企业官网建设流程全解析

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_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_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_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite ，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_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite ，选一个你常用的编码模型记下来。接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite ，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_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite ，它更适合持续性的编码场景。模型对话入口在 https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite ，API Key 管理在 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite ，接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite 。Claude Code 相关配置参考 https://taotoken.net/claude-code?utm_source=taotoken_aicg_blog_end&utm_content=claudecode&utm_campaign=rewrite 。

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。