一款兼具隐私保护与强大功能的免费邮箱，教程涵盖注册到进阶玩法，助你从新手进阶为邮件效率高手。

📧 什么是 TinkMail？为什么你需要它？

TinkMail（官网：https://tinkmail.me）是一款主打隐私保护和安全性的免费邮箱服务。与传统邮箱不同，它采用端到端加密技术，确保只有你和收件人能读懂邮件内容，同时拒绝广告扫描。

五大亮点：

• 🔒 安全性高：全程加密传输，支持两步验证，防止账户被盗。
• 💰 免费空间大：个人版 10GB，企业版（限时免费）100GB。
• 🚫 拒绝垃圾邮件：智能反垃圾系统，自动过滤广告和诈骗邮件。
• 📱 全平台支持：网页版、手机 App、电脑客户端（Outlook/Thunderbird 等）均可使用。
• 👥 可绑定自定义域名：企业版支持最多 5 个用户，适合团队或家庭使用。

📝 注册教程：个人版 + 企业版（分步图解）

🖥️ 基础使用：收发邮件与客户端配置

1. 网页端操作

• 写邮件：点击 Compose → 填写收件人、主题、正文 → 可添加附件 → 发送。
• 收邮件：自动刷新或手动点击刷新按钮。

2. 在邮件客户端（手机/电脑）上配置

TinkMail 支持 IMAP/SMTP 协议，配置前必须生成访问令牌（不能直接用登录密码）。

获取访问令牌：
登录网页版 → 右上角头像 → Settings → Security / API → Generate Token → 输入名称（如“我的iPhone”）→ 复制生成的令牌（形如 tink_xxx）并妥善保存。

服务器参数：

以 iPhone 自带“邮件”App 为例：

1. 设置 → 邮件 → 账户 → 添加账户 → 其他 → 添加邮件账户。
2. 填写：
   • 全名：你的名字
   • 电子邮件：完整 TinkMail 地址
   • 密码：粘贴访问令牌（不是登录密码）
   • 描述：任意
3. 手动配置服务器，填入上述 IMAP/SMTP 信息，用户名均为完整邮箱地址，密码均为令牌。
4. 保存。

🚀 高级玩法：发挥 TinkMail 的全部潜力

1. 邮件别名（最多100个）

• 作用：创建分身地址（如 taobao@tinkmail.me），所有发往别名的邮件都进入主收件箱。
• 好处：保护主邮箱；垃圾邮件多时直接删除别名；分类管理。
• 设置：网页端 → 设置 → Aliases → Add Alias → 输入别名 → 保存。

2. 邮件过滤规则（自动整理）

• 示例：将所有来自 @amazon.com 的邮件移到“购物”文件夹。
• 设置：设置 → Filters → 新建规则 → 条件（如 From contains @amazon.com）→ 动作（如 Move to folder）→ 保存。

3. 团队协作（企业版）

• 管理后台 → Add User → 输入对方邮箱 → 邀请。
• 被邀请者设置密码后即可拥有独立的企业邮箱（用户名@你的域名.com）。
• 最多 5 人，每人 100GB，完全免费。

4. 开发者：通过 SMTP 发送邮件

通用 SMTP 配置：

服务器: smtp.tinkmail.me
端口: 465 (SSL) 或 587 (STARTTLS)
认证: 需要
用户名: 你的完整邮箱地址
密码: 访问令牌
Python 示例：

python
import smtplib
from email.message import EmailMessage

msg = EmailMessage()
msg.set_content(“邮件正文”)
msg[“Subject”] = “测试邮件”
msg[“From”] = “yourname@tinkmail.me“
msg[“To”] = “friend@example.com“

with smtplib.SMTP_SSL(“smtp.tinkmail.me”, 465) as server:
server.login(“yourname@tinkmail.me“, “你的访问令牌”)
server.send_message(msg)

🔐 安全与隐私：TinkMail 如何保护你？
技术措施
全链路加密：SSL/TLS 保护所有通信。

令牌认证：第三方客户端不接触主密码。

两步验证：动态验证码防护。

防伪造：SPF/DKIM/DMARC 防止域名假冒。

隐私政策要点
记录 IP、设备、登录时间用于安全审计，不扫描邮件内容推送广告。

数据存储于美国服务器。如收到法院命令可能需配合，但端到端加密下邮件内容仍受保护（除非交出密码）。

禁止行为
❌ 发送垃圾邮件

❌ 当网盘存放大量非邮件文件

❌ 违法活动

违者账户立即关闭。

❓ 常见问题（小白最常问的）
Q1：注册个人版时收不到验证邮件？
A：个人版不需要验证，直接注册即可登录。建议登录后设置恢复邮箱。

Q2：可以在手机上用吗？
A：可以。用浏览器访问网页版，或按教程配置手机邮件 App。

Q3：客户端提示“密码错误”？
A：你用了登录密码，应该使用访问令牌。请生成令牌并替换。

Q4：免费套餐会过期吗？
A：个人版永久免费。企业版 Business E1 目前限时免费领取且永久有效，但政策可能调整，请留意官网。

Q5：DNS 设置后很久没生效？
A：DNS 全球生效需几分钟到 24 小时。可用 whatsmydns.net 检查 MX 记录。超过 24 小时请联系支持。

Q6：最多多少个别名？
A：100 个，免费使用。

Q7：发信会被当作垃圾邮件吗？
A：TinkMail 服务器信誉良好，一般不会。若使用自定义域名（企业版）可进一步提高信誉。

Q8：如何注销账户？
A：登录网页版 → 设置 → Account → 底部 Delete Account。数据将永久删除。

🎯 总结：选择最适合你的版本
你的角色推荐版本理由
学生 / 普通网友个人免费版 (10GB)免费、安全、无广告
自由职业者 / 站长企业版 (100GB)绑定自定义域名，专业形象
小团队（≤5人）企业版免费获得团队邮箱，每人独立账户
开发者企业版 + SMTP集成到应用中，完全可控
立即注册 TinkMail，享受安全、私密的电子邮件服务！
👉 个人版注册：https://tinkmail.me/sign-up
👉 企业版注册：https://tinkmail.me/business/sign-up

📢 免责声明：本教程为第三方编写，非官方文档。服务条款可能变更，请以官网最新公告为准。

统计周期：2026.06.01 - 2026.06.08
本周最热赛道：AI Agent Skills 标准化 | 高性能向量检索 | 离线优先 AI
大盘数据：TOP10 合计周新增 Star 8,000+ | Skills 类项目占比 40%

本周 GitHub 趋势呈现出一个鲜明信号：AI Agent 正在从”玩具”走向”工具”。开发者不再满足于调用大模型 API，而是开始构建标准化的 Skills 库、持久化记忆层和高性能基础设施。与此同时，Rust 在底层工具链的渗透加速，向量检索进入性能竞赛阶段，”离线优先”成为新的产品哲学。

以下是本周最值得关注的 10 个开源项目。

1. RyanCodrai/turbovec — Rust 核心向量索引

一句话核心功能：基于 TurboQuant 的向量索引，Rust 核心 + Python 绑定，向量检索领域的”Polars 时刻”。

核心亮点：

• Rust 核心 + Python 绑定：延续 Polars、Ruff 的成功模式，用 Rust 榨取性能，用 Python 保持易用性
• TurboQuant 量化加速：向量压缩后检索速度提升数倍，内存占用大幅降低
• 零配置上手：pip install turbovec 即可替换现有向量索引，API 兼容 NumPy

快速上手：

1
2
3
4
5
6
7
8
9
10
11
12
13
14

import turbovec as tv
import numpy as np

# 创建索引
index = tv.Index(dim=768, quantize="q8")

# 添加向量
vectors = np.random.randn(10000, 768).astype(np.float32)
index.add(vectors)

# 检索
query = np.random.randn(768).astype(np.float32)
results = index.search(query, k=10)
print(f"Top-10 邻居索引: {results.indices}")

适用人群：构建 RAG 系统的开发者、需要高性能向量检索的 AI 应用工程师。

⚠️ 注意：当前版本为 v0.3.x，量化精度对高维稀疏向量可能有损失，建议先在业务数据上验证召回率。

2. NousResearch/hermes-agent — 自扩展 AI 助手框架

一句话核心功能：一个会自己”长大”的 AI Agent——支持技能扩展、记忆持久化、多 Agent 编排和定时任务。

核心亮点：

• 自扩展架构：Agent 可以从社区 Skills 市场自动下载并加载新能力，无需重启
• 记忆持久化：跨会话保持上下文，支持长期记忆压缩和检索
• 多 Agent 编排：内置”导演-演员”模式，多个 Agent 分工协作完成复杂任务
• Cron 定时任务：Agent 可以自主规划并执行周期性任务，真正实现”set and forget”

