AI编程必备,TraeWork装上这10个Skill,让你的AI从实习生变成老员工

朋友前两天问我一个问题：你说Trae Work能写代码、能做PPT、能写公众号，那我到底该怎么用？是不是每次打开对话框，就对着它说"帮我干活"就行了？

我说，你这么用，它就只是一个聪明点的新人，做事靠猜。你得给它Skill。

Skill这个东西，我之前写过一篇文章介绍过。简单说，它就像给AI配了一份菜谱。没有菜谱，AI也能炒菜，但炒出来的味道随机。有了菜谱，它知道先放什么后放什么，火候多大，每个步骤的验收标准是什么。菜谱写得好，实习生也能炒出大厨的水平。Skill写得好，AI就能从"会干活"变成"干得漂亮"。

Anthropic、Vercel、Google、Facebook这些大厂都在社区上发布Skill，加上社区开发者自己做的，已经攒了不少好用的。我挑了十个最热门的，按使用场景分了分类，你看完就知道该给你的AI配哪些"菜谱"了。

写前端？这三个Skill是标配

如果你做前端，第一个该装的叫frontend-design，Anthropic出的。这个Skill专门解决一个痛点：AI写出来的界面，能用，但不好看。千篇一律的蓝白配色，圆角卡片，居中布局，你一看就知道是AI写的。frontend-design能让你指定设计风格，极简、复古、未来感、野兽派，它都能按你的方向去做排版、配色、动效，出来的页面有美学，完全不像"AI风"的工业品。

第二个是cache-components，Vercel出的。专门给Next.js项目用的，自动分析你的组件，能缓存的就加缓存，需要动态渲染的就加Suspense边界。这个Skill的好处是，你不用自己分析哪些组件该缓存、哪些不该，它代劳了。属于那种"你不用懂，但装了就有效"的工具。

第三个是fullstack-developer，全栈开发Skill。这个更适合有经验的人，相当于给你配一个"技术副手"。你描述需求，它从前端到后端、从数据库到认证、从部署到扩展，一条龙帮你搞定。相当于你有了一个能独立干活的同事，你只需要说"我要做一个什么"，剩下的它自己拆任务、自己写、自己联调。前提是，你得知道自己在干什么，不然它做出来的东西你没法验收。

代码审查？让AI当你的reviewer

代码审查是我觉得最该交给AI的事。人review代码，看到第三遍就眼花，后半段基本上是"看着没什么问题，过了吧"。但bug不会因为你眼花就不存在。

Trae上有两个审查Skill，一个是Dify出的frontend-code-review，专门审前端代码，从代码质量、性能、业务逻辑三个维度打分，输出结构化报告，把问题分"紧急修复"和"改进建议"两档，每个问题都标了具体代码位置和修复方案。另一个是Google Gemini出的code-reviewer，通用的，能审本地改动也能审远程PR，从正确性、可维护性、可读性、执行效率、安全性、测试完整性六个维度来审。这两个Skill搭配着用，你的代码在提交之前就已经被"看"了至少三遍，比大多数团队的code review规范多了。

说实话，用AI做code review的体验，跟人review完全不一样。人review的时候你会紧张，怕被说写得烂。AI review的时候你只会想"哦，这里有个bug，改了"，没有心理负担。而且AI不会说"你这个设计思路有问题"，它只会说"第83行，变量未定义"。这种不带情绪、只摆事实的review方式，效率反而更高。

测试和上线？一条龙包了

测试这件事，程序员都懂，重要但没人想做。Anthropic出了一个webapp-testing Skill，基于Playwright的，你只需要用自然语言描述测试需求，比如"检查登录页面能不能正常登录，密码错误的时候有没有提示"，它自己写测试脚本、自己跑、自己反馈结果。还支持截图和浏览器控制台日志采集，测试失败的时候你能看到当时页面长什么样。

测试完了就该提PR了。pr-creator这个Skill，Google出的，一键创建规范PR。它自己检查分支、找PR模板、跑预检脚本（测试和linting），然后生成标题和描述都符合规范的PR。新成员第一次提交代码，也能做出老员工的规范度。fix这个Skill更直接，Facebook出的，自动帮你格式化代码和修复linting错误，提交前跑一遍，基本能保证CI/CD不会因为格式问题挂掉。

还有一个容易被忽略的：update-docs，Vercel出的。代码改了，文档没改，这是所有团队的通病。这个Skill能分析源码变更，自动识别需要更新哪些文档，帮你生成文档更新内容。代码和文档同步这件事，终于不用靠"记得"了。

Skill不是越多越好，是越对越好

十个Skill介绍完了，但我想说的是，别一口气全装上。

我以前犯过一个错误，觉得Skill越多越好，装了一堆，结果每次让AI干活，它要在十几个Skill里选，反而选错。后来我学乖了，按项目来，一个项目配三到四个Skill。做前端项目，就配frontend-design、frontend-code-review、webapp-testing。做全栈项目，就配fullstack-developer、code-reviewer、pr-creator。Skill不是让你变全能，是让你在那个场景下，AI的表现更稳定。

还有一个Skill我没放在前面，但想单独提一下：find-skills，Vercel Labs出的。它的作用是帮你找Skill。不知道用什么？跟它描述你的需求，它从Skill生态里搜，给你推荐最匹配的，还附带安装指令。这个Skill本身就像一个"AI工具店的店员"，你问它"我要做数据可视化，有没有合适的Skill"，它帮你找。这个思路挺有意思的，Skill多到需要一个Skill来帮你找Skill，说明生态已经过了"有没有"的阶段，进入了"该选哪个"的阶段。

最后说点我的感受

写这篇文章的时候，我翻了一下Trae的Skill市场，发现一个有意思的趋势：大厂都在把自己的最佳实践封装成Skill。Anthropic出了前端设计，Google出了代码审查和PR管理，Vercel出了缓存优化和文档更新，Facebook出了代码格式化。这些Skill本质上是什么？是这些大厂内部用了多年的开发规范和工作流，现在打包成一个Skill，直接给你用。

你不需要去Google上班，就能用Google的code review流程。你不需要去Vercel上班，就能用Vercel的缓存优化策略。AI编程的下半场，比的不是谁的模型更强，而是谁的Skill生态更丰富。模型是"大脑"，Skill是"经验"。大脑聪明的人很多，但经验丰富的人很少。Skill就是给AI装上别人用时间和踩坑换来的经验。

如果你还没用过Skill，建议从frontend-design或者code-reviewer开始，这两个是上手最快、效果最直观的。如果你已经在用了，不妨去Skill市场逛逛，看看有没有刚好匹配你痛点的那个。

给AI装Skill，不是在给它加功能，是在教它怎么像老员工一样干活。

关注「AI自言」

一半烟火生活，一半智能新知

如果觉得有用，欢迎点个「在看」也欢迎在评论区聊聊你的想法