AI 工具使用教程

网页上点两下就以为玩透了 AI？那跟拿着计算器当超级计算机使没什么区别。这份教程教你的，是把整个知识库、整套流程、全部脏活累活甩给 AI——而你只需要说一句："我要这个。"

适合零基础员工 预计阅读：60 分钟 TRAE + 智谱 GLM 本地开发 + 服务器部署

0写在前面：这不是聊天玩具

先说一句扎心的实话：大部分人用 AI 的方式，只发挥出了它百分之一的功力。在网页对话框里问一句、答一句，截图、复制、粘贴回 Excel——这不叫会用 AI，这叫"用超级计算机按了两次加号"。

真正的用法是什么？是你把规程规范、历史数据、报告模板全部摊在它面前，让它自己写代码、自己跑计算、自己出成果表，你只负责最后看一眼、签个字。中间那些复制粘贴、查表翻书、反复核对的脏活累活——一件都不该再由人来干。

大模型很强，但你对它一无所知。
真正的降维打击，是你把整个知识库、整套流程、全部脏活累活甩给它，让它替你写代码、替你跑数据、替你搭系统——而你只需要说一句"我要这个"。

—— 本教程的教学目标

学完你能做到的四件事

1. 会判断一眼看出哪件工作该交给 AI、怎么交
→
2. 会指挥装好 TRAE、配好模型，用一句好 Prompt 换一份好成果
→
3. 会沉淀规范转 md 建知识库，脚本存成项目文件，下次一键复用
→
4. 会共享把好工具部署到服务器，让全部门一起用

开始前需要准备

  • 一台公司配的 Windows 电脑（能上网）
  • 向管理员申请：智谱 API Key（AI 的钥匙）和 服务器密钥文件 zl.pem（服务器的钥匙）
  • 一颗愿意折腾半小时的心——装环境只难第一次

1AI 到底能为我们现在的工作做什么

别急着学工具，先想清楚为什么学。每天下班时问自己一句：今天的时间，到底花在"创造价值"上，还是花在"搬运格子"上？AI 解决的，正是后一种时间。

1.1 三大痛点：每天都在消耗你的精力

痛点在我们工作中的样子AI 给的解法
机械、重复、
工作量大		 出具报告：模板是固定的，数据是现成的，可每一份都要人工套数据、调格式、核对页码。一天好几份，脑子越干越木，下班只想瘫着。 规则固定的活，写成脚本一次搞定。数据进、报告出，机器不会累、不会烦、不会跳行。
零碎步骤多 数据散落在 Excel、SHP、扫描件、PDF 里，得一样样打开、复制、清洗、汇总到一起。光是"搬运"就要半小时，搬完还容易漏。 让 AI 当搬运工和组装工：读各种格式、自动清洗、统一汇总，你在旁边喝茶验收。
统计难度大、
容易出错		 员工提成：口径多、规则杂、公式套公式，Excel 拖错一格全盘皆错。算错一分钱要返工，算错一列要背锅。

1.2 三大难点：专业深度吓退人的

难点难在哪AI 怎么帮你
重力式抗滑挡墙设计 公式一环套一环，参数取值翻规范翻到眼花，手算一遍要一两个小时还提心吊胆。 把规范、教材、案例全部喂给它（转成 md 放工作目录），让 AI 按规程一步步推导、写公式、出计算书。原理它比你熟，你只需要会验收。
滑坡稳定安全系数计算传递系数法条分、工况组合多，一个参数改动全线重算。
基准地价样点地价检验检验方法、剔除准则晦涩，样本一多手工统计根本算不动。
【一句话判断：这件事值不值得交给 AI】

规则明确 + 重复发生 + 量大——三个条件占两个，就值得交给 AI。占全三个的，你已经亏了很久了。

【先把丑话说在前面】

AI 是帮手，不是责任人。它算的成果是"初稿"，正式成果必须人工复核、按流程签字确认。签字的人是你，这个规矩永远不变。

2如何实现：一次性问题走本地，普适性问题上服务器

想清楚了"做什么"，还要想清楚"怎么落地"。所有需求分成两类，路线完全不同：

2.1 一次性问题：个人临时项目

打开 TRAE建个工作目录，材料放进去
→
说清需求一句好 Prompt（第九章重点讲）
→
AI 写码执行脚本跑完，成果文件落地
→
你验收复核、微调、用完收工