快速上手：

1
2
3
4
5
6
7
8
9
10
11

# 安装
pip install hermes-agent

# 启动交互式 Agent
hermes init my-agent
cd my-agent
hermes run

# 加载社区技能
hermes skill add web-research
hermes skill add code-review

适用人群：需要构建长期运行 AI 助手的开发者、探索多 Agent 系统的架构师。

⚠️ 注意：自扩展功能默认从社区仓库拉取代码，生产环境建议开启代码签名验证，避免供应链攻击。

3. aaif-goose/goose — 开源 AI 编码 Agent

一句话核心功能：超越代码补全的 AI 助手——安装依赖、执行命令、编辑文件、运行测试，真正的”结对编程伙伴”。

核心亮点：

• 执行优先：不只是生成代码，而是真正执行安装、测试、部署操作
• 多模型支持：不绑定任何 LLM 提供商，OpenAI、Claude、本地模型自由切换
• Rust 高性能：启动速度极快，资源占用远低于基于 Electron 的竞品
• IDE 集成：支持 VS Code、Neovim、JetBrains 系列插件

快速上手：

1
2
3
4
5
6
7
8
9
10
11

# 安装（macOS/Linux）
curl -fsSL https://goose.ai/install.sh | bash

# 配置 API 密钥
goose config set openai.api_key $OPENAI_API_KEY

# 启动交互式会话
goose session

# 或者直接执行指令
goose run "为这个项目添加 JWT 认证中间件"

适用人群：追求效率的开发者、希望减少对云端 AI 依赖的技术团队、Rust 爱好者。

⚠️ 注意：执行模式会实际修改文件系统和运行命令，建议先在 Git 工作区使用，避免意外破坏代码。

4. mvanhorn/last30days-skill — AI 研究时间机器

一句话核心功能：让 AI Agent 自动调研 Reddit、X、YouTube、HN 和全网信息，生成带引用来源的近期事件总结。

核心亮点：

• 强制时效性：”last 30 days” 框架确保 AI 不依赖训练数据幻觉，而是实时检索
• 多平台聚合：同时搜索社交媒体、新闻站点和学术预印本，交叉验证信息
• 来源可追溯：每条结论都附带来源链接，可直接人工复核

适用人群：投资人、记者、市场研究员，以及任何需要跟踪行业动态的知识工作者。

5. Leonxlnx/taste-skill — 给 AI 注入”品味”

一句话核心功能：用纯 Shell 编写的 AI 风格约束层，阻止 AI 生成无聊、通用的”废话文学”。

核心亮点：

• 纯 Shell 实现：零依赖，任何 Unix 环境直接运行，极简哲学
• 风格注入：在 LLM 输出前强制执行编辑风格约束，如”禁用陈词滥调””要求具体案例”
• 社区模板丰富：内置科技写作、营销文案、技术文档等多种风格模板

适用人群：内容创作者、技术写作者，以及厌倦了 AI “正确的废话”的开发者。

6. lfnovo/open-notebook — 开源 Notebook LM

一句话核心功能：Notebook LM 的开源替代方案，构建跨文档研究的个人知识助手。

核心亮点：

• 完全开源：替代 Google Notebook LM 的封闭生态，数据完全自主可控
• 多源导入：支持 PDF、网页、Notion、Obsidian 等多种知识源
• 来源锚定：所有 AI 回答都标注引用来源，避免幻觉

适用人群：研究人员、学生、知识管理爱好者，以及担心数据隐私的 Notebook LM 用户。

7. Crosstalk-Solutions/project-nomad — 离线生存 AI 计算机

一句话核心功能：为”断网时刻”准备的自包含离线计算机——集成关键工具、知识库和本地 AI。

核心亮点：

• 完全离线运行：不依赖任何云服务，本地 LLM + 本地知识库
• 应急场景设计：灾难恢复、野外作业、网络审查环境下的信息保障
• 自包含架构：单设备集成计算、存储、通信和 AI 推理

适用人群：户外工作者、灾备规划者、隐私极端重视者，以及”末日准备者”。

8. yikart/AiToEarn — AI 工作流变现平台

一句话核心功能：将 AI 自动化工作流转化为收入——从”做 demo”到”赚钱”的完整工具链。

核心亮点：

• 模板市场：内置内容生成、数据分析、客服自动化等变现模板
• 多平台对接：一键发布到 Shopify、WordPress、微信公众号等平台
• 收益追踪：内置仪表盘，追踪每个工作流的运行次数和收入

适用人群：独立开发者、副业探索者、希望将 AI 能力产品化的创作者。

9. ggml-org/llama.cpp — 端侧 LLM 推理引擎

一句话核心功能：C/C++ 实现的 LLM 推理引擎，本地优先 AI 的”基础设施”。

核心亮点：

• 全平台覆盖：从树莓派到 Mac Studio，从 iOS 到 Windows，一处代码到处运行
• 量化技术领先：支持 1-bit 到 8-bit 多种量化方案，极限压缩模型体积
• 生态基石：Ollama、LM Studio、kobold.cpp 等热门工具都基于 llama.cpp 构建

适用人群：本地 AI 部署者、边缘计算开发者，以及所有关心数据隐私的 LLM 用户。

10. opencv/opencv — 计算机视觉常青树

一句话核心功能：12 岁的开源计算机视觉库本周再次上榜，LLM + CV 的融合正在创造新场景。

核心亮点：

• LLM 视觉前端：多模态模型需要图像预处理，OpenCV 是最佳拍档
• 边缘 AI 爆发：随着端侧模型变小，传统 CV + 轻量 LLM 的组合在 IoT 场景大放异彩
• 稳定性保证：12 年持续维护，API 兼容性极佳，生产环境首选

适用人群：计算机视觉工程师、多模态 AI 开发者、物联网从业者。

本周总结

回顾本周 GitHub 热门项目，三个趋势值得持续关注：

1. AI Agent Skills 标准化：从 last30days-skill 到 taste-skill，开发者正在将”如何与 AI 协作”沉淀为可复用的配置。这不是 Prompt Engineering 的延续，而是 AI 时代的”依赖管理”——就像当年 npm 包管理了代码复用，Skills 正在管理”行为复用”。

2. Rust 渗透基础设施：turbovec 和 goose 代表了 Rust 在 AI 工具链的加速渗透。当 Python 负责生态和易用性，Rust 负责性能和可靠性，这种分工正在成为新标准。

3. 离线优先哲学：project-nomad 和 llama.cpp 的持续增长说明，开发者对”云依赖”的反思正在加深。本地运行不仅是隐私选择，更是可用性选择——当网络中断时，只有本地 AI 还能工作。

开源社区的力量在于每个人的参与。如果你对这些项目感兴趣，不妨去 GitHub 点个 Star，提交一个 Issue，或者贡献一段代码。

下期预告：下周我们将重点关注 MCP（Model Context Protocol）生态的新项目，以及 AI 安全工具的最新进展。敬请关注！

如果你发现了其他有趣的开源项目，欢迎在评论区分享。

📅 统计周期：2026.05.26-2026.06.01
🔥 本周最热赛道：AI Agent 记忆与基础设施 | 代码知识图谱
📊 大盘数据：TOP9 合计周新增 Star：71,700+ | 平均周涨幅：46.3%

主榜 TOP9

项目快速上手与避坑指南

1. openhuman

• ✅ 核心亮点：(1) Rust+Tauri 构建，内存占用 200MB 以内，对比 Electron 动辄 1GB；(2) TokenJuice 压缩引擎在 LLM 调用前将上下文压缩至 20%，API 费用降低 80%；(3) 本地 SQLite 记忆树，20 分钟自动同步 118+ 服务，数据完全不上传云端。
• 🚀 10秒试用：curl -fsSL https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.sh | bash
• ⚠️ 避坑指南：(1) 当前仍为 Early Beta，v0.53.x，频繁更新可能破坏配置，建议锁定版本；(2) 首次索引 118+ 服务需要 30-60 分钟，期间 CPU 占用较高，建议在空闲时段初始化。
• 🔄 替代方案：OpenClaw（375K Stars）—— 生态更成熟但为 TypeScript 全栈，资源占用更高；openhuman 胜在 Rust 性能和内存效率。

