从 Trae 技能优化中沉淀的 AI 协作规则:先确认需求、修改要有依据、探索要留痕

背景

为 zdq 项目(d:\code\python\zdq)优化 .trae/skills/project-history-assessment 技能并更新 .trae/rules/development-rules.md。动因是前期一个导入功能折腾半个月没搞定,token 和时间大量浪费,需要通过技能和规则让 AI 少走弯路。

核心内容

技能设计原则

• 数据源最小化:历史对话只从"当前上下文 + #past_chat: 引用"获取,禁止 AI 自行扫描 IDE 内部存储目录。
• 时间过滤默认收窄:plan/、report/、log/ 不做全量扫描——"今天/昨天/本周/本月"按时间段过滤,未指定时间默认只看最新文件,只有全量复盘才全扫。
• 报告动态命名:按分析主题生成文件名,如 {任务名}_执行情况总结报告.md、{时间段}工作复盘报告.md、{模块名}性能优化评估报告.md;名称从实际内容提取禁止虚构,同日多报告加 _v2 递增。
• 经验分级处理:🔴 致命级经验直接改 .trae/rules/ 提示词,🟡 高级给用户建议确认后改,🟢 中级记录入知识库。

开发规则要点(经用户纠偏后的版本)

• 修改复盘原则(替代一刀切的"修改不超过2次"):同一功能点多次修改是正常的,但每次修改必须有明确理论依据或日志证据,禁止碰运气式反复试探;任务完成后在 report/ 记录修改次数及根因(需求不清/方案错误/验证不足)。
• Token 效率(替代"超过3步就停止"):探索类操作控制在 3 步以内,超过时暂停自我分析——是否有更简洁方案、是否方向错误——然后继续推进直到任务完成,并把探索路径记入 report/ 供复盘。任务是必须完成的,但过程要透明可追溯。
• 需求确认优先:需求不明确时先简单验证或询问用户,禁止深度盲目探索。
• 目录红线:根目录禁止创建脚本/日志/临时文件;废弃文件直接删除不归档;优先修改已有脚本而非新建测试脚本。
• 规则文本要简洁:规则描述避免啰嗦和重复,多段重复内容合并为一条,否则 AI 执行时反而抓不住重点。

最大教训

典型的"需求理解偏差 + 不收敛的探索":用户已说明历史对话在 past-chats,AI 仍扫描 7+ 个无关路径。对策是规则化——探索 3 步不收敛必须停下来自我分析,而不是继续烧 token。

原文链接

提炼自 inbox/trae/20260424_Optimize_Project_History_Assessment_Skil.md