例子：这个月临时要统计某批样点、临时处理一个县的定级 SHP、临时审一份报告——全程在你自己电脑上完成，不碰服务器。今天做完明天就交，快就是硬道理。

2.2 普适性问题：大家都会遇到的

如果一个工具你自己用着爽，同事大概率也需要。这时候就别让它躺在你的 D 盘里——部署到服务器：

  • 同步协作：一个网址，全部门、全公司随时打开就用，不用人手一份拷来拷去
  • 固化处理模块：把"审报告""算提成""查规程"做成固定模块，新人上手零门槛，老人离职经验不流失
  • 持续升级：改一处，所有人立刻用上新版
【记住这句话】

解决一次，是干了件活；固化下来，是攒了份资产。把"你会的"变成"大家都会的"，这才是把 AI 用出了复利。

2.3 怎么判断走哪条路？

问题答案路线
只有这一次，以后基本遇不到？是本地 TRAE 直接干（第六章）
同事也需要、以后常要用？是做成网页工具，部署服务器（第七章）
需要多人同时填数据、看结果？是必须上服务器
涉及敏感数据不想出门？是本地处理，或找管理员部署内网版

3TRAE 模式 vs 网页上传问 AI：差距在哪

很多同事已经会在网页里传个 PDF 问两句了。那为什么还要装 TRAE？三个原因，每一个都是数量级的差距。

3.1 本地知识库：不受文件限制

网页问答
  • 单文件大小上限（通常几十 MB）
  • 总文件数限制，传几个就到头
  • 每次对话重新上传，问完就散
TRAE 工作目录
  • 规程、规范、台账、模板全部常驻本地知识库
  • 放几百个文件、单个文件几个 GB 都没问题，只要机器跑得动
  • 所有回答基于整个目录综合分析，不是单文件问答

一句话：网页是"带一道题去问老师"，TRAE 是"把老师请进你的资料室"。

3.2 自主写代码：回答变成可复用的资产

网页问答
  • 只能"说"，不能"做"——给你一段代码，你还得自己复制去装环境运行
  • 问答记录很难转化成可执行的工程流程
  • 下次干同样的活，从头再来一遍
TRAE 模式
  • AI 自己写代码、自己运行、自己修错，直接产出成果文件
  • 代码、脚本、整理的数据保存为项目文件，下次打开直接复用
  • 数据一换、脚本一跑，同类活从此一键完成

3.3 上下文连贯性：它记得你干过什么

网页对话
  • 多聊几轮就"失忆"，之前定的口径、结论说忘就忘
  • 换个窗口，一切清零
TRAE 项目会话
  • 整个项目会话中记住之前的操作和结论
  • "按刚才的口径再算一批"——它真的知道"刚才"是什么

还在对话框里一个字一个字打问句的人，连 AI 的门槛都没摸到。
真正的降维打击，是你把整个知识库、整套流程、全部脏活累活甩给它——让它替你写代码、替你跑数据、替你搭系统，而你只需要说一句"我要这个"。

4上手 TRAE：从安装到武装

4.1 安装 TRAE

下载

打开官网 www.trae.cn/ide/download，下载 Windows 版安装包，一路"下一步"。

注册登录

首次打开用手机号注册并登录。

认识界面

左侧文件区（你的项目文件）、中间编辑区（代码）、右侧 AI 对话区（说人话的地方）。三个区域，够用了。

4.2 为什么不直接用内置模型，要配自定义 API？

TRAE 自带模型开箱能用，但按订阅计费，对高频使用来说太贵。走 API 按量付费：干同样的活，花更少的钱，性价比高得多——尤其我们这种"批量甩活"的用法。所以公司统一配智谱 GLM 的 API Key。

