第十周第二天10.2

所用时间：180分钟
代码量（行）：205
了解到的知识点：
如何用Trae快速开发项目
一、提示工程（快速生成的关键）

• 提示公式：目标+技术栈+输入输出+约束+交付物，示例如下
• 大数据ETL：“用Scala+Spark写TB级Nginx日志ETL，提取IP/URL/响应码，按日期分区，Parquet格式压缩存储到HDFS，含单元测试与任务提交脚本”
• 安卓UI：“用Jetpack Compose写用户列表页，支持下拉刷新、分页加载，数据来自Retrofit接口，遵循Material Design 3”
• 进阶技巧：
• 动态注入： --mock=data/mock_orders.json  用模拟数据加速调试
• 复用代码： --import=existing_module  复用已有模块，避免重复生成
• 规则绑定：创建团队智能体，固化代码规范与依赖版本，AI生成直接符合团队标准

二、生成与调试（30分钟出可运行版本）

1. 生成代码：Builder输入提示→AI自动创建结构、安装依赖、生成代码；大数据/安卓会自动配置SDK/环境
2. 一键运行：点“运行”按钮，AI自动检测缺失依赖并提示安装；安卓端自动配置Gradle，大数据任务自动生成spark-submit命令
3. 高效调试：

• 报错快速定位：拖拽终端报错到对话框，AI直接给出修复代码
• 性能调优：输入“Spark任务shuffle卡顿，优化并行度与分区数”，AI自动修改参数
• 安卓适配：输入“修复Android 12的通知权限适配问题”，AI自动补全权限申请代码

三、质量与安全门禁（守住关键环节）

• 代码审查：用SonarQube/Checkstyle做静态检查，重点看大数据任务的数据一致性与安卓生命周期逻辑
• 测试覆盖：AI生成单元测试，大数据任务先小数据试运行，安卓做机型兼容性测试
• 安全合规：敏感数据不上传，生成代码做安全扫描，安卓侧自动生成混淆与签名配置

四、迭代与交付（快速上线）

• 迭代优化：用自然语言提需求（如“ETL任务增加异常重试机制”“安卓页添加暗黑模式”），AI增量修改
• 部署自动化：AI生成Dockerfile/K8s配置（大数据）或APK打包脚本（安卓），一键部署
• 知识沉淀：将优质提示、规范存入Trae Rules，形成团队资产