2. codegraph

• ✅ 核心亮点：(1) tree-sitter 静态 AST 分析，无需向量嵌入 API，完全本地运行；(2) 支持 19+ 语言和 14 个框架的自动路由识别；(3) 实测在 50K 行代码库上减少 Agent 70% 工具调用次数和 35% token 消耗。
• 🚀 10秒试用：npx @colbymchenry/codegraph（自动索引当前目录）
• ⚠️ 避坑指南：(1) 首次索引大型代码库（>5000 文件）需 5-10 分钟，可通过 --max-files 限制；(2) 动态语言（Python/JS）的调用关系解析不如静态语言（Go/Rust）准确，get_callers 可能遗漏反射调用。
• 🔄 替代方案：SocratiCode（向量搜索方案）—— 语义搜索更强但需 Qdrant 服务；codegraph 胜在零依赖和纯结构化查询。

3. agentmemory

• ✅ 核心亮点：(1) LongMemEval-S 基准 R@5 达 95.2%，超过 mem0（68.5%）和 Letta/MemGPT（83.2%）；(2) 混合检索：BM25 + 向量 + 知识图谱三流融合，单次查询 14ms；(3) 支持 12+ Agent 共享同一记忆服务器，跨工具上下文不丢失。
• 🚀 10秒试用：npx @agentmemory/agentmemory（启动后访问 http://localhost:3113 查看记忆面板）
• ⚠️ 避坑指南：(1) 记忆质量取决于写入内容，脏数据会让 Agent 重复犯错，建议定期清理过期记忆；(2) 不要存储 API 密钥或生产环境敏感信息到记忆中，所有数据存于本地 SQLite。
• 🔄 替代方案：mem0 —— 更轻量但检索精度低 27%；agentmemory 胜在基准数据和跨 Agent 共享能力。

本周潜力黑马

（定义：周新增 Star<2000，但技术创新度高、增长速度快、未来潜力大的项目）

• 项目名称：perplexityai/bumblebee
• 周新增⭐：2600 | 总Star⭐：2600 | 开发语言：Go
• 为什么值得关注：Perplexity AI 出品的供应链安全扫描器，覆盖 npm/PyPI/Go/RubyGems/Composer/MCP 服务器/VS Code 扩展/浏览器扩展 8 类攻击面。纯 Go 标准库实现，零外部依赖，只读设计 —— 这正是 MCP 生态爆发后急需的安全工具。
• 适合人群：使用 MCP 服务器的开发者、CI/CD 安全集成工程师
• 注意事项：目前仅 v0.1.1，恶意包数据库覆盖有限，不建议作为唯一安全防线。

值得观望

（定义：热度很高，但存在明显缺陷，不建议立即投入生产的项目）

• Claw Code（ultraworkers/claw-code，192K Stars）：Rust 写的高性能 Agent CLI，一周增 19.8K 星。但仓库以”解锁派对”为噱头营销，README 缺乏技术文档，社区反馈实际可用性存疑。
• 12-factor-agents：方法论有价值，但当前仅提供原则描述，无代码实现，无验证工具，更适合作为讨论框架而非工程标准。

最后

完整项目清单已整理成可一键复制的 Markdown 表格，需要的同学评论区留言「周榜」获取。

如果你发现了其他有趣的开源项目，欢迎在评论区分享。

2026 年，AI 编程工具已经从”代码补全助手”进化到了”全流程开发 Agent”。字节跳动推出的 Trae IDE（目前最新稳定版 v3.5.x）正是这一变革的代表作。

与第一代 AI 编程工具（如 GitHub Copilot 仅做行级补全）不同，Trae 的核心能力在于：

• Agent 智能体：AI 主动理解需求、拆解任务、编写代码、调试运行，形成一个完整的开发闭环
• 多模态输入：支持图片转代码、语音指令、设计稿解析
• MCP 协议：通过工具链生态连接数据库、API、设计工具等外部系统
• 完全免费：国内版内置 DeepSeek、豆包等国产模型，无需订阅付费

本文基于 Trae IDE v3.5.x（2026 年 5 月版本），从零开始带你成为 Trae 高手。

一、下载与安装

1.1 系统要求

1.2 下载安装

前往 Trae 官网下载：

• 国内版：https://www.trae.cn —— 内置豆包、DeepSeek 等国产模型，免费使用
• 国际版：https://www.trae.ai —— 支持 Claude、GPT 等国际模型

安装步骤：

1. 点击官网「免费下载」按钮，下载 Windows 安装包（.exe 文件）
2. 双击运行安装程序，选择安装路径（建议保持默认 C:\Users\用户名\AppData\Local\Programs\Trae）
3. 勾选「创建桌面快捷方式」，点击「安装」
4. 等待安装完成（约 1-2 分钟），启动 Trae IDE

提示：Trae 内置了 Node.js、Python 等运行环境的检测功能。启动后如果检测到缺少必要环境，会自动弹窗引导安装，非常省心。

1.3 导入已有配置

如果你之前使用 VS Code 或 Cursor，Trae 支持一键导入配置：

1. 首次启动时，选择「从 VS Code 导入」
2. 勾选需要导入的内容：扩展插件、快捷键绑定、用户设置、代码片段
3. 点击「导入」即可完成迁移

二、界面全面解析

2.1 整体布局

Trae 的界面基于 VS Code 架构深度定制，如果你用过 VS Code，几乎可以零成本上手。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

┌─────────────────────────────────────────────────────────┐
│  菜单栏  │ 文件 │ 编辑 │ 选择 │ 视图 │ 转到 │ 运行 │ 帮助  │
├────┬─────┴──────────────────────────────────────────────┤
│ 活 │                                                    │
│ 动 │           编辑器区域（代码编辑）                      │
│ 栏 │                                                    │
│ 📁 │                                                    │
│ 🔍 │                                                    │
│ 🔀 │                                                    │
│ 🧩 │                                                    │
│ 💬 │                                                    │
│ 🧪 │         ┌──────────────────────┐                   │
├────┤         │    AI 对话面板        │                   │
│ 状 │         │  (可拖拽、可固定)      │                   │
│ 态 │         └──────────────────────┘                   │
│ 栏 │  main.tsx  │ UTF-8 │ TypeScript │ Ln 42, Col 15   │
└────┴────────────────────────────────────────────────────┘

2.2 核心功能区域

三、核心功能一：Chat 模式 —— AI 辅助编程

Chat 模式是日常编程中最常用的交互方式，适合代码解释、Bug 修复、方案咨询等单次任务。

3.1 打开 Chat 面板

• 点击左侧活动栏的 💬 图标
• 或使用快捷键 Ctrl + L（选中代码后自动带入上下文）

3.2 模型选择

在 Chat 面板顶部，点击模型名称可切换：

建议：日常编程用 DeepSeek V3，架构设计用 Claude 4 Sonnet，中文需求用豆包。所有模型在国内版均可免费使用。

3.3 实战场景

场景 1：用自然语言写代码

在 Chat 中输入：

1
2
3
4
5
6

写一个 Python 脚本，批量处理当前目录下的所有 .txt 文件：
1. 读取文件内容
2. 去除每行首尾空格和空行
3. 按行排序
4. 保存到原文件（覆盖）
要求有进度条显示处理进度

AI 会生成完整代码，点击「应用」直接将代码写入文件。

场景 2：代码解释与学习

在编辑器中选中一段复杂代码，然后在 Chat 中：

1

请逐行解释这段代码的逻辑，并用大白话说明它要解决什么问题

AI 会给出带注释的代码和通俗易懂的整体逻辑说明。非常适合阅读开源项目和学习新技术。

场景 3：Bug 定位与修复

当代码报错时，有两种方式让 AI 帮你修复：

方式一：复制错误信息到 Chat

1
2
3

运行时报了这个错：
[粘贴完整错误日志]
请问原因是什么？如何修复？

方式二：直接让 AI 看终端（推荐）

1

请查看终端中的错误信息，分析原因并在代码中修复

AI 会自动读取最近的终端输出，分析后给出修复方案。

场景 4：代码审查与优化

选中代码，输入：

1
2
3
4
5
6

请从以下四个维度审查这段代码：
1. 性能：有无 N+1 查询、不必要的循环
2. 安全性：有无注入风险、敏感信息泄露
3. 可读性：命名是否清晰、逻辑是否简洁
4. 健壮性：异常处理是否完善
给出具体改进建议和优化后的代码

四、核心功能二：Agent 模式 —— AI 全自动开发

Agent 模式是 Trae 最强大的功能。 AI 不再是简单的问答，而是一个能够主动规划、执行、调试的”虚拟程序员”。

4.1 Chat 模式 vs Agent 模式

4.2 切换到 Agent 模式

在 AI 对话面板中：

1. 点击顶部的模式切换按钮
2. 选择 Agent 模式
3. 也可以在输入框中直接输入 @Agent 切换到 Agent 模式

4.3 Agent 实战：从零搭建一个 Web 应用

下面用一个完整案例展示 Agent 的强大能力。

需求：开发一个简单的「Markdown 笔记应用」，支持新建笔记、Markdown 实时预览、本地存储。

在 Agent 模式中输入：

1
2
3
4
5
6
7

@Agent 帮我用 React + TypeScript 开发一个 Markdown 笔记应用，要求：

1. 左侧是笔记列表，支持新建和删除
2. 右侧分两栏：编辑区（textarea）和实时预览区
3. 使用 localStorage 持久化存储笔记数据
4. UI 简洁现代，支持暗色模式
5. 使用 Vite 作为构建工具

