1. trae cn 里给 yudao-cloud 个人项目搭 AI 开发配置到底在配什么如果你正在用 trae cn 写 yudao-cloud 这类多模块 Java 项目大概率会遇到一个尴尬AI 能补全代码但它不知道你的包结构、不知道你用的是 MyBatis-Plus 还是 JPA、不知道你团队约定的 Controller 返回体长什么样。每次开新会话都要重新贴一遍背景贴完它还记不住。这就是 skill、mcp、规则文件要解决的问题——把「项目常识」和「可执行能力」固化下来让 trae cn 每次开工都自带上下文。先说清楚这三个东西分别是什么适合谁看。skill 可以理解成「写给 AI 的操作手册」一个 skill 就是一段可复用的领域知识或工作流比如「yudao-cloud 的 CRUD 代码怎么生成」「Vue 组件按什么规范写」。mcp 是「给 AI 装的手和眼」让它能真的去连数据库、调接口、操作 IDE而不只是嘴上说说。规则文件则是「每次对话都自动加载的约束」比如强制中文回答、注释规范、skill 调用优先级。三者配合起来trae cn 才从一个通用补全工具变成懂你项目的开发搭子。这篇面向的是个人开发者不是团队协作场景所以配置尽量走全局 项目级混合能复用就复用不搞复杂的分支管理。下面会按「先装 skill、再配 mcp、再写规则、最后验证生效」的顺序走一遍每一步都给可复制的命令和片段。我试过在 yudao-cloud 上跑通整套流程中间踩的坑也会标出来。需要提前说明的是skill 和 mcp 的安装命令依赖网络能正常访问对应的代码托管地址如果公司网络有限制建议先确认能拉取到仓库再往下走。另外 trae cn 的版本更新较快配置目录如果和文中略有出入以你本地实际生成的路径为准思路是一致的。2. 前置准备TaoToken 接入与 trae cn 的 skill 目录约定在装 skill 之前先把模型接入这条链路理顺否则后面验证规则生效时会卡在「请求发不出去」。trae cn 支持自定义模型接入这里用 TaoToken 作为统一入口它的 API 地址是 https://taotoken.net/api 官网在 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。接入时需要三样东西Base URL、API Key、Model ID这三件套在后面的配置片段里会反复出现。先去控制台创建 API Key地址是 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 创建完复制保存页面关掉就看不到了。模型 ID 可以在模型对话页确认https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite 选一个你常用的编码模型记下来。接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 里面有各工具的配置示例trae cn 的填法也在里面。接下来是 skill 的目录约定。trae cn 的全局 skill 默认放在用户目录下的.agents/skills安装命令用-g时会写到这里并在各支持的 AI 编程工具的全局 skills 目录下创建软链接。如果你只想装给 trae cn 用、不和别的工具共享可以加-agent trae-cn参数这样会直接落到 trae cn 自己的全局 skill 文件夹。个人项目建议用后者避免污染其他工具的 skill 列表。这里有个容易困惑的点执行全局安装时可能提示PromptScript: PromptScript does not support global skill installation。这不是失败PromptScript 本身不支持全局安装只支持项目级但安装器仍然会在各工具的全局 skills 目录下建软链接实际使用不受影响。看到这行提示不用慌继续往下走就行。项目级 skill 则放在项目根目录的.agents/skills下只对当前项目生效。个人用 yudao-cloud 时我建议把通用的比如 find-skills、skill-creator装全局把 yudao-cloud 专属的CRUD 生成、API 测试装项目级这样换项目时不会带一堆用不上的技能。3. 可复制配置skill 安装、mcp 接入与规则文件片段这一节是全文最实操的部分命令和片段都可以直接复制。先装几个基础 skill它们能帮你管理和发现其他 skill。# 发现可用 skill 的元技能装全局 npx skills add https://github.com/vercel-labs/skills --skill find-skills -g -y # 创建自定义 skill 的工具装全局 npx skills add https://github.com/anthropics/skills --skill skill-creator -g -y # 浏览器操作能力装全局 npx skills add https://github.com/browser-use/browser-use --skill browser-use -g -y装完基础技能后装 yudao-cloud 专属的 skill。这些来自 gitee 上的仓库覆盖 API 开发、CRUD 生成、Vue 组件构建和接口测试四个方向。