领 Key

企业统一申请的找管理员要；自己申请则到智谱开放平台 open.bigmodel.cn 注册，控制台里"创建 API Key"，得到一串长字符。

填进 TRAE

设置 → 模型服务（Model Provider）→ 找到"智谱"→ 启用并粘贴 API Key。

切模型

对话输入框右下角点模型名，切换到智谱 GLM 系列（可选以平台当前显示为准）。

验证

问一句"你好，介绍一下你自己"，能正常回答就通了。

【安全警告】

API Key 等同于钱包密码：不发群、不截图、不写进代码。泄露了立刻找管理员作废重发。

4.3 武装 TRAE：MCP、插件、Skills

装好只是"能用"，武装起来才是"好用"。三个扩展手段，按需了解：

MCP（外部能力插口）

给 AI 接上外部工具的标准插口：接浏览器它能自己开网页查资料，接地图它能算路线。装一次，长期生效。

插件（编辑器扩展）

增强编辑器本身的零件：代码格式化、语法高亮、主题美化。从 TRAE 插件市场一键安装。

Skills（技能说明书）

把一套固定做法写成 SKILL.md 说明书，AI 读后按说明书干活。比如"审报告技能"：每次触发就按固定流程查规程、列清单。

【新手建议】

先把前六章跑顺，再回来玩这三样。它们是"锦上添花"，不是"入门门槛"。

5本地装备库：Python、Node.js、Pandas

AI 要在你电脑上"动手干活"，得先有三样基础装备。好消息：你几乎不用自己装——干活的命令让 TRAE 执行，缺什么它会提示装，点同意就行。

装备干什么用验证命令（PowerShell）
Python干活的瑞士军刀。AI 写的自动化脚本几乎都是 Python：算分值、跑统计、批量处理文件。python --version
Node.js让网页工具跑起来的引擎。做网页、起本地预览服务都靠它。node -v
PandasPython 的表格处理库，Excel / CSV 通吃：清洗、汇总、透视、多表关联，员工提成统计的克星。pip show pandas
先验证

打开 PowerShell（按 Win 输入 PowerShell），逐条跑上面的验证命令。能打印出版本号就是已装好。

缺哪个让 TRAE 装

在 TRAE 里说："帮我安装 Python 并配好环境"。它会给出命令或引导你到官网下载，照做即可。Pandas 这类库它会在干活时自动 pip install。

报错就贴给它

装环境最容易出错，但错误信息 AI 都认识。原样复制贴回对话框："按这个报错帮我解决"，它自己修。

【心态提示】

装环境是全教程唯一的"至暗时刻"，只难这一次，装完全通。卡住超过十分钟就找管理员，别跟它较劲。

6工作目录：把材料摊在 AI 的案头（实战）

本章是日常干活的主战场。核心就一个概念：你用 TRAE 打开哪个文件夹，AI 就能看到、使用里面所有文件。这个文件夹叫工作目录——相当于把一摞资料全摊在 AI 案头，它干活时随手翻。

要做的事工作目录里放什么
处理定级 SHP 数据SHP 一组文件、因素因子分值表（Excel）、规程（md）
审核报告规范规程（md）、要审的报告（docx）
写材料格式规定（md）、范文或模板（docx）、素材（md / Excel）
【工作目录的用法就一句话】

做哪件事，就建哪个文件夹，把这件事需要的所有材料全部放进去，再用 TRAE 打开。材料越齐，AI 干得越准；材料不在目录里，AI 就是巧妇难为无米之炊。

6.1 为什么 md 文件是"普通话"

md = Markdown，"带简单记号的纯文本"：# 是标题、- 是列表、| 是表格。四个好处，让它成为人、AI、软件之间的通用格式：

  • 谁都能打开：记事本、TRAE 都能看，不挑软件、不花钱
  • AI 读得最快最准：几百页规范转成 md，引用条款又快又不容易串行
  • 改起来方便：纯文本，增删条款、批量替换都轻松
  • 永远不变形：不像 docx / pdf 换个软件排版就乱

习惯：凡是想让 AI 反复用的资料（规范、台账、笔记），都整理成 md 放工作目录。不会整理？把原始文件丢给 TRAE 说"帮我整理成结构清晰的 md"，它自己干。