Agent 的执行过程：

1. 分析与规划 → AI 自动拆解需求，列出开发步骤
2. 创建项目 → 自动初始化 Vite + React + TypeScript 项目
3. 安装依赖 → 自动安装 react-markdown 等必要包
4. 编写代码 → 逐文件生成代码：main.tsx、App.tsx、NoteList.tsx、MarkdownEditor.tsx…
5. 运行与调试 → 自动启动开发服务器，检查错误
6. 交付成果 → 一个可运行的项目，可在浏览器中预览

整个流程中，你只需要看着 AI 工作，偶尔确认关键决策即可。

五、核心功能三：SOLO Agent —— 一键全栈交付

SOLO Agent 是 Trae 的终极自动化模式。它整合了需求分析、文档生成、代码编写、部署上线等全流程能力。

5.1 什么是 SOLO Agent

SOLO Agent 将以下环节串联成一个自动化流水线：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

用户描述需求
    │
    ▼
① 需求分析 → 拆解为开发任务
    │
    ▼
② 生成 PRD / 技术方案文档
    │
    ▼
③ 创建项目结构 + 编写代码
    │
    ▼
④ 自动运行 + 调试修复
    │
    ▼
⑤ 一键部署（支持 Vercel / Cloudflare 等平台）

5.2 SOLO Agent 实战

在 Agent 模式下启动 SOLO 任务：

1
2
3
4
5

@SOLO 开发一个情绪日记 App：
- 用户可以记录每日心情（emoji 选择 + 文字描述）
- 按日历视图展示历史记录
- 使用 React + Tailwind CSS + IndexedDB
- 部署到 Vercel

SOLO Agent 会自动完成全部工作，并在完成后提供一个可访问的线上地址。

5.3 SOLO 适用场景

• ✅ 快速原型验证（MVP 开发）
• ✅ 个人工具/小项目开发
• ✅ Hackathon 快速出活
• ❌ 复杂企业级系统（仍需人工参与关键决策）

六、进阶篇一：MCP 协议 —— 连接 AI 与外部世界

MCP（Model Context Protocol） 是 Trae 连接外部工具的开放协议。通过 MCP，AI 可以操作数据库、调用 API、读写文件系统、操作浏览器等，极大扩展 Agent 的能力边界。

6.1 MCP 的工作原理

1
2
3
4
5
6
7
8

┌──────────┐    MCP 协议     ┌──────────────┐
│  Trae    │ ◄──────────────► │  MCP Server   │
│  Agent   │   工具调用        │  ───────────  │
│          │ ◄──────────────► │  PostgreSQL   │
│          │   查询结果        │  GitHub API   │
│          │                  │  Figma API    │
│          │                  │  自定义工具    │
└──────────┘                  └──────────────┘

6.2 配置 MCP Server

Trae 内置了 MCP 市场，提供大量即开即用的 MCP Server：

1. 打开设置 → MCP 配置
2. 在市场中浏览可用的 MCP Server
3. 点击「安装」即可添加

常用 MCP Server 推荐：

6.3 MCP 实战：AI 连接数据库

假设你需要从 PostgreSQL 数据库中查询用户数据：

1. 在 MCP 市场安装 @anthropic/postgres
2. 配置数据库连接信息（Host、Port、用户名、密码、数据库名）
3. 在 Agent 中输入：

1
2

请连接 PostgreSQL 数据库，查询 users 表中近 30 天注册的用户，
按注册时间降序排列，导出为 CSV 文件

Agent 会自动执行 SQL 查询、处理结果、生成 CSV 文件。

七、进阶篇二：Slash 命令与 Skills —— 定制你的 AI 工作流

7.1 Slash 命令

在输入框中输入 / 可以呼出命令面板，快速执行预设操作：

自定义 Slash 命令：

在项目根目录创建 .trae/commands/ 目录，放入 Markdown 文件：

1
2
3
4

.trae/commands/
├── review.md        # /review → 代码审查命令
├── deploy.md        # /deploy → 部署命令
└── api.md           # /api → 生成 API 接口

review.md 示例：

1
2
3
4
5
6

请从以下角度审查提供的代码：
1. 安全漏洞（注入、XSS、敏感信息泄露）
2. 性能问题（不必要的渲染、内存泄漏）
3. 代码规范（命名、结构、注释）
4. 边界条件处理
给出修改建议和优化代码。

使用时输入 /review 即可调用该命令。

7.2 Skills 技能

Skills 是预先定义好的专业技能模块，用于指导 Agent 的行为。

目录结构：

1
2
3
4

.agents/skills/
├── api-designer.md      # API 设计规范
├── database-helper.md   # 数据库操作规范
└── react-patterns.md    # React 最佳实践

react-patterns.md 示例：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

# React 开发规范

## 组件规范
- 使用函数组件 + TypeScript
- Props 必须定义 interface
- 使用 React.memo 优化纯展示组件

## 状态管理
- 简单状态用 useState
- 跨组件状态用 Context + useReducer
- 服务端状态优先用 React Query

## 样式方案
- 使用 Tailwind CSS
- 避免内联样式
- 响应式设计使用 sm:/md:/lg: 断点

配置后，Agent 在生成 React 代码时会自动遵循这些规范。

7.3 Rules 规则

Rules 是给 Agent 设定的行为准则，可以是全局规则或模块级规则。

全局规则（.trae/rules/project_rules.md）：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

# 项目全局规则

## 代码风格
- 使用 TypeScript 严格模式
- 所有 public API 必须有 JSDoc 注释
- 禁止使用 `any` 类型

## 框架约定
- 新页面统一放在 src/pages/ 目录
- API 请求统一使用 src/api/ 下的封装函数
- 环境变量统一从 src/config/ 导入

## Git 规范
- commit message 遵循 Conventional Commits
- 每个 commit 只做一件事

模块级规则（src/api/.trae/rules/api_rules.md）：

只在 Agent 操作 src/api/ 目录内的文件时生效：

1
2
3
4

# API 模块规则
- 所有 API 函数返回 Promise<T>
- 错误统一使用 ApiError 类
- 请求超时默认 10 秒

八、进阶篇三：多模态与 Web 预览

8.1 图片转代码

Trae 支持通过图片生成代码：

1. 在 Chat/Agent 输入框中，点击 📎 图标上传图片
2. 输入指令：

1

请基于这个设计稿，生成对应的 HTML + CSS 代码，要求响应式布局

注意：确保设计稿图层命名清晰，可获得更高的识别准确率。

8.2 语音输入

点击输入框右侧的 🎤 图标，可以语音描述需求：

• 「帮我写一个 Express 后端 API，实现用户注册和登录」
• 「这段代码报类型错误，帮我看看怎么修」

特别适合在需要快速描述复杂需求或在移动端操作时使用。

8.3 Web 预览

当 Agent 生成 Web 应用后，Trae 内置了实时预览功能：

• Agent 会自动启动开发服务器
• 在 IDE 内嵌浏览器中展示运行效果
• 支持元素编辑：在预览窗口圈选元素，输入指令如「把这个按钮颜色改成蓝色」
• AI 自动修改代码并热更新预览

九、终端与 Git 集成

9.1 智能终端

Trae 的终端有专属的 AI 增强能力：

• 自动错误分析：终端报错时，AI 自动分析错误并提供修复方案
• 命令补全建议：根据当前项目上下文推荐命令
• 后台任务管理：长运行命令（如 npm run dev）可以放入后台岛台

终端快捷键：

9.2 AI 增强 Git

在左侧活动栏的「源代码管理」面板中，Trae 提供了 AI 增强能力：

AI 生成 Commit Message：

1. 暂存你要提交的文件（点击文件旁的 + 号）
2. 点击输入框上方的 ✨ 按钮
3. AI 会分析代码变更，自动生成规范的 commit message

1
2
3
4
5
6

# AI 生成示例
feat(auth): add JWT-based user authentication

- Implement login and registration endpoints
- Add token refresh mechanism
- Include password hashing with bcrypt

自定义 Commit 规则：

在 .trae/rules/ 下创建 git_commit_rules.md：

1
2
3
4
5

# Git Commit 规则
- 遵循 Conventional Commits 格式
- type 使用中文：feat(新功能)/fix(修复)/docs(文档)/refactor(重构)
- scope 使用模块英文名
- subject 50 字以内