# yudao-cloud API 开发技能 npx skills add https://gitee.com/d2moqi/yudao-cloud-skills.git --skill yudao-cloud-api-developer -g -y # CRUD 代码生成技能 npx skills add https://gitee.com/d2moqi/yudao-cloud-skills.git --skill yudao-cloud-crud-generator -g -y # Vue 组件构建技能 npx skills add https://gitee.com/d2moqi/yudao-cloud-skills.git --skill yudao-cloud-vue-builder -g -y # 接口测试技能 npx skills add https://gitee.com/d2moqi/yudao-cloud-skills.git --skill yudao-cloud-api-test -g -y有时候 skill 不在仓库根目录而在二级目录下。比如高德地图的 skill 实际路径是amap-skills/amap-jsapi-skill这时要用浏览器地址栏里的 tree 路径来安装不能用 git clone 的地址。# 二级目录 skill 的安装方式 npx skills add https://github.com/AMap-Web/amap-skills/tree/main/amap-jsapi-skill -g -y更新和删除也顺手记一下。全局更新只动全局的项目级更新要在项目目录下执行。# 仅更新全局 skill npx skills update -g -y # 在项目目录下执行仅更新项目级 skill npx skills update -y # 删除指定全局 skill npx skills remove yudao-cloud-api-developer -g如果你要把自己写的 skill 传到 gitee需要在仓库根目录新建.well-known/skills/index.json内容是 skill 的定义可以让 AI 帮你生成。github 目前不需要这个文件。mcp 的接入分两种。mysql 这类可以直接在 trae cn 的 mcp 市场里点安装省事。需要手动配的在 trae cn 的 mcp 配置文件里加一段 JSON。下面是一个 mysql mcp 的配置片段路径和字段名以你本地 trae cn 生成的为准。{ mcpServers: { mysql: { command: npx, args: [ -y, modelcontextprotocol/server-mysql, --host, 127.0.0.1, --port, 3306, --user, root, --password, your_password, --database, yudao ] } } }注意 mcp 直连数据库时个人项目也建议用只读账号别拿生产库练手。idea-debug 这类 mcp 配合 skill 用能让 AI 直接读调试信息配置方式类似在 mcp 配置里加对应 server 即可。规则文件是全局生效的放在 trae cn 的全局规则配置里。下面这段可以直接用重点是中文回答、skill 调用优先级、注释规范三块。# 1. 始终使用中文回答。 # 2. Skill 调用规则 - 任务启动前检索可用 Skill 列表按「匹配度 可执行性 输出增益 资源消耗」选型专用 Skill 优先。 - 单 Skill 无法覆盖时可组合互补 Skill明确分工顺序功能重叠仅保留最优项输出统一整合。 - 需求变更、新增子任务或执行中发现不适配时立即重新检索并调整选型。 - 用户指定 Skill 优先响应与需求不匹配时需说明并推荐更优方案确认后执行。 - 无适配 Skill 时使用原生能力调用前须读取主控文件安全规则优先级最高。 # 3. 代码注释约束规则 核心原则注释解释设计意图、业务背景、边界约束不复述代码字面逻辑代码新增/修改时对应注释必须同步更新。 强制注释场景 - 方法级所有自定义方法生成对应语言标准文档注释公开方法需包含功能、入参约束、返回规则、异常场景、前置条件。 - 业务逻辑标注需求背景、预期结果、核心处理逻辑、异常分支的业务含义。 - 复杂逻辑算法、并发、状态流转、多层循环说明设计思路、执行流程、边界条件。 - 数据计算标注字段映射、公式来源、精度舍入规则、异常值处理策略。 - 特殊项魔数、容错降级、第三方依赖/兼容逻辑说明取值依据与约束。 豁免范围 - Java DO/VO/DTO 等纯数据载体类仅字段get/set无特殊业务约束时无需类定义注释。 - 命名完全自解释的单行极简方法、命名清晰的测试用例可简化行内注释。 质量要求禁止复述代码的无效注释关键逻辑块统一注释避免逐行冗余表述精准使用通用术语。 语言规范遵循对应语言官方注释标准JavaDoc、JSDoc、GoDoc 等。4. 验证请求确认 skill 被识别、规则真的生效配置写完不代表生效得实际验证一次。先验证 skill 是否被 trae cn 识别。在 trae cn 里新建一个会话输入「列出当前可用的 skill」如果配置正确它会返回 find-skills、skill-creator、yudao-cloud-api-developer 等列表。