6.2 用 MinerU 把规范、文件变成 md

规程规范大多是 PDF（不少还是扫描件），表格多、公式多，直接喂 AI 读得慢还容易看串。先用 MinerU 转成 md 再给 AI：

打开 MinerU

浏览器访问 mineru.net（在线版注册即用）；单位有内部部署版则用管理员给的地址，更安全。

上传解析

把规范 PDF 拖进上传框，等几分钟。

下载 md

解压得到 md 文件。图片在旁边的文件夹里，md 和图片文件夹要一起保留。

放进工作目录

之后用 # 引用它（如 #城镇土地分等定级规程.md），AI 立刻"翻着规范"干活。

【保密提醒】

在线版会把文件传到对方服务器处理。公开规范没问题；内部报告、涉密文件、客户资料不要传在线版，找管理员用本地部署版转换。

【转换后抽查两处】

① 翻一页带表格的，看行列对不对；② 看一眼有公式的页。小错让 TRAE 直接修 md。公开规程建议转好一份全部门共用。

6.3 实战一：基准地价定级 SHP 自动化处理

拿到定级单元 SHP 和因素因子分值表，要按规程算综合分值、划分级别、出成果表和图件。以前在 GIS 软件里手工点选汇总大半天；现在让 AI 写脚本自动跑。

先花一分钟认识 SHP

SHP 不是单个文件，是一组文件：.shp（图形）、.shx（索引）、.dbf（属性表）、.prj（坐标系）。拷贝必须整组一起拷，只拷 .shp 打不开。

建工作目录

如 E:\我的项目\定级\，放入：SHP 一组文件、因素因子权重及分值表（Excel）、规程 md（6.2 提前转好）。

下达任务

用下方提问模板。AI 先讲思路，你确认后自己写 Python 脚本处理地理数据。

首次运行装环境

处理 SHP 需要地理库（如 geopandas），AI 提示安装时点同意。装一次以后都有。

验收成果

目录里多出：单元综合分值及级别表（Excel）、各级别面积统计表、分级配色图（PNG）。逐个核对，不满意继续对话调整。

提问模板（照抄改地名就能用）：背景：我在做 XX 县城镇土地基准地价定级。工作目录里有：定级单元 SHP 文件（含单元编号）、各因素因子权重及分值表（Excel）。要求：请按《城镇土地分等定级规程》多因素综合评价法，加权计算每个定级单元的综合分值，用总分频率曲线法划分 4 个级别。输出：① 单元综合分值及级别成果表（Excel）；② 各级别面积统计表；③ 定级分级图（PNG，按级别配色，带图例和标题）。先检查并统一坐标系，把加权明细表也保存下来。先说思路，我确认后再执行。
AI：复述思路（读 SHP → 关联分值表 → 加权求和 → 分级 → 出表出图）→ 你确认 → 写码运行、报错自修 → 成果文件落地。
【成果必须复核】

AI 算的分值、级别是初稿，正式成果按单位质控流程人工复核、签字后才能用。

6.4 实战二：本地对照规范审核报告

诀窍就是开头说的：规范和报告放进同一个工作目录，AI 就能"一手拿规程、一手拿报告"逐条对照。全程在你电脑上，文件不出门。

建工作目录

如 E:\我的项目\审报告\，放入：规程 md + 要审的报告 docx。

先让它通读

"用大白话分别概括这两份文件的目录结构"——确认它读对了再进入检查。

出问题清单

用下方模板，AI 输出带条款依据的清单。

确认后修改

逐条核对（AI 偶尔误报），确认后让 AI 改 docx 或你在 Word 里改。改前先把原报告复制一份备份。

提问模板：工作目录里有一份估价报告（docx）和《城镇土地估价规程》（md）。请：① 通读报告；② 对照规程，检查估价程序、方法选择与运用、参数取值（还原利率、年期修正、容积率修正、期日修正等）、报告必备要素是否齐全合规；③ 输出问题清单，四列：所在章节 — 问题描述 — 规程依据条款 — 修改建议。先只列清单，我确认后你再动报告。
AI：输出带条款依据的清单；确认后可直接改 docx（自动先备份），或生成"修改说明"供你手动改。

6.5 实战三：写材料（请示 / 总结 / 方案 / 汇报）

关键认知：AI 不知道你们的格式规定

公文格式（标题字号、正文仿宋几号、页边距、落款日期……）是"地方规矩"，你不说 AI 就按自己习惯来，交上去八成被打回。所以：把格式规定做成 md 放进工作目录。有成文规定照着整理；没有就找一份领导认可的标准范文，让 AI 总结出格式规律存成 md，反复用。