十、实用快捷键速查

通用快捷键

AI 专属快捷键

十一、常见问题与最佳实践

11.1 AI 生成的代码不对怎么办？

• 补充上下文：提问时附上相关代码文件或 @ 引用整个项目
• 分步拆解：复杂需求拆分为多个小任务，逐步推进
• 提供示例：给出期望的输出格式或参考代码
• 切换模型：复杂逻辑用 Claude，日常编码用 DeepSeek

11.2 AI 提问黄金法则

1
2
3
4
5
6
7
8
9

❌ 差：「帮我写个网站」
✅ 好：「用 React + TypeScript + Tailwind CSS 写一个个人博客首页，
   包含顶栏导航、文章卡片列表（左侧封面图 + 右侧标题和摘要）、
   右侧边栏（分类和标签云），配色主色 #2563EB，支持暗色模式切换」

❌ 差：「这段代码有 bug」
✅ 好：「这段代码在用户输入空字符串时会崩溃，错误是
   TypeError: Cannot read property 'length' of undefined
   请定位问题并修复，同时增加防御性编程处理」

核心原则：需求越具体，筛选条件越明确，AI 输出质量越高。

11.3 提升效率的配置建议

1. 配置 Rules：在项目中创建 .trae/rules/ 文件，统一代码风格
2. 设置 Skills：在 .agents/skills/ 目录下放项目技术栈的开发规范
3. 善用 MCP：将常用的数据库、API 工具接入 MCP，提升 Agent 能力范围
4. 自定义 Slash 命令：将高频操作封装为 Slash 命令，一键执行

11.4 安全注意事项

• ⚠️ Agent 模式可以执行终端命令，请确保代码审查（Code Review）
• ⚠️ 避免在 Chat 中粘贴敏感信息（API Key、密码等）
• ⚠️ 在 .trae/rules/ 中明确安全边界规则
• ⚠️ 关键代码（支付、认证等）建议人工把关

十二、总结

Trae IDE 已经从「AI 辅助编程工具」进化为 AI 驱动的全流程开发平台。核心优势总结：

打开 Trae，输入你的第一个需求，开始 AI 驱动的编程之旅吧！

本文基于 Trae IDE v3.5.x（2026.05）编写，部分功能可能随版本更新有所变化。如有问题欢迎在评论区交流～

阅读前提：本文基于最新稳定版安知鱼主题编写，所有主题配置均在博客根目录的 _config.anzhiyu.yml 中进行，不要修改主题目录下的 _config.yml。

官方文档：https://docs.anheyu.com/

一、基础内容编辑

1.1 文章创建与管理

创建新文章

1
2
3
4
5
6
7
8

# 创建新文章
hexo new "文章标题"

# 创建草稿（不会在首页显示）
hexo new draft "草稿标题"

# 发布草稿
hexo publish draft "草稿标题"

文章文件会生成在 source/_posts/文章标题.md，草稿在 source/_drafts/ 目录。

Markdown 基本语法

安知鱼主题完整支持 Markdown 语法，以下是常用格式：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

## 二级标题
### 三级标题

**加粗文本** 和 *斜体文本*

- 无序列表项 1
- 无序列表项 2

1. 有序列表项 1
2. 有序列表项 2

> 引用文本

[链接文字](https://example.com)

![图片描述](https://example.com/image.png)

`行内代码`

​```javascript
// 代码块（指定语言可获得语法高亮）
console.log("Hello World");
​```

1.2 文章 Front-matter 配置

Front-matter 是文章开头的 YAML 配置区域，用 --- 包裹。

必选参数

1
2
3
4

---
title: 文章标题
date: 2026-05-21 10:00:00
---

常用参数

1
2
3
4
5
6
7
8
9
10
11
12

---
title: 文章标题
date: 2026-05-21 10:00:00
updated: 2026-05-22 15:00:00   # 更新日期
tags:
  - Hexo
  - 教程
categories:
  - 建站
description: 文章的简短描述，用于 SEO 和文章摘要
keywords: 关键词1, 关键词2, 关键词3
---

安知鱼特有参数

以下参数是安知鱼主题提供的文章级专属配置：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40

---
# 文章封面图片（首页卡片和文章页顶部显示）
cover: https://picsum.photos/seed/example/800/400

# 文章主色调（影响标签、链接等元素颜色）
main_color: "#42b983"

# 启用 AI 文章摘要（需要开启全局 AI 功能）
ai: true

# 文章置顶（数值越大越靠前）
top: 10

# 隐藏侧边栏
aside: false

# 隐藏文章页顶部大图
top_img: false

# 关闭评论
comments: false

# 文章密码保护（访问需要输入密码）
password: your-password

# 设置文章为原创（显示版权声明）
copyright: true

# 设置文章为转载
copyright_author: 原作者名
copyright_author_href: https://original-author.com
copyright_url: https://original-post-url.com
copyright_info: 转载声明内容

# 自定义文章页顶部图片（优先级高于 cover）
top_img: https://example.com/banner.jpg

# 文章排序权重（数值越大越靠前，默认按日期）
sticky: 100
---

完整示例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

---
title: 使用 Docker 部署 Node.js 应用
date: 2026-05-21 10:00:00
tags:
  - Docker
  - Node.js
  - 运维
categories:
  - 技术分享
description: 详细介绍如何使用 Docker 容器化部署 Node.js 应用，包括 Dockerfile 编写、docker-compose 配置和生产环境优化。
keywords: Docker, Node.js, 容器化, 部署
cover: https://picsum.photos/seed/docker-node/800/400
main_color: "#2496ED"
ai: true
top: 5
copyright: true
---

## 前言

本文将介绍...

## 正文内容

...

1.3 页面创建与管理

创建独立页面

1
2
3
4
5
6
7
8

# 创建关于页面
hexo new page about

# 创建标签页面
hexo new page tags

# 创建分类页面
hexo new page categories

页面文件位于 source/页面名称/index.md。

特殊页面配置

重要：特殊页面必须在 Front-matter 中添加 type 参数才能正常工作。

标签页配置

编辑 source/tags/index.md：

1
2
3
4
5
6

---
title: 标签
date: 2026-05-21 10:00:00
type: tags
comments: false
---

分类页配置

编辑 source/categories/index.md：

1
2
3
4
5
6

---
title: 分类
date: 2026-05-21 10:00:00
type: categories
comments: false
---

友链页配置

编辑 source/link/index.md：

1
2
3
4
5
6

---
title: 友情链接
date: 2026-05-21 10:00:00
type: link
comments: false
---

友链数据在 _config.anzhiyu.yml 的 link 部分配置：

1
2
3
4
5
6
7
8
9
10
11
12

link:
  - class_name: 推荐博客
    class_desc: 值得关注的博客
    link_list:
      - name: 博客名称
        link: https://example.com
        avatar: https://example.com/avatar.png
        descr: 博客简介
      - name: 另一个博客
        link: https://another.com
        avatar: https://another.com/avatar.png
        descr: 另一个博客简介

关于页面配置

编辑 source/about/index.md：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

---
title: 关于我
date: 2026-05-21 10:00:00
---

## 关于我

这里是关于页面的内容，支持完整的 Markdown 语法。

### 技能

- 前端开发
- 后端开发
- 运维部署

### 联系方式

- GitHub: [你的GitHub](https://github.com/yourname)
- 邮箱: your@email.com

二、全局配置美化

以下所有配置均在根目录 _config.anzhiyu.yml 中修改。

2.1 站点基本信息

编辑根目录 _config.yml：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

# 网站标题
title: 我的博客

# 副标题
subtitle: 记录学习与生活

# 网站描述（用于 SEO）
description: 一个分享技术、生活和思考的个人博客

# 作者名
author: 你的名字

# 网站语言
language: zh-CN

# 时区
timezone: Asia/Shanghai

# 网站地址
url: https://yourdomain.com

# 网站根目录（如果部署在子目录则修改，如 /blog/）
root: /

配置网站图标

在 _config.anzhiyu.yml 中：

1
2
3
4
5
6
7

# 网站 favicon
favicon: https://your-avatar-url.png

# 作者头像
avatar:
  img: https://your-avatar-url.png
  effect: false    # 关闭头像旋转动画

2.2 导航菜单配置

在 _config.anzhiyu.yml 的 menu 部分修改：

1
2
3
4
5
6
7
8
9

menu:
  首页: / || anzhiyu-icon-home
  文章:
    归档: /archives/ || anzhiyu-icon-box-archive
    分类: /categories/ || anzhiyu-icon-shapes
    标签: /tags/ || anzhiyu-icon-tags
  关于:
    关于: /about/ || anzhiyu-icon-paper-plane
    友链: /link/ || anzhiyu-icon-link

