OpenAPI 文档提供给 AI 读取，帮助开发者理解接口契约并据此生成代码。

实测案例

角色：前端开发，负责对接后端新版用户模块接口

背景：后端同事说"新接口文档已经更新到 Apifox 了，你按文档对接就行"。你需要快速理解接口结构，并生成前端调用代码。

Prompt：

读取 Apifox 项目中"用户模块 v3"的全部接口文档，帮我：列出所有接口的路径、方法、参数和响应结构为每个接口生成 TypeScript 类型定义（Request 和 Response）基于 axios 生成封装好的 API 调用函数，包含错误处理标注哪些字段是必填的，哪些有枚举值约束

预期产出：AI 读取 Apifox 中的 OAS 文档，自动生成完整的 TypeScript 类型定义和 axios 调用函数。过去需要对照文档手动写类型和请求函数，10 个接口至少半小时，现在几分钟拿到可直接使用的代码。

能力介绍

查询和管理 Redis 中的键值数据及常见数据结构，覆盖缓存、会话、队列、排行榜和向量检索。

实测案例

角色：后端开发，负责电商平台的秒杀模块

背景：秒杀活动刚结束，产品经理问"这次活动的库存扣减和排行榜数据能看一下吗？"你需要快速查看 Redis 里的活动数据

Prompt：

帮我查看 Redis 中秒杀活动相关的数据：查看 key 为 "seckill:stock:20261014" 的剩余库存值读取 "seckill:leaderboard:20261014" 排行榜（Sorted Set）的 Top 20 用户和分数检查 "seckill:lock:*" 匹配的所有分布式锁 key，查看是否有未释放的锁，列出 key 名称和 TTL统计以 "seckill:order:20261014:*" 开头的 key 数量，估算成功下单数

预期产出：AI 依次执行 GET、ZREVRANGE、SCAN 和 key 统计命令，返回库存余量、排行榜 Top 20、锁状态和订单估算。过去需要手动连 redis-cli 逐条敲命令，现在一个 Prompt 拿到全部活动数据。

界面设计

能力介绍

让 AI 读取和编辑当前打开的 Sketch 设计文档，获取图层、截图、设计资产和组件信息，还能通过脚本批量修改设计稿。

实测案例

角色：UI 设计师，负责一套 B 端产品的设计系统维护

背景：品牌升级，主色从 #1890FF 改成 #4F46E5，涉及 30+ 页面。手动逐页改色太慢，容易遗漏。

Prompt：

读取当前打开的 Sketch 文档，帮我完成以下操作：遍历所有页面，找出所有使用 #1890FF 作为填充色或边框色的图层列出这些图层的名称、所在页面和类型（按钮/图标/背景等）将所有 #1890FF 统一替换为 #4F46E5完成后统计：一共修改了多少个图层，涉及哪些页面

预期产出：AI 通过 Sketch MCP Server 遍历文档图层树，定位所有使用旧主色的元素并批量替换。过去品牌换色至少半天手动操作，现在几分钟完成，而且不会遗漏。

能力介绍

通过自然语言生成产品原型、网页界面、交互应用和 PRD 文档，支持 HTML 原型和 React 应用输出。

实测案例

角色：产品经理，正在推进一个内部工单系统的需求

背景：你刚写完需求文档，需要快速出一版交互原型给设计师和开发对齐方案。但设计师本周排期已满，等不了。

Prompt：

帮我生成一个内部工单管理系统的原型页面，包含以下内容：左侧导航栏：全部工单、我创建的、我处理的、已关闭主区域：工单列表，包含工单标题、状态（待处理/处理中/已关闭）、优先级（高/中/低）、创建人、创建时间支持按状态和优先级筛选点击工单标题进入详情页，详情页包含工单描述、处理记录时间线、回复输入框和状态变更按钮整体风格简洁，参考企业级后台管理系统

预期产出：AI 通过墨刀插件生成可预览的 HTML 原型，包含工单列表页和详情页，支持筛选交互。过去要么等设计师排期，要么自己用 Axure 画半天。现在几分钟拿到可交互原型，直接对齐团队认知。

效率提升

能力介绍

用自然语言查询和管理 TAPD 中的需求、缺陷、任务和迭代，让项目管理动作直接在 AI 工作流中完成。

实测案例

角色：研发 Team Lead，负责一个 10 人团队的迭代管理

背景：周五下午需要写本周迭代总结，包括完成情况、遗留缺陷和下周重点。你不想花 30 分钟在 TAPD 里翻页筛选。

Prompt：

帮我整理本周迭代（Sprint 23）的情况：本迭代所有需求的完成状态，按"已完成"和"未完成"分组列出，包含需求标题和负责人当前未关闭的缺陷列表，按优先级从高到低排列，包含缺陷标题、严重程度、当前处理人本周新增的缺陷数量和关闭的缺陷数量用 Markdown 格式输出，方便我直接粘贴到周报里

预期产出：AI 自动查询 TAPD 项目中 Sprint 23 的需求和缺陷数据，按要求分组和排序，输出结构化 Markdown。过去需要反复筛选、导出、整理格式至少 20 分钟，现在一个 Prompt 搞定。

能力介绍

用自然语言查询 Grafana 中的仪表盘、指标、日志、链路追踪和告警信息，适合运维、SRE 和数据团队。

实测案例

角色：SRE 工程师，负责电商平台的稳定性保障

背景：凌晨 2 点收到告警：订单服务 P99 延迟飙升。你需要快速定位是哪个环节出了问题，不想在多个 Grafana 仪表盘之间反复切换。

Prompt：

帮我排查订单服务（order-service）过去 2 小时的异常：查询 order-service 的 P50、P95、P99 延迟趋势，按 5 分钟粒度查看同一时段的 5xx 错误率和 QPS 变化检索 order-service 的错误日志，筛选 level=error，列出 Top 5 出现频率最高的错误信息查看当前生效的告警规则中，哪些正在触发（firing 状态）给出初步判断：延迟飙升最可能的原因方向

预期产出：AI 依次查询 Prometheus 指标、Loki 日志和告警状态，返回延迟趋势、错误率、Top 错误日志和告警列表，并给出初步判断方向。过去需要在 3-4 个 Dashboard 之间切换、手动拼 PromQL 和 LogQL，现在一个 Prompt 拿到完整排障上下文。

TRAE，一站式开发平台

TRAE 插件市场持续更新中，升级到最新版本即可体验。更多插件动态和使用技巧，欢迎到 TRAE 官方论坛交流。