我们实测 TRAE Work 的这份攻略，被官方收进知识库了

📌 一句话摘要

作者实测 TRAE Work 完整工作流，从搭建 CLI 到选股系统和论文整理，并获官方收录为知识库模板。

📝 详细摘要

文章作者基于字节的 TRAE Work，分别完成了两项实战任务：一是构建自用的选股系统，先通过 GitHub 仓库搭建 CLI，导入 4589 只 A 股数据，再将复杂的选股规则（如回踩缩量、长下影等）翻译为可计算的筛选条件，最终生成可视化数据库、飞书表格和在线 HTML 报告，并配置了每日自动同步行情的定时任务；二是整理 60 篇关于 Loop 与 Agent 的论文，利用 TRAE Work 将论文按主题聚类并快速生成简报，帮助在 Grok 4.5 热点出现时快速定位相关文献。全文展示了 AI Agent 从需求拆解、任务执行、结果验收到部署上线的完整流程，并得到 TRAE Work 官方收录为知识库模板的认可。

💡 主要观点

- 通过 TRAE Work 将 GitHub 股票数据仓库包装成 CLI，降低了非技术用户的使用门槛。 作者让 AI 直接读取仓库并生成本地数据库，完成 4589 只股票的基础信息和行情数据导入，避免了手动编写代码的繁琐过程。

将复杂的选股规则转化为可执行的筛选指令，实现了自动化的股票筛选。 作者把口口相传的选股黑话（如回踩缩量、长下影）逐条翻译为计算公式，并让 AI 完成数据补全、筛选、排序，最终输出符合条件的股票及其分析报告。

利用 TRAE Work 自动化生成多种展示形式，提升了结果的可视化与共享效率。 筛选结果先生成 PPT 报告，再落入飞书表格、HTML 页面，最后部署为带访问密码的线上地址，实现了跨设备、跨团队的即时查看。

通过 AI 助手对论文进行批量整理与热点对比，快速提炼出价值信息。 作者将 60 篇论文导入表格，指示 TRAE Work 按图论推理主题筛选并生成简报，帮助在 Grok 4.5 发布时快速定位相关研究，展示了知识库提前入库的前瞻价值。

💬 文章金句

- 数据不足不得猜测推荐。

智能是租来的。今天能用，明天涨价、改规则、封号，跟模型磨合攒下的东西，怎么拆需求、怎么写提示词、怎么验收，这些方法，我需要的是换一个工具照样跑。
TRAE Work 官方看完，说要收进他们的知识库，我放进这期文章结尾了。

📊 文章信息

AI 初评：84

来源：夕小瑶科技说

作者：夕小瑶科技说

分类：人工智能

语言：中文

阅读时间：17 分钟

字数：4062

标签： AI Agent, AI 编程, 提示工程, 自动化任务, 选股系统

阅读完整文章

我们实测 TRAE Work 的这份攻略，被官方收进知识库了

🤖 問 AI