格式说明：名称: /路径/ || 图标类名

• 支持多级菜单（使用缩进表示层级）
• 图标使用安知鱼内置图标或 Font Awesome 图标
• Font Awesome 图标格式：fas fa-home、fab fa-github

社交链接

1
2
3
4
5

social:
  GitHub: https://github.com/yourname || fab fa-github
  邮箱: mailto:your@email.com || fab fa-envelope
  Bilibili: https://space.bilibili.com/yourid || fab fa-bilibili
  知乎: https://www.zhihu.com/people/yourid || fab fa-zhihu

2.3 主题颜色与样式

在 _config.anzhiyu.yml 中：

1
2
3
4
5
6
7
8
9
10
11
12
13
14

# 主题颜色
theme_color:
  main: "#425AEF"           # 浅色模式主色调
  dark_main: "#faa729"      # 深色模式主色调

# 暗色模式配置
autoChangeMode:
  enable: true               # 启用自动切换
  mode: 1                    # 1 = 跟随系统，2 = 按时间段

# 按时间段切换暗色模式
darkModeTime:
  start: 19                  # 开始时间（小时）
  end: 7                     # 结束时间（小时）

可选主色调参考：

2.4 首页美化

顶部轮播图

1
2
3
4
5
6
7
8
9
10
11

home_top:
  enable: true               # 启用首页顶部区域
  swiper:
    enable: true             # 启用轮播图
    list:
      - img: https://picsum.photos/seed/slide1/1920/500
        url: /2026/05/21/my-post/    # 点击跳转链接
        title: 第一篇文章
      - img: https://picsum.photos/seed/slide2/1920/500
        url: /categories/技术/
        title: 技术分类

首页文章列表样式

1
2
3
4
5
6
7
8
9
10
11
12
13

# 双栏卡片布局
article_double_row: true

# 首页文章摘要
index_post_content:
  method: 2                  # 1 = 描述，2 = 自动截取，3 = 自定义
  length: 200                # 摘要长度（字符数）

# 文章封面图
cover:
  index_enable: true         # 首页显示封面
  aside_enable: true         # 侧边栏显示封面
  position: both             # 封面位置：left / right / both

侧边栏配置

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

aside:
  enable: true
  hide: false                # 移动端是否隐藏
  button: true               # 显示/隐藏按钮
  mobile: true               # 移动端显示

# 侧边栏显示的卡片（按顺序）
widgets:
  - card_author              # 作者卡片
  - card_announcement        # 公告栏
  - card_webinfo             # 网站信息
  - card_recent_post         # 最新文章
  - card_categories          # 分类
  - card_tags                # 标签
  - card_archives            # 归档

公告栏

1
2
3

notice:
  enable: true
  content: 欢迎访问我的博客！这里是我的公告内容，支持 <a href="/about">HTML</a> 标签。

2.5 文章页美化

代码高亮配置

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

# 代码高亮（highlight 和 prismjs 二选一）
highlight:
  enable: true
  line_number: true          # 显示行号
  auto_detect: true          # 自动检测语言
  tab_replace: "    "        # Tab 替换为空格

prismjs:
  enable: false
  preprocess: true
  line_number: true
  tab_replace: "    "

# 代码块高度限制（超出显示滚动条）
highlight_height_limit: 300  # 单位：像素，false 为不限制

文章分页

1
2
3
4

# 文章底部上一篇/下一篇
post_pagination:
  enable: true
  sort_order: 1              # 1 = 下一篇是旧文章，2 = 下一篇是新文章

打赏功能

1
2
3
4
5
6
7
8
9
10

reward:
  enable: true
  text: 请作者喝杯咖啡 ☕
  QR_code:
    - img: https://example.com/wechat-pay.png
      link:
      text: 微信
    - img: https://example.com/alipay.png
      link:
      text: 支付宝

文章版权信息

1
2
3
4
5

post_copyright:
  enable: true
  decode: false              # 解码 base64 链接
  license: CC BY-NC-SA 4.0
  license_url: https://creativecommons.org/licenses/by-nc-sa/4.0/

2.6 功能开关

在 _config.anzhiyu.yml 中控制各项功能：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38

# 全局中控台
centerConsole:
  enable: true               # 显示右下角控制台按钮

# 音乐球
musicball:
  enable: false              # 关闭音乐球

# 本地搜索
search:
  enable: true
  path: search.xml
  field: post                # 搜索范围：post / page / all
  content: true              # 搜索文章内容

# AI 文章摘要
ai:
  enable: true               # 全局启用 AI 摘要
  model: deepseek            # AI 模型
  key: your-api-key          # API Key
  # 也可使用本地大模型
  # local: true
  # local_api: http://localhost:11434

# 评论系统（以 Artalk 为例）
comments:
  use: Artalk
  text: true                 # 评论框占位文字
  lazyload: true             # 懒加载
  count: true                # 评论计数
  Artalk:
    server: https://your-artalk-server.com
    site: your-site-name

# 访问统计
analytics:
  google_analytics: G-XXXXXXXXXX
  baidu_analytics: your-baidu-id

关闭不需要的功能

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

# 关闭微信卡片
wechat:
  enable: false

# 关闭音乐功能
music:
  enable: false

# 关闭看板娘
live2d:
  enable: false

# 关闭页面动效
dynamicEffect:
  flutter: false             # 飘落动效
  bubble: false              # 气泡动效

三、高级自定义美化

3.1 自定义 CSS 样式

创建自定义 CSS 文件

在 source/css/ 目录下创建 custom.css：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65

/* ============================================
   自定义样式
   ============================================ */

/* 全局字体 */
body {
  font-family: -apple-system, BlinkMacSystemFont, 'Segoe UI',
    'PingFang SC', 'Hiragino Sans GB', 'Microsoft YaHei', sans-serif;
}

/* 文章内容区行间距 */
#article-container {
  line-height: 1.8;
  font-size: 16px;
}

/* 文章标题样式 */
#article-container h2 {
  font-size: 1.5rem;
  font-weight: 700;
  border-left: 4px solid #425AEF;
  padding-left: 16px;
  margin-top: 2.5rem;
}

#article-container h3 {
  font-size: 1.25rem;
  color: #425AEF;
}

/* 引用块美化 */
#article-container blockquote {
  border-left: 4px solid #425AEF;
  background: rgba(66, 90, 239, 0.05);
  border-radius: 0 12px 12px 0;
  padding: 16px 24px;
}

/* 代码块圆角 */
#article-container pre {
  border-radius: 12px;
}

/* 表格美化 */
#article-container table th {
  background: #425AEF;
  color: #fff;
}

/* 图片圆角 */
#article-container img {
  border-radius: 8px;
}

/* 链接样式 */
#article-container a {
  color: #425AEF;
  text-decoration: none;
  border-bottom: 1px solid transparent;
  transition: border-color 0.3s;
}

#article-container a:hover {
  border-bottom-color: #425AEF;
}

引入自定义 CSS

在 _config.anzhiyu.yml 的 inject 部分引入：

1
2
3

inject:
  head:
    - <link rel="stylesheet" href="/css/custom.css">

3.2 自定义 JavaScript

创建自定义 JS 文件

在 source/js/ 目录下创建 custom.js：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

// 页面加载完成后的自定义脚本
document.addEventListener('DOMContentLoaded', function () {

  // 示例1：为所有外部链接添加 target="_blank"
  document.querySelectorAll('#article-container a').forEach(function (link) {
    if (link.href.startsWith('http') && !link.href.includes(location.hostname)) {
      link.setAttribute('target', '_blank');
      link.setAttribute('rel', 'noopener noreferrer');
    }
  });

  // 示例2：文章阅读进度条
  var progressBar = document.createElement('div');
  progressBar.style.cssText = 'position:fixed;top:0;left:0;height:3px;background:#425AEF;z-index:9999;transition:width 0.2s;';
  document.body.appendChild(progressBar);

  window.addEventListener('scroll', function () {
    var scrollTop = document.documentElement.scrollTop || document.body.scrollTop;
    var scrollHeight = document.documentElement.scrollHeight - document.documentElement.clientHeight;
    var progress = (scrollTop / scrollHeight) * 100;
    progressBar.style.width = progress + '%';
  });
});

