TRAE 「技巧便利店」 是 TRAE 官方社群的固定内容栏目，旨在收集用户使用 TRAE 过程中发现的实用小技巧、“神操作”或者“踩坑”经验。
目前「技巧便利店」活动已完成第 4 期**「模型技巧」** 的征集和投票，本文分享 4 条精选技巧。
文末可查看完整的技巧文档，也有官方用户交流群入口，我们期待和更多 TRAE 友共创！
GPT-5 上下文技巧说明
适用版本：TRAE 国际版
👤 用户：@Nolan
GPT-5 最大的变化之一就是超强的 Context 处理能力。
-
记忆深度足够： 即使项目资料几十页，它也能全部吃下去，不至于“选择性失忆”。
-
引用能力增强： 它不只是“读过”，而是能随时把之前的内容拿出来对照。
-
项目协同更顺滑： 当它知道规则 + 文档 + 架构，输出的方案就会更像团队自己写的，而不是空中楼阁。
-
举个例子： 如果你在 TRAE 里挂上 #DOC，再把 user_rules、project_rules.md 喂进去，GPT-5 就能在写方案时遵守规则，不会随意“跑题”。
技巧与心得
-
不要怕文档太长： 越多的上下文，GPT-5 越像“知根知底的老同事”。
-
尽量分类清楚： 技术规范一类，用户习惯一类，架构设计一类，喂给 AI 时分门别类，它更容易消化。
-
留一点人情味： 上下文不一定全是冷冰冰的规则。比如加一句“我们团队不喜欢啰嗦代码，要简洁”，AI 也能理解。
-
持续更新： 项目变了，文档也要更新，不然 AI 还是会被旧的 Context 误导。
处理任务以理解高层抽象概念为主时，可上 Gemini-2.5-Pro
适用版本：TRAE 国际版
👤 用户：@研发–加百列
Gemini-2.5-Pro 有更强的指令服从能力。 指令服从性 Instruction Following 通俗来说就是模型“听人话”的程度。
如果你发现模型“不听人话”了，可以切换 Gemini 试试看。根据我的非完整覆盖测试，Gemini 在听从指令、理解相对高层和抽象的概念（比如设计思路、设计原则等）时表现较好，此时切换到 Gemini 可能会给你惊喜。
另外，如果出现了模型（智能体）陷入了死循环，切换至 Gemini 有可能可以解救它于水火。
总结： 处理任务以理解高层抽象概念为主，需要强调“听人话”能力时，适合 Gemini 出场。
处理“只读”类型任务时，Kimi-K2 可能是最具性价比的选择
适用版本：TRAE 中国版 & 国际版
👤 用户：@研发–加百列
Kimi-K2 在网络代码资源丰富的 Nodejs 和 Python 上的表现不错（根据本人不完整、不准确的评测）。
在代码解读、Code Review 这类不改动代码的“只读类”任务中，由于没有新的代码生成和环境变化，它面对的是相对静态的代码文档，没有太过复杂的变化场景需要处理和适应，因此它的表现可以相当稳定而且质量不低。
让它结合上下文给你一些决策或优化建议，同样是适合它的一种任务。
总结：“只读”模式的一些工作，更适合免费的 TRAE 中国版 + Kimi-K2 来做高性价比贡献。
当不知道选谁时，Doubao-Seed-1.6 是个稳妥的万能选项
适用版本：TRAE 中国版
👤 用户：@杨建新
图片理解能力：豆包是“唯一解”，更是“最优解”
在中国版模型中，目前仅有 Doubao-Seed-1.6 支持多模态输入 。
-
实测表现 ： 在权威视觉理解榜单中，Doubao-Seed-1.6 取得 60.58 分。
-
体验优势 ： 不仅识别准确率高，响应速度快，还能根据图像内容灵活调整输出策略。
-
结论 ： 无论是图文问答、图表解析，还是带图逻辑推理，Doubao-Seed-1.6 是当前中国版模型中当之无愧的视觉王者。
逻辑推理能力：豆包“灵活制胜”
-
Doubao-Seed-1.6 可根据问题复杂度智能决定是否展开推理过程 ，兼顾效率与深度。
-
更重要的是：现实中的逻辑任务常伴随图像输入 ——此时，Doubao-Seed-1.6 的多模态 + 灵活推理能力可谓如虎添翼 ，真正做到“一箭双雕 ”。
更多技巧可点击阅读原文 查看。扫描下方二维码，进入官方用户交流群，和更多 TRAE 友一起互动。