【大纲】TRAE AI 编程入门第三讲——突破边界的 Rules、Memory、MCP、Skills

约 1816 字大约 6 分钟

2026-04-04

飞哥数智谈，现居于济南，AI提效、AI编程实践者，AI·Spring社群发起人，同时，担任 TRAE Friends 社区济南 Fellow，致力于AI 提效与AI编程落地，最近长期举办 openclaw 系列活动《养虾记》。

最近几天会把我策划的体系化 AI 编程入门课程大纲逐步放出，欢迎大家提意见。

该门课程暂定 4+1 节：

课程内容：

今天是第三节的大纲。

第 1 页：开场——从"用好工具"到"定制工具"

Rules：硬性规范，AI 必须遵守
- 用户规则：个人偏好，所有项目生效（如"使用 TypeScript"）
- 项目规则：项目级规范，仅当前项目生效（如"缩进用 2 空格"）
- 应用模式：始终应用 / 应用到特定文件 / 智能应用 / 手动引用
Memory：软性偏好，AI 自动记住
- 全局记忆：个人习惯，所有项目生效（如"变量命名用驼峰式"）
- 项目记忆：项目专属信息（如"本项目主色 #2D5BFF"）
- 支持自动捕捉和主动添加，最多各 20 条
Rules vs Memory 的区别：
- Rules 是手动配置的结构化规则文件，对话开始时全量加载到上下文，可纳入版本控制、团队共享
- Memory 支持自动捕捉（AI 识别对话中的偏好并自动保存）或主动添加，按需加载，仅存本地
- Rules 适合放项目级标准（代码风格、安全规范、命名约定等需要团队统一的内容）
- Memory 适合放个人偏好和使用习惯（缩进宽度、引号风格、技术栈偏好等因人而异的内容）

演示任务：为项目创建规则和记忆，观察 AI 输出变化

什么是 MCP（Model Context Protocol）：一种协议，让 AI 能够调用外部工具和服务
能做什么：
- 连接数据库，直接查询和操作数据
- 调用外部 API（如地图、天气、翻译等）
- 读取 Figma 设计稿，转化为前端代码
- 进行网页自动化测试
如何添加：设置中心 > MCP > 从市场添加（选现成的）或手动添加（自定义配置）
核心价值：AI 不再只能写代码，还能直接与外部工具协作，能力边界大幅扩展

演示任务：添加一个 MCP Server，让 AI 获得额外能力

什么是 Skills：把特定任务的执行方法（目标、步骤、约束、示例）封装成一个结构化文档，AI 按需加载
两种类型：
- 全局技能：跨项目通用（如代码审查流程、Git 提交规范）
- 项目技能：仅当前项目（如本项目的数据分析流程、测试规范）
如何创建：直接在对话中告诉 AI 创建，或手动编写 SKILL.md 文件
如何使用：AI 自动识别任务并加载对应技能，或手动指定"使用 xxx 技能"
核心价值：把重复性工作流固化下来，一次封装、反复使用，AI 自动按标准流程执行
MCP vs Skills：很多场景下 Skill 就能解决问题，不一定需要 MCP——Skill 定义的是"怎么做某件事"的完整流程，MCP 提供的是"能调用什么外部工具"。当任务需要连接外部服务（如数据库、第三方 API）时才需要 MCP；如果只是定义内部工作流程，Skill 就够了

Rules 设定基础规范（硬性要求）
Memory 积累个人偏好和项目背景（软性习惯）
MCP 提供外部工具能力（扩展边界）——但很多场景下 Skills 就能替代，不一定需要 MCP
Skills 定义如何高效使用这些工具完成特定任务（标准化流程）
举例：用 Rules 规定代码风格，用 Memory 记住品牌色值，用 MCP 连接数据库，用 Skills 定义测试流程 → AI 自动按标准完成从开发到测试的全流程