引入自定义 JS

在 _config.anzhiyu.yml 中：

1
2
3

inject:
  bottom:
    - <script src="/js/custom.js"></script>

3.3 自定义 CDN 资源

在 _config.anzhiyu.yml 的 CDN 部分修改，可替换为国内 CDN 提高访问速度：

1
2
3
4
5
6
7
8
9

CDN:
  css:
    - name: animate.css
      url: https://cdn.staticfile.net/animate.css/4.1.1/animate.min.css
    - name: fontawesome
      url: https://cdn.staticfile.net/font-awesome/6.5.1/css/all.min.css
  js:
    - name: pjax
      url: https://cdn.staticfile.net/pjax/0.2.8/pjax.min.js

3.4 右键菜单自定义

在 _config.anzhiyu.yml 中：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

right_menu:
  enable: true
  limit: 5                  # 最多显示条数

  # 自定义菜单项
  custom:
    - name: 回到顶部
      icon: fas fa-arrow-up
      url: javascript:scrollToTop()
      id: toTop

    - name: 复制本文链接
      icon: fas fa-link
      url: javascript:copyPageUrl()
      id: copyUrl

    - name: 访问 GitHub
      icon: fab fa-github
      url: https://github.com/yourname
      id: github

3.5 页脚自定义

1
2
3
4
5
6

footer:
  owner:
    enable: true
    since: 2026
  custom_text: <a href="https://beian.miit.gov.cn/" target="_blank">备案号</a>
  copyright: true             # 显示版权信息

四、常用命令速查

4.1 核心命令

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

# 创建新文章
hexo new "文章标题"

# 创建新页面
hexo new page "页面名称"

# 创建草稿
hexo new draft "草稿标题"

# 发布草稿
hexo publish draft "草稿标题"

# 本地预览（清除缓存后启动）
hexo clean && hexo server

# 生成静态文件
hexo clean && hexo generate

# 部署到服务器
hexo clean && hexo deploy

# 同时生成并部署
hexo clean && hexo g -d

4.2 命令简写

4.3 调试命令

1
2
3
4
5
6
7
8

# 详细调试模式（排查配置错误）
hexo g --debug

# 查看当前 Hexo 版本
hexo version

# 查看所有可用命令
hexo help

五、注意事项与常见问题

5.1 配置修改后不生效？

1
2

# 每次修改配置后，务必清除缓存再重新生成
hexo clean && hexo server

5.2 配置优先级

• 根目录 _config.anzhiyu.yml（高优先级）→ 主题目录 _config.yml（低优先级）
• 单篇文章 Front-matter（最高优先级）→ 全局配置

5.3 主题更新注意事项

主题更新时可能会有配置变更：

1. 查看官方 更新日志
2. 对比新旧配置文件差异
3. 同步修改 _config.anzhiyu.yml

5.4 常见问题排查

5.5 最佳实践建议

1. 定期备份：使用 Git 管理博客源码，推送到 GitHub 私有仓库
2. 图片管理：使用图床（如 GitHub + jsDelivr、阿里云 OSS）存储图片
3. SEO 优化：每篇文章都填写 description 和 keywords
4. 性能优化：启用图片懒加载，压缩资源文件
5. 安全建议：不要在公开仓库中暴露 API Key 等敏感信息

结语

本文涵盖了安知鱼主题从基础内容编辑到高级自定义美化的完整流程。核心要点：

• ✅ 所有主题配置在 _config.anzhiyu.yml 中修改
• ✅ 修改配置后务必 hexo clean 清除缓存
• ✅ 单篇文章可通过 Front-matter 覆盖全局配置
• ✅ 自定义 CSS/JS 放在 source/ 目录下通过 inject 引入

遇到问题时，优先查阅 安知鱼官方文档，或在 GitHub Issues 中搜索解决方案。

Happy Blogging! 🎉

2026年，AI Agent 已经从概念走向了落地。但当我们真正开始使用 ChatGPT、Claude、Cursor 等产品时，一个痛点始终挥之不去：AI 能聊、能写、能思考，但就是”动”不起来。

你想让 AI 帮你查一下今天的天气，它只能告诉你”我无法获取实时信息”；你想让它帮你订一张机票，它只能说”我没有操作能力”。这就是当前大多数 AI 的困境——有大脑，没手脚。

Skill（技能） 正是解决这个问题的关键。如果说 LLM 是 AI 的大脑，那么 Skill 就是它的手、脚、眼睛和耳朵。通过 Skill，AI Agent 可以调用搜索引擎、操作文件、发送邮件、控制浏览器、访问数据库……从”会思考”真正进化到”会做事”。

本文将带你深入理解 Skill 是什么、2026年最火的 Skill 项目怎么用，以及 Skill 技术的未来发展趋势。无论你是开发者、产品经理还是技术爱好者，都能从中获得实用的知识和启发。

二、Skill 技术详解与在 Agent 中的核心作用

2.1 Skill 的准确定义

Skill 是可被 Agent 调用的、标准化的、可组合的功能模块。

这句话包含了三个关键要素：

• 可被调用：Skill 必须提供统一的接口，让 Agent 能够按需触发
• 标准化：输入输出格式规范统一，不同 Skill 之间可以无缝协作
• 可组合：多个 Skill 可以串联、并联，完成复杂的任务流程

生活化类比理解

如果把 AI Agent 比作一个人：

• LLM（大语言模型） = 大脑：负责思考、推理、决策
• Skill = 手、脚、眼睛、耳朵：负责与外部世界交互
  • 搜索引擎 Skill = 眼睛：获取实时信息
  • 文件操作 Skill = 手：读写本地文件
  • 邮件发送 Skill = 嘴巴：对外发送通知
  • 浏览器控制 Skill = 脚：在网页上执行操作

没有 Skill 的 LLM，就像一个只有大脑、没有感官和四肢的人——能思考，却无法行动。

2.2 Skill 在 Agent 架构中的关键位置

典型的 AI Agent 架构可以用以下流程表示：

1
2
3
4
5
6
7
8
9
10
11

用户输入
    ↓
[LLM 大脑] —— 理解意图、制定计划
    ↓
[规划器] —— 拆解任务、确定执行步骤
    ↓
[Skill 调用器] —— 选择合适的 Skill、准备参数
    ↓
[执行器] —— 执行 Skill、获取结果
    ↓
[结果处理器] —— 整理输出、返回给用户

在这个架构中，Skill 调用器是核心枢纽。它负责：

1. 根据任务需求，从 Skill 库中选择最合适的 Skill
2. 将用户的自然语言意图转换为 Skill 需要的结构化参数
3. 处理 Skill 执行的结果，决定下一步行动

2.3 Skill 如何解决 LLM 的三大核心缺陷

2.4 Skill 的核心特性

标准化接口

每个 Skill 都遵循统一的输入输出规范：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

# 标准 Skill 接口示例
class SearchSkill:
    def __init__(self):
        self.name = "web_search"
        self.description = "搜索互联网获取实时信息"
    
    def run(self, query: str, num_results: int = 5) -> dict:
        """
        执行搜索
        
        Args:
            query: 搜索关键词
            num_results: 返回结果数量
            
        Returns:
            dict: 包含搜索结果的字典
        """
        # 执行搜索逻辑
        return {"results": [...]}

可组合性

多个 Skill 可以像乐高积木一样组合：

1
2
3
4
5
6
7

# 组合多个 Skill 完成复杂任务
workflow = [
    SearchSkill,      # 步骤1：搜索相关信息
    FileReadSkill,    # 步骤2：读取本地模板
    DataAnalysisSkill,# 步骤3：分析数据
    EmailSendSkill    # 步骤4：发送报告邮件
]

可扩展性

开发者可以轻松添加新 Skill：

1
2
3
4
5
6
7
8
9

# 自定义 Skill 只需实现两个方法
class MyCustomSkill:
    def run(self, **kwargs):
        # 实现功能逻辑
        pass
    
    def get_schema(self):
        # 返回参数schema，供Agent理解
        return {...}

安全性

• 权限控制：每个 Skill 可以设置独立的权限范围
• 沙箱执行：敏感操作在隔离环境中运行
• 审计日志：所有 Skill 调用记录可追溯

三、2026 年最火的 Agent Skill 项目实战指南

3.1 LangChain Tools —— 最主流的 Skill 生态系统

项目简介
LangChain 是目前最流行的 LLM 应用开发框架，其 Tools 模块提供了丰富的内置 Skill，是构建 Agent 的首选工具集。

核心功能

• 20+ 内置工具：搜索引擎、计算器、文件读写、代码执行、数据库查询等
• 自定义 Tool 封装：将任意 Python 函数转换为 Agent 可调用的 Skill
• Tool 组合与链式调用：多个 Tool 串联完成复杂任务
• 与所有主流 LLM 集成：OpenAI、Anthropic、本地模型等