建工作目录

放入：格式规定 md（或范文 docx）、素材（项目台账、数据表、上期材料、会议纪要）。

先提纲后成文

"先列个提纲给我看"——你调整确认后再写全文，避免方向跑偏白费劲。

生成初稿

要求按格式规定输出；要 Word 版让它直接生成 docx。

人工润色定稿

数字、人名、口径逐项核对。AI 会编造看起来很真的数据，要负责的数字必须自己填、自己核。

提问模板：背景：向局里汇报我部三季度基准地价项目进展。素材在工作目录（项目台账 md、上期汇报材料 docx）。要求：① 先给提纲：总体进展 / 完成工作量 / 存在问题 / 下步安排；② 口吻正式简洁，全文 1500 字以内；③ 格式严格按目录里《行文格式规定》md 执行。先出提纲给我确认。
AI：提纲 → 你确认 → 全文初稿（数据来自素材，标注哪些数字需核实）→ 你核对润色定稿。
【本章小结：日常干活三件套】

材料进目录（规范转 md、数据、报告全放一个文件夹）→ 按模板提问（背景 + 目标 + 要求，先思路后执行）→ 人工验收（成果复核、数字核对、签字的是你）。

7服务器：把好工具变成全员资产

按第二章的判断，普适性问题要上服务器。本章以阿里云 ECS 为例，把概念和操作一次讲清。

7.1 四个基础概念（大白话）

云服务器 ECS 实例

向阿里云"租"的一台电脑：放在机房、24 小时不关机、有公网 IP，装着 Linux 系统。我们的网站、工具都跑在它上面。

安全组

实例的"门禁名单"：规定哪些端口的门对外开放。网页要能访问，得先把对应端口（如 8888）加进名单放行。

密钥对（.pem）

登录实例的电子钥匙，如 zl.pem。谁拿到钥匙谁能进，绝不外传。

快照

给整台实例拍的"存档点"。大操作前打一个快照，出事能整体回滚。

7.2 我们的服务器信息

项目值说明
服务器 IP8.134.173.86门牌号，以管理员实际提供为准
登录账号root服务器管理员账号
密钥文件zl.pem向管理员领取，放在 C:\Users\你的用户名\.ssh\
网站根目录以管理员告知为准访客能看到的文件夹，如 /opt/nav-page/

访问你部署的页面：http://服务器IP/你的项目名/

7.3 部署五步走

安放密钥

把 zl.pem 放到 C:\Users\你的用户名\.ssh\zl.pem，放好不再动。不外发、不上传网盘、不截图。

登录服务器

PowerShell 里粘贴：ssh -i "C:\Users\你的用户名\.ssh\zl.pem" root@8.134.173.86，首次问 yes/no 输 yes。提示符变成 root@...# 就进去了。

看路（三条保命命令）

pwd 我在哪 / ls 这里有什么 / cd 目录 进去看看。只用这三条逛，先不删改任何东西。

上传文件

退出（exit）回本机 PowerShell：scp -i "钥匙路径" -r "E:\我的项目\报名页" root@IP:/opt/nav-page/。-r 表示连文件夹一起搬；路径有空格或中文，引号必须保留。

浏览器验证

打开 http://8.134.173.86:8888/项目名/，正常显示即上线成功。发链接给同事，手机电脑都能访问。

7.4 改了代码怎么更新线上？

本地改好并预览满意TRAE 里修改 → 本地确认
→
服务器上备份旧版先 cp 备份原文件夹
→
scp 重新上传覆盖同一命令再传一次
→
浏览器强刷验证Ctrl+F5 确认是新版
服务器上执行（已 ssh 登录）备份线上旧版本
cp -r /opt/nav-page/baoming /opt/nav-page/baoming_备份_2026-08-27

万一新版出问题，把备份文件夹名字改回来就恢复了（不会改的找管理员，不要自己猜着敲）。

【能力边界】

本章方法适用于静态网页。带后端程序（Python 服务、数据库）的项目，部署涉及环境配置和服务重启，交给管理员或跟着一起做，别自行操作影响其他系统。

8进阶选修：知识库的原理

前六章的"工作目录 + md"其实就是一个朴素的知识库。当你资料多到几十份规范、几千份报告，就需要更专业的玩法。本章讲清原理，看懂即可，不用急着动手。

8.1 为什么需要专门的知识库

AI 的"记忆"有上限：文档太多，一次塞不完、也记不住。知识库的思路是——不把整本书塞给它，而是每次只把相关的那几页递过去。

8.2 三个关键概念

Embedding（向量化）

把一段文字变成一串数字坐标，意思相近的文字，坐标就靠得近。"滑坡稳定"和"边坡安全系数"在坐标图上就是邻居。

向量数据库

专门存这些坐标、并能按"距离"快速检索的仓库。你提一个问题，它瞬间找出"意思最近"的那几十段原文。

切块（Chunking）

把长文档切成小段再入库。切得好，检索才准——切太碎丢上下文，切太大捞不准。

8.3 完整流程（RAG：检索增强生成）

① 文档切块规范、报告切成小段
→
② 向量化入库每段算出坐标，存进向量库
→
③ 提问检索你的问题也算成坐标，找出最近的几段
→
④ 拼进 Prompt问题 + 检索到的原文段一起交给 AI
→
⑤ 有据回答回答带着出处，不再瞎编
【你现在不用自己搭】