如果列表为空检查.agents/skills目录下有没有对应的软链接以及 trae cn 是否重启过。接着验证规则生效。规则里写了「始终使用中文回答」你可以故意用英文提问看它是否仍用中文回。再测注释规范让它给一个 yudao-cloud 的 Service 方法加注释观察是否生成了 JavaDoc 格式、是否包含入参约束和异常场景。如果它只写了「// 查询用户」这种复述代码的注释说明规则没加载回去检查规则文件路径。验证 mcp 是否连通可以让 AI 执行一次数据库查询。比如输入「用 mysql mcp 查一下 system_users 表的前 5 条记录」如果返回了数据说明 mcp 配置正确。如果报连接错误先确认数据库地址、账号密码再确认 mcp server 是否真的启动了。最后做一次端到端验证让 trae cn 用 yudao-cloud-crud-generator 生成一个模块的 CRUD 代码。观察它是否按 yudao-cloud 的包结构生成 Controller、Service、Mapper、DO、VO是否用了项目约定的返回体。这一步能同时验证 skill 选型、规则约束和模型接入三件事。如果生成结果符合预期整套配置就算跑通了。验证模型接入是否走的是 TaoToken可以在 trae cn 的请求日志里看 Base URL 是不是 https://taotoken.net/api 。如果日志里显示的是别的地址说明模型配置没生效回去检查三件套是否填对。5. 本篇常见错排查401、local proxy failed、reading choices、OAuth配置过程中最容易撞上的几类报错这里逐个对照。401 Unauthorized 基本是 API Key 的问题。要么 Key 复制时带了空格要么 Key 已失效要么 Base URL 填成了带路径的地址。检查方法是把 Key 重新复制一遍确认 Base URL 是 https://taotoken.net/api 而不是别的。如果用的是环境变量确认变量名和配置文件里引用的一致。local proxy failed 通常出现在 mcp 启动阶段。原因可能是 npx 拉包失败、端口被占用、或者 mcp server 的启动命令写错。先手动在终端跑一遍 mcp 的 command 和 args看能不能起来。如果终端能起、trae cn 里起不来多半是 trae cn 的工作目录或环境变量和终端不一致。reading choices 这类报错一般和模型返回格式有关。当模型返回的内容不是预期的 JSON 结构时解析就会失败。检查模型 ID 是否填对有些模型对 function call 的支持不一样。如果换了模型就好说明是模型兼容性问题换一个支持工具调用的模型即可。OAuth 相关报错多出现在接入需要授权的服务时。比如某些 mcp server 需要先走一遍授权流程拿到 token。检查授权是否完成、token 是否过期。个人项目里如果嫌麻烦优先选不需要 OAuth 的 mcp或者用本地账号密码方式。还有一个隐蔽的坑skill 装了但 AI 不调用。这通常是规则文件里没写 skill 调用优先级或者 skill 的描述和任务不匹配。在规则里明确「任务启动前检索可用 Skill 列表」并在提问时点明用哪个 skill比如「用 yudao-cloud-crud-generator 生成用户模块」命中率会高很多。如果出现 Claude Code 相关的 OAuth 报错检查~/.claude/settings.json或项目下的.claude/settings.json确认 Base URL、Key、Model ID 三件套齐全。CC Switch、Cline MCP、Codex 的auth.json也是同样的三件套逻辑缺一个都会报鉴权失败。6. 长期编码与 Agent 场景把配置沉淀成可复用资产个人项目用 trae cn最大的收益不是单次补全而是把配置沉淀下来下次开新模块直接复用。skill 装全局的负责通用能力装项目级的负责 yudao-cloud 专属逻辑规则文件负责兜底约束mcp 负责打通外部系统。这套组合跑顺之后你开新会话的成本会大幅下降。如果你经常做长期编码或 Agent 类任务可以考虑用 Coding Plan地址是 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 它更适合持续性的编码场景。模型对话入口在 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite API Key 管理在 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 。Claude Code 相关配置参考 https://taotoken.net/claude-code?utm_sourcetaotoken_aicg_blog_endutm_contentclaudecodeutm_campaignrewrite 。最后给一个实用技巧把 yudao-cloud 的 skill 仓库 fork 一份到自己账号下按项目实际约定改 skill 描述再装到项目级目录。这样 AI 生成代码时贴合度会更高也不会因为上游更新导致行为突变。规则文件建议纳入版本管理和项目代码一起提交换机器时直接拉下来就能用。