Trae - 藏星阁

双轨记忆系统将 Trae 原生核心记忆与 MCP 知识图谱结合，实现跨会话持久化与智能路由。

Trae Bonus记录（按月更新）仅供参考，仅购买了一个月，已停止记录

Trae 原生记忆系统提供自动注入与结构化写入，但存在 20 条上限、注入不透明等局限；当前项目通过三级晋升路径缓解，仍需 IDE 层面改进。

分析 Trae 框架 SubAgent 体系局限性，指出主 agent 优先自我执行、委派无法通过规则固化等核心问题，并建议等待框架优化。

对于中文开发者构建 AI agent 技能系统，应采用"中文意图 + 英文技术骨架 + 中英双语触发词"的平衡策略，让用户用中文表达需求，agent 用英文技术栈稳定执行，同时明确编码、标点、专有名词等处理规则，确保触发稳定和执行精确。

本文介绍了 Trae Agent 增强系统各组件的职责、触发方式及工作流位置，涵盖规则层、技能层及路由决策速查。

介绍 trae-agent-enhancements 项目的三层分离设计纲领（Rule 做决策、Skill 做执行、Trae 原生做底座）及七个设计巧思与失败教训。

基于 Trae IDE 的 AI Agent 认知增强框架，通过 Rules 和 Skills 双层架构解决通用与专业化、主动与可控、单次与持续三大矛盾

一套为 Trae IDE 打造的 AI Agent 增强方案，包含 33 个技能、8 条规则和记忆系统，通过任务分档、闭环验证和持续学习，让 Agent 更高效稳定。

Trae Agent System 是一套为 Trae IDE 打造的 AI Agent 规则与技能集，通过 npx trae-agent-system 一键安装，提供规则约束、专业技能和持续记忆能力。

本文详细对比了 ppt-master-enhanced 与上游 ppt-master skill 的差异，重点总结了前者在流程、审查、执行环境等方面的改善与优化。

本文详细介绍了在 Trae 中配置 MCP 服务、安装 PPT-Master Skill 并使用 AI 模型自动生成 PPT 的完整流程，包括环境搭建、需求拆解、新闻搜索与内容审核，最终通过审查驱动的工作流产出可编辑的 PPTX 文件。