PythonAI
Trae AI 技能创建指南：自动保存提示词功能实现
介绍如何在 Trae AI 中创建自定义技能，实现自动将对话中的提示词保存到本地 Markdown 文件。通过编写 SKILL.md、main.py 和 requirements.txt 三个核心文件，打包上传至 Trae AI 平台，可建立个人提示词库，支持时间戳记录与历史追溯，提升 AI 协作效率并便于团队知识共享。
介绍如何在 Trae AI 中创建自定义技能，实现自动将对话中的提示词保存到本地 Markdown 文件。通过编写 SKILL.md、main.py 和 requirements.txt 三个核心文件，打包上传至 Trae AI 平台，可建立个人提示词库，支持时间戳记录与历史追溯，提升 AI 协作效率并便于团队知识共享。
在 Trae AI 中，技能（Skill）是扩展 AI 功能的核心方式。技能允许用户自定义 AI 的行为模式，让 AI 具备特定的自动化能力。通过创建技能，你可以：
技能创建的核心是三个文件：SKILL.md（技能描述）、main.py（执行代码）和 requirements.txt（依赖管理）。这些文件打包后上传到 Trae AI，即可扩展 AI 的能力边界。
在 AI 协作编程过程中，我们经常会产生有价值的提示词、代码片段和解决方案。然而，这些宝贵内容往往散落在对话历史中，难以追溯和复用。自动保存技能解决了以下痛点：
具体价值体现：
首先，在本地创建一个技能文件夹，结构如下：
save_prompt_skill/
├── SKILL.md # 技能描述文件（核心配置）
├── main.py # 技能执行代码
└── requirements.txt # Python 依赖说明（可选）
SKILL.md 是技能的核心描述文件，使用 YAML+Markdown 格式：
---
name: save_prompt
description: 自动将输入内容追加保存到 prompt 提示词.md 文件中
---
# save_prompt
## 命令
当用户在对话框中输入内容时，自动触发保存功能
## 使用场景
- 记录有价值的提示词和对话内容
- 自动备份 AI 协作过程
- 创建可复用的提示词库
- 团队知识积累和共享
## 输出解释
1. 每次触发都会将输入内容追加到指定文件
2. 自动添加时间戳和分隔符
3. 文件不存在时自动创建并初始化
4. 返回操作结果和文件状态
## 示例
**用户输入：** 帮我写一个 Python 快速排序算法
**技能响应：** ✅ 内容已保存到 prompt 提示词.md 时间：2024-01-15 14:30:25 内容摘要：帮我写一个 Python 快速排序算法
关键配置说明：
name：技能的唯一标识，使用英文小写和下划线description：简明扼要的技能描述main.py 包含技能的核心逻辑，实现自动保存功能：
#!/usr/bin/env python3
""" save_prompt 技能 - 自动保存输入内容到文件 """
import os
import sys
from datetime import datetime
from pathlib import Path
def save_to_prompt_file(input_text: str) -> str:
""" 将输入文本保存到 prompt 提示词.md 文件
参数:
input_text: 用户输入的文本内容
返回:
保存结果的字符串描述
"""
try:
# 定义保存路径
file_path = Path("prompt 提示词.md")
# 初始化文件（如果不存在）
if not file_path.exists():
with open(file_path, "w", encoding="utf-8") as f:
f.write("# 📝 Prompt 提示词库\n\n")
f.write("> 本文件由 save_prompt 技能自动生成和维护\n\n")
f.write("---\n\n")
# 准备追加内容（带时间戳）
timestamp = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
content_to_append = f"## ⏰ {timestamp}\n\n"
content_to_append += f"{input_text}\n\n"
content_to_append += "---\n\n"
# 执行追加操作
with open(file_path, "a", encoding="utf-8") as f:
f.write(content_to_append)
# 返回用户友好的成功消息
content_preview = input_text[:60] + "..." if len(input_text) > 60 else input_text
return (f"✅ **保存成功！**\n\n"
f"**文件路径：** `{file_path.absolute()}`\n"
f"**保存时间：** {timestamp}\n"
f"**内容预览：** {content_preview}\n\n"
f"💡 提示：所有历史记录已安全保存，可随时查看和复用。")
except PermissionError:
return "❌ 权限不足：无法写入文件，请检查文件权限"
except Exception as e:
return f"❌ 保存失败：{str(e)}"
def main():
"""主函数：处理命令行参数"""