安装部署

1
2
3
4

pip install langchain langchain-openai

# 如果需要搜索引擎功能
pip install google-search-results  # SerpAPI

基础使用示例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

from langchain.agents import AgentType, initialize_agent, load_tools
from langchain_openai import ChatOpenAI

# 初始化 LLM
llm = ChatOpenAI(temperature=0)

# 加载内置 Tools（Skills）
tools = load_tools([
    "serpapi",      # 搜索引擎
    "llm-math",     # 数学计算
    "wikipedia",    # 维基百科
    "terminal"      # 终端命令
], llm=llm)

# 创建 Agent
agent = initialize_agent(
    tools, 
    llm, 
    agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION,
    verbose=True
)

# 使用 Agent 执行任务
result = agent.run("特斯拉今天的股价是多少？比昨天涨了多少百分比？")
print(result)

实战案例：实时股票分析

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

from langchain.tools import Tool
from langchain.agents import initialize_agent
import yfinance as yf

# 自定义股票查询 Skill
def get_stock_info(symbol: str) -> str:
    """获取股票实时信息"""
    stock = yf.Ticker(symbol)
    info = stock.info
    current_price = info.get('currentPrice', 'N/A')
    previous_close = info.get('previousClose', 'N/A')
    
    if current_price != 'N/A' and previous_close != 'N/A':
        change_pct = ((current_price - previous_close) / previous_close) * 100
        return f"当前价格: ${current_price}, 较昨日涨跌: {change_pct:.2f}%"
    return f"当前价格: ${current_price}"

# 封装为 LangChain Tool
stock_tool = Tool(
    name="stock_analyzer",
    func=get_stock_info,
    description="获取股票实时价格和涨跌幅，输入股票代码如TSLA、AAPL"
)

# 创建带自定义 Skill 的 Agent
agent = initialize_agent(
    [stock_tool], 
    llm, 
    agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION
)

# 执行分析
result = agent.run("分析特斯拉(TSLA)和苹果(AAPL)今天的股价表现，哪个更值得投资？")

快速上手提示：LangChain 的 load_tools() 函数是入门最佳方式，一行代码即可加载多个实用 Skill。

最佳实践：为自定义 Skill 编写清晰的 description，这是 Agent 选择使用哪个 Skill 的关键依据。

3.2 AutoGPT Plugins —— 自动化任务执行利器

项目简介
AutoGPT 是早期爆火的自主 AI Agent 项目，其 Plugins 系统允许开发者扩展 Agent 的能力边界，实现真正的自动化任务执行。

核心功能

• 浏览器自动化：控制 Chrome 完成网页操作
• 文件系统操作：读写本地文件、管理目录
• 代码执行：运行 Python、Shell 命令
• 第三方服务集成：GitHub、Twitter、Notion 等

推荐实用插件

安装部署

1
2
3
4
5
6
7
8
9
10

# 克隆 AutoGPT 仓库
git clone https://github.com/Significant-Gravitas/AutoGPT.git
cd AutoGPT

# 安装依赖
pip install -r requirements.txt

# 配置环境变量
cp .env.template .env
# 编辑 .env 文件，添加 OpenAI API Key

基础使用示例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

from autogpt.agent import Agent
from autogpt.config import Config

# 加载配置
config = Config()

# 创建 Agent 实例
agent = Agent(
    ai_name="ResearchAssistant",
    ai_role="an AI that helps with market research",
    config=config
)

# 启动任务
agent.start_interaction_loop()

实战案例：自动化竞品分析

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

# 在 AutoGPT 中输入以下任务指令：
"""
任务：分析竞品公司的产品定价策略

步骤：
1. 搜索竞品公司官网
2. 访问产品定价页面
3. 提取各档位价格信息
4. 整理成表格保存到本地
5. 生成分析报告

约束：
- 只分析公开信息
- 保存结果到 ./reports/ 目录
"""

AutoGPT 会自动调用浏览器插件访问网页、使用文件操作插件保存结果，无需人工干预。

快速上手提示：AutoGPT 适合需要长时间运行的自动化任务，但需要注意控制成本（会消耗大量 Token）。

最佳实践：为 Agent 设置明确的任务边界和约束条件，避免无限循环或偏离目标。

3.3 OpenAI Functions —— 原生函数调用机制

项目简介
OpenAI Functions 是 GPT-4 原生支持的函数调用能力，无需额外框架即可实现 Skill 调用，是目前最直接、最高效的 Skill 实现方式。

核心功能

• 原生支持：GPT-4 和 GPT-3.5 内置函数调用能力
• 结构化输出：自动解析函数参数，无需复杂 Prompt 工程
• 流式调用：支持多轮函数调用和结果处理
• 与 OpenAI API 无缝集成

与 LangChain Tools 的区别

基础使用示例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62

import openai
import json

# 定义函数（Skill）
functions = [
    {
        "name": "get_weather",
        "description": "获取指定城市的天气信息",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {
                    "type": "string",
                    "description": "城市名称，如北京、上海"
                },
                "date": {
                    "type": "string",
                    "description": "日期，格式YYYY-MM-DD，默认为今天"
                }
            },
            "required": ["city"]
        }
    },
    {
        "name": "send_email",
        "description": "发送邮件",
        "parameters": {
            "type": "object",
            "properties": {
                "to": {"type": "string", "description": "收件人邮箱"},
                "subject": {"type": "string", "description": "邮件主题"},
                "content": {"type": "string", "description": "邮件内容"}
            },
            "required": ["to", "subject", "content"]
        }
    }
]

# 调用 OpenAI API
response = openai.chat.completions.create(
    model="gpt-4",
    messages=[
        {"role": "user", "content": "查一下北京明天的天气，如果下雨就发邮件提醒我带伞"}
    ],
    functions=functions,
    function_call="auto"
)

# 处理函数调用
message = response.choices[0].message

if message.function_call:
    function_name = message.function_call.name
    function_args = json.loads(message.function_call.arguments)
    
    print(f"需要调用函数: {function_name}")
    print(f"参数: {function_args}")
    
    # 执行对应的 Skill 函数
    if function_name == "get_weather":
        result = get_weather(**function_args)
        print(f"天气查询结果: {result}")

实战案例：智能天气查询助手

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64

import requests

def get_weather(city: str, date: str = None) -> str:
    """获取天气信息（示例实现）"""
    # 这里调用真实的天气 API
    api_key = "your_weather_api_key"
    url = f"https://api.weather.com/v1/current?city={city}&appid={api_key}"
    
    response = requests.get(url)
    data = response.json()
    
    weather = data.get("weather", "未知")
    temp = data.get("temperature", "N/A")
    
    return f"{city}天气：{weather}，温度{temp}°C"

def send_email(to: str, subject: str, content: str) -> str:
    """发送邮件（示例实现）"""
    # 这里调用邮件服务
    print(f"发送邮件到: {to}")
    print(f"主题: {subject}")
    print(f"内容: {content}")
    return "邮件发送成功"

# 多轮对话处理函数调用
def chat_with_functions(user_input: str):
    messages = [{"role": "user", "content": user_input}]
    
    while True:
        response = openai.chat.completions.create(
            model="gpt-4",
            messages=messages,
            functions=functions,
            function_call="auto"
        )
        
        message = response.choices[0].message
        messages.append(message)
        
        # 如果不需要调用函数，直接返回结果
        if not message.function_call:
            return message.content
        
        # 执行函数调用
        function_name = message.function_call.name
        function_args = json.loads(message.function_call.arguments)
        
        if function_name == "get_weather":
            result = get_weather(**function_args)
        elif function_name == "send_email":
            result = send_email(**function_args)
        else:
            result = "未知函数"
        
        # 将函数结果返回给模型
        messages.append({
            "role": "function",
            "name": function_name,
            "content": result
        })

# 使用
result = chat_with_functions("北京明天会下雨吗？如果下雨发邮件到test@example.com提醒我")
print(result)

快速上手提示：OpenAI Functions 的 function_call="auto" 让模型自己决定何时调用函数，是最智能的使用方式。

最佳实践：为函数参数编写详细的 description，这直接影响模型理解参数意图的准确性。

3.4 Semantic Kernel Skills —— 微软的企业级方案

项目简介
Semantic Kernel 是微软推出的 AI 开发 SDK，其 Skills 概念提供了语义技能（Semantic Skill）和原生技能（Native Skill）两种类型，适合企业级应用开发。

核心功能

• Semantic Skill：用自然语言定义的技能（Prompt + 配置）
• Native Skill：用代码实现的技能（Python/C#）
• Skill 组合：通过 Planner 自动组合多个 Skill
• 多模型支持：OpenAI、Azure OpenAI、本地模型

语义技能 vs 原生技能

安装部署

1

pip install semantic-kernel

基础使用示例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20