晨星
项目地址：https://github.com/MorningStar0709/trae-agent-enhancements
一套为 Trae IDE 打造的 AI Agent 规则与技能集。
一句话概括
33 个技能 + 8 条规则 + 记忆系统，让 AI Agent 从"什么都能干但什么都不稳"变成"该快的快、该稳的稳、该学的学"。
解决了什么问题
三大亮点
亮点 1：按任务分档，不浪费一刻
Agent 自动判断任务大小——改个文案直接搞定，设计新功能才走完整流程。不会为小事大动干戈，也不会放过真正的硬骨头。这个 T-Shirt 四维判定矩阵（文件范围 × 变更性质 × 风险等级 × 预期节奏）是本系统原创设计，非官方标准能力。
亮点 2：闭环质量，不靠感觉
每一行代码都要过验证：测试跑绿、构建通过、bug 复现路径消失——才叫"改好了"。不信任自我感觉，只信任新鲜证据。从 brainstorming → writing-plans → executing-plans → verification-before-completion → git-commit，每个技能像流水线一样上下游协作、接力完成。
亮点 3：越用越聪明，不重复踩坑
每次遇到新问题，Agent 会自动把教训存为长期记忆。下次同样的端口冲突、同样的环境坑，不用再查——它已经记住了。这套机制建立在 Trae 原生记忆系统之上，不破坏原生能力，而是主动管理记忆质量，形成互补。
设计巧思：不是普通的提示词合集
市面上很多"Agent 增强包"只是一堆提示词，我们的系统有更深层的设计逻辑：
Rule + Skill 双轮驱动：Rule 像交通警察判断"该走哪条路"，Skill 像专业工具箱负责"怎么做"。两者各司其职，互不干扰。
完全遵循 Trae 官方规范：本系统的 33 个技能 + 8 条规则严格按照 Trae 的 frontmatter 规范、SKILL.md 契约模板、250 字符 description 限制编写。可以当做最佳实践范例来参考学习。
原创决策机制：T-Shirt 分档（四维任务评分）和提问阈值（什么时候该问用户、什么时候不该问）都是本系统原创。Trae 不会自带这些能力——是我们在使用中观察痛点后自行归纳设计的。
对平台限制的诚实回应：agent-blueprint-architect 技能不试图写脚本自动化创建 Agent——因为 Trae 的 Agent 配置存储在加密数据库中，外部写入极不稳定。设计团队放弃自动化，采用 "蓝图交付 + 手动粘贴" 模式，用户逐段复制到 Trae UI 即可。稳定比花哨更重要。
持续打磨的执行契约：每个 Skill 包含 Input Contract、Do Not Use 边界、Failure Handling 降级路径、Integration 上下游衔接。每个技能经历了 3-5 轮迭代优化，git 记录可追溯。不是一次性提示词，而是持续的工程投资。
对中国开发者的特别照顾
-
全中文自然语言驱动，说"帮我提交""排查这个 bug"就能触发
-
支持国内 Git 平台：分支收尾时会通过
git remote -v检测远程地址，github.com 走 GitHub 流，Gitee/GitLab/Coding 走国内平台流 -
提交信息中英文混排——
type用英文保持工具兼容，正文用中文降低沟通成本 -
技能文档：机器读的字段用英文，给人看的说明用中文，各取所需
-
Windows 环境全适配：PowerShell 语法、端口冲突恢复、路径规范
几行注释说明
规则层（Rules）——8 条"交通规则"，告诉 Agent 什么能做、什么不能做、什么情况下要问人。5 条全局生效，3 条按场景触发。
技能层（Skills）——33 个"专业工具箱"，覆盖需求澄清、设计规划、代码实现、调试排错、代码审查、提交管理、分支收尾、知识沉淀、浏览器调试、可访问性审计、数据可视化、前端设计……
记忆层（Core Memory）——Agent 的"记事本"，Knowledge 记事实、Rule 记偏好、Experience 记教训。新对话自动加载，不用从头教。
快速体验
把本项目的 .trae/ 目录放进你的 Trae IDE 项目根目录，Agent 立即获得上述全部能力。无需配置、无需安装。
开始对话后，试试这些中文指令：
"帮我排查一下这个报错" "实现这个功能，先写计划" "改好了没？跑下测试验证一下" "记住这个处理方式" "提交代码"
Agent 会自动匹配对应的技能和规则来完成。
项目地址：
.trae/目录下的全部源代码。