TRAE 打开工作目录后会自动建代码索引，配合 md 文件已覆盖日常 80% 的场景。哪天真要搭部门级知识库（几千份规范案例检索），把需求告诉 TRAE："帮我用向量数据库搭一个本地知识库，支持检索问答"——它替你写。你只需要知道原理，才能验收它写的东西。

9重点中的重点：Prompt 的意义

前面所有章节，最终都汇到一件事上：你怎么跟 AI 说话。同样的模型、同样的资料，有人用它干出了精品，有人只得到一堆废话——差距全在 Prompt。

9.1 Prompt 是什么

Prompt 就是你发给 AI 的那段指令。它不是"问题"，是任务委托书：背景交代多少、要求写多细、成果长什么样，全由这几行字决定。你对工作理解得越透，Prompt 就写得越好，AI 就干得越漂亮。写 Prompt 的过程，就是把你的专业经验"翻译"给 AI的过程。

9.2 黄金公式

【黄金公式】背景 + 目标 + 具体要求 +（可选）例子或素材

把 AI 当成聪明但不了解你们公司的新同事：它什么都会，但不知道你们的情况。交代得越具体，它做得越靠谱。

反面例子：帮我算下提成。
AI 只能瞎猜：谁的提成？什么规则？哪个月的数据？结果完全不能用，来回浪费十几轮。
正面例子：背景：市场部月度提成核算。素材：目录里的业绩表（Excel）和提成方案（md）。要求：按方案里的三档比例分档计算，工龄加成单独列一列，跨档临界值按"就高原则"处理。输出：提成明细表（Excel）+ 汇总表，并标注所有人工待核项。先说你的理解和计算步骤，我确认后再执行。
AI 一次到位：背景（部门+素材位置）、目标（核算）、要求（分档/加成/临界值/输出格式/确认机制）全齐了。

9.3 高手都在用的五个习惯

  1. 先要思路，再要执行：让 AI 先复述理解和步骤，你确认了再动手。方向错了，跑得越快亏得越多。
  2. 指定素材位置："数据在目录里的 xxx.xlsx"——让它用事实说话，不靠编。
  3. 定义输出格式：要 Excel 就说清列名，要图就讲清配色图例。格式说在前，返工少一半。
  4. 贴报错原文：程序报红，把错误信息完整复制："按这个报错帮我修复"。
  5. 不满意就直说："口径不对，按 XX 改""再加一列备注"。AI 不怕你挑剔，就怕你不说。
【数据红线】

凡是要签字负责的数字、金额、面积、日期，必须来自你给的素材或经你亲自核对。AI 顺手编的数有零有整、看着特别真，最会骗人。

10安全红线：这些事千万不要做

红线为什么
1. 不泄露 API Key 和 zl.pem一个是钱包、一个是家门钥匙。不发群、不进代码、不截图、不借人。
2. 服务器上不执行删除命令尤其 rm、rm -rf 字样，无论谁让你敲、AI 建议你敲，都先停下问管理员。删掉的文件不进回收站。
3. 覆盖服务器文件前必先备份按 7.4 的规矩：先 cp 备份、再上传覆盖。没备份就不动手。
4. 不动别人的目录服务器上跑着公司多个系统。只在自己项目文件夹里操作。
5. 敏感文件不传在线工具内部报告、涉密文件不传在线版 MinerU / 网页 AI，走本地部署版。
6. 不确定就问问管理员花 1 分钟，瞎敲出事故要修一天。
【底线思维】

本地（你的电脑）随便折腾，坏了重做即可；服务器是公共营业场所，每次操作前想一句："这会不会影响别人？"