if len(sys.argv) < 2:
# 显示使用帮助
help_text = """ 🛠️ save_prompt 技能使用说明
用法：save_prompt "要保存的文本内容"
示例：save_prompt "如何优化 Python 代码性能？"
功能：将输入内容自动追加到 prompt 提示词.md 文件
"""
print(help_text)
return
# 合并所有参数（支持带空格的文本）
input_text = " ".join(sys.argv[1:])
# 执行保存并输出结果
result = save_to_prompt_file(input_text)
print(result)
if __name__ == "__main__":
main()
虽然本技能只使用 Python 标准库，但保留 requirements.txt 是良好的实践：
# save_prompt 技能依赖说明
# 本技能仅使用 Python 3.11+ 标准库，无需额外安装包
# 如果需要添加依赖，格式如下：
# package_name==version
# 示例：
# requests==2.28.1
# pandas==1.5.0
将三个文件打包成 ZIP 格式：
Windows 系统：
save_prompt.skill.zipmacOS/Linux 系统：
zip -r save_prompt.skill.zip SKILL.md main.py requirements.txt
进入 Trae AI 技能创建界面，按照以下步骤操作：
save_prompt自动将输入内容追加保存到 prompt 提示词.md 文件中
在 Trae AI 界面中填写以下配置：
技能名称：save_prompt
描述：自动将输入内容追加保存到 prompt 提示词.md 文件中
指令配置：
# save_prompt 技能配置
## 核心功能
自动捕获用户输入并保存到本地文件，建立可检索的提示词库。
## 触发规则
1. 用户输入任意非空内容时自动触发
2. 忽略系统命令和空输入
3. 每次保存都添加时间戳标记
## 文件管理
- 存储位置：当前工作目录下的 `prompt 提示词.md`
- 文件格式：标准 Markdown，兼容所有编辑器
- 存储策略：追加模式，保留完整历史
## 响应格式
✅ **保存成功提示** 文件信息 + 时间戳 + 内容摘要
❌ **错误提示** 具体错误原因 + 解决建议
## 使用示例
输入：帮我解释 React Hooks 的工作原理
输出：✅ 内容已保存（时间 + 路径 + 摘要）
检查生成的 prompt 提示词.md 文件：
# 📝 Prompt 提示词库
> 本文件由 save_prompt 技能自动生成和维护
---
## ⏰ 2026-02-01 10:30:25
Python 列表推导式的最佳实践
---
## ⏰ 2026-02-01 10:31:10
如何配置 Webpack 优化打包速度？
---
## ⏰ 2026-02-01 10:32:05
机器学习模型评估的常用指标
---
在 Trae AI 对话框中：
# 扩展版本：支持分类保存
class AdvancedPromptSaver:
def __init__(self):
self.categories = {
'code': '代码相关提示词',
'design': '设计相关提示词',
'debug': '调试技巧',
'learn': '学习资源'
}
def save_with_category(self, text: str, category: str='general'):
"""按分类保存提示词"""
if category not in self.categories:
category = 'general'
filename = f"prompt_{category}.md"
# 保存逻辑...
A： 检查以下配置：
A： 文件保存在当前工作目录。可以通过以下方式查看：
import os
print(f"当前目录：{os.getcwd()}")
print(f"文件路径：{os.path.join(os.getcwd(),'prompt 提示词.md')}")
A： 修改 main.py 中的 file_path 定义：
# 保存到指定目录
file_path = Path("/path/to/your/directory/prompt 提示词.md")
# 或保存到桌面（跨平台）
from pathlib import Path
desktop = Path.home() / "Desktop"
file_path = desktop / "prompt 提示词.md"
A： 当前版本仅支持文本。如果需要保存多媒体内容，需要扩展技能功能，将文件转换为 Base64 编码或保存文件路径引用。
A： 影响极小。保存操作是异步进行的，通常只需几毫秒，不会明显影响对话体验。
A： 两种方式：
本文介绍了 Trae AI 技能的基本概念和创建流程，以及如何开发自动保存提示词的实用技能。通过技能配置、上传和测试的全过程，可以实现个人提示词库的建立。进阶优化和团队协作的最佳实践有助于进一步提升 AI 协作效率。这个自动保存技能不仅解决了提示词管理的问题，更展示了一种 AI 协作的新范式：让 AI 适应你的工作流程。你可以基于这个模式，创建更多个性化技能，如代码片段管理器、会议纪要自动生成器、学习笔记整理助手等。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online