11常见问题 FAQ

TRAE 是免费的吗？走智谱 API 怎么收费？
TRAE 免费安装，内置模型有免费额度（以官网政策为准）。走智谱 API 按量计费（大致按处理字数），日常写网页、跑脚本用量很小，费用很低，比订阅内置模型划算。额度问题找管理员。
配了 API Key 还是报错？
依次查：（1）Key 复制完整、前后无空格；（2）Key 未停用、额度未用完（智谱开放平台查）；（3）右下角模型真的切到智谱了；（4）公司网络没限制外网。还不行把报错截图发管理员。
AI 生成的代码看不懂，敢用吗？
敢用，但按流程用：本地跑通、验收成果 → 满意才交付或部署。随时问它"用大白话解释这段代码"，把它当老师。重要业务逻辑让懂技术的同事把关。
装 Python / geopandas 一直报错？
多是网络问题。把报错原样贴给 TRAE："帮我解决这个安装报错"，它会换国内镜像源重装。反复失败找管理员。装过一次，同一台电脑就不用再装。
MinerU 转出来的 md 表格、公式错乱？
复杂表格偶有错乱是正常的：小错让 TRAE 修 md；大面积错乱换清晰的 PDF 重转；转完抽查关键章节。公开规程转好一份全部门共用。
让 AI 直接改 docx 报告，会弄乱原文吗？
有这个可能。规矩：改前先备份原文件；重要报告只要"问题清单"，你自己在 Word 里改；改完逐页翻看。跟服务器操作同一个道理——先备份，再动手。
上传服务器后页面打不开？
常见原因：（1）地址拼错——检查 IP、项目名大小写（服务器上 Baoming 和 baoming 是两个名字）；（2）没有 index.html——首页必须叫这个名；（3）文件没传全——用 scp -r 重传整个文件夹；（4）末尾少斜杠——试试 http://IP:8888/项目名/。
ssh 连不上服务器？
依次查：（1）命令里路径和 IP 一字不差；（2）zl.pem 还在原位置；（3）网络正常（先开个网页）；（4）Permission denied 多半密钥不对，找管理员；（5）timed out 可能网络波动，稍后再试。报错原文截图问管理员最快。
同事访问不了我电脑上的 localhost？
localhost 意思是"当前这台电脑自己"。同事输 localhost 打开的是他的电脑。想让别人用，就部署到服务器，发服务器地址。
我把服务器文件改坏了怎么办？
第一时间停止操作，联系管理员说明改了哪个文件、改了什么。只要遵守了"先备份再覆盖"，恢复很快。隐瞒不报会让小问题变大事故。
下一步学什么？
按需渐进：（1）TRAE 的 # 引用、智能体、Skills 进阶玩法，看 docs.trae.cn；（2）读懂 HTML 基本结构，改文案不求人；（3）了解 Git 版本管理，多人协作不打架；（4）跟管理员学几条 Linux 命令；（5）部门资料多了，研究第八章的向量知识库。用到再学，不用贪多。

12一页速查：贴在工位也能用

核心心法

判断值不值得交（规则明确+重复+量大）→ 材料进目录（规范转 md）→ 一句好 Prompt（先思路后执行）→ 人工验收 → 好用的就上服务器给大家用。所有疑问先问 AI，操作服务器前先问管理员。

日常干活三句万能话

场景开场白（把 XX 换成你的实际内容）
处理定级 SHP"目录里有定级单元 SHP 和分值表，按规程加权算综合分值并分级，出成果表和图，先说思路"
审核报告"对照目录里的规程 md 检查报告 docx，列问题清单：章节—问题—条款依据—修改建议"
写材料"按目录里的格式规定写 XX 材料，素材在目录里，先出提纲给我确认"
算提成 / 统计"按目录里的方案 md 核算业绩表，分档规则说清楚，输出明细+汇总，标注待核项"

常用命令速查

命令在哪执行干什么
python --version / node -v本机 PowerShell检查本地装备是否装好
ssh -i "钥匙路径" root@IP本机 PowerShell登录服务器
exit / pwd / ls / cd 目录服务器里退出 / 我在哪 / 有什么 / 进去
cp -r A B服务器里备份文件夹 A 为 B（覆盖前必做）
scp -i "钥匙路径" -r 文件夹 root@IP:路径本机 PowerShell上传整个项目

官方资源

工具已经摆在这里了，钥匙也已经发到你手上。
区别只在于：有人用它按了两下加号，有人用它把整个部门的活都重新干了一遍。
从今天的工作里挑一件最烦的，交给它试试。

1 / 13