AI Agent 实战手册

外观

个人学习 & 备考 ​

TraeWork 是字节跳动旗下 AI 办公平台，侧重学习、办公与工程执行场景，无论你是开发者、职场人、学生，都可以用它写方案、做分析、处理文件、推进协作，并完成需要持续执行、检查和产出结果的自动化任务。支持桌面端、网页版和移动端，多端协作，随时发起任务、查看进展、持续推进。

立即下载 TraeWork 桌面端

面向系统学习、考试复习和知识理解场景，帮助你制定计划、拆解知识点并提升复习效率。

适合学习规划、知识讲解、错题整理、资料总结、考试冲刺、语言学习和技能训练等场景。

No.53｜用 TraeWork 备战考研复习 ​

作者：kaicong ｜ 工科+数字经济研0学生、考研专业课辅导 ｜ 工具：TraeWork ｜ 阅读约 5 分钟 ｜ 原帖：https://forum.trae.cn/t/topic/172427

  • **用法总结：**用 TraeWork 的 Work 模式衔接飞书，把杂乱真题图片、精简考纲、详尽教材整理成规整文档，并做章节重要程度分析与备考计划。

  • **场景：**跨考生「资料齐备却无从下手」，人工整理浪费大量备考时间。

  • **效率提升：**预计 30 分钟以上 → 约 4 分钟，效率提升约 7.5 倍。

  • **成果：**一套可复用的「资料整理 → 核查 → 数据分析 → 备考计划」考研复习工作流。

一、个人背景介绍

  • **个人背景：**工科背景、数字经济研0学生，一边实习，一边为学弟学妹提供考研专业课辅导，梳理考点与复习方案。

  • **当前痛点：**跨考生即使集齐真题、教辅和最新考纲，也常因缺乏系统学习基础而无从下手；人工整理资料又会占用大量备考时间。

二、我用 TraeWork 怎么解决的

**核心方案：**初始资料：近 10 年专业课真题图片、目标院校当年考纲、推荐参考书籍。

  • 实践步骤：

    • 实践步骤：

      • **资料整理：**将真题、考纲和参考书籍名称交给 TraeWork，整理后同步至飞书文档。

      • **结果核查：**检查整理内容是否准确，避免 AI 幻觉影响后续分析。

      • **数据分析：**新建「TraeWork产物」文件夹，只读原始资料；基于近 10 年真题、2026 考纲和《西方经济学》教材生成《章节重要程度参考》，标注 A/B/C 等级、真题频次、考纲重点与学习策略。

      • **生成备考计划：**结合「考研」文件夹内容，制定截至考研日的复习安排。

三、成果展示

最终呈现：

  • 规整的考研资料文档

  • 《章节重要程度参考》分析报告

  • 截至考研日的备考计划

test.jpg

test.jpg

test.jpg

test.jpg

四、实践经验总结

1️⃣ 用新文件夹隔离产物与原始材料

TraeWork 可完美衔接飞书，但需用「新文件夹 + 提示词」的方法隔离产物与原始材料，避免 AI 生成文档时修改原始内容。

2️⃣ 生成后必须人工核查

数据分析前先核查整理结果是否正确，避免 AI 幻觉传导到后续报告。

3️⃣ 推断需明确标注

要求结论中的推断标注为「基于历史数据分析」，不将推断表述为确定事实。

五、提示词参考

💡 使用说明：数据分析阶段的核心提示词，强调只读原文档、产物隔离与可信度说明。

Plain
请在"考研"文件夹下新建文件夹"TraeWork产物"。
整个任务过程中，请遵循以下原则：
1. 只读取已有文档，不得修改、删除、重命名原有的10个文档。
2. 所有新生成的文件均保存至"TraeWork产物"文件夹。
3. 所有分析均以近10年真题、2026年考试大纲、高鸿业《西方经济学》（第八版）教材为依据。
4. 如结论存在推断，请明确标注为"基于历史数据分析"，不要将推断表述为确定事实。

任务：生成《高鸿业经济学第八版章节重要程度参考》
目标：根据历年真题考查频率、考纲要求及教材内容，对全部章节进行学习优先级分析。
每个章节至少包含：章节名称-重要程度(A/B/C)、历年真题涉及次数、是否考纲重点、推荐学习策略、分类依据。
最后增加《总体分析》：各等级章节数量统计、最值得投入时间的章节、可后期学习的章节、分类依据总结、可信度说明。

No.54｜用 TraeWork 快速掌握新知识 ​

作者：xwyxu ｜ 追求学习效率的用户（社区助人之星） ｜ 工具：TraeWork ｜ 阅读约 8 分钟 ｜ 原帖：https://forum.trae.cn/t/topic/172245

  • **用法总结：**做一个 learning-loop Skill，深度集成 brainstorming、research-guide、doc-writing-guide、html-report 四个内置技能，自动走完 7 阶段学习流水线。

  • **场景：**直接让 AI 讲知识效果差、看完就忘，想让 AI 按学习科学原理自动带自己学完一个主题。

  • **价值：**把主动回忆、间隔重复、费曼技巧等认知科学策略固化成可复用的 7 阶段闭环，一句「我想学 X」即可自动触发。

  • **成果：**可复用的 learning-loop Skill（含诊断→规划→采集→消化→练习→纠错→输出全流程与模板）。

一、个人背景介绍

  • **个人背景：**经常需要快速掌握新领域知识或为考试做准备，希望提升学习效率。

  • **当前痛点：**直接让 AI 讲解容易产生“看懂了”的错觉，知识很快遗忘，也缺少主动回忆、间隔重复和费曼技巧等系统方法。

二、七阶段闭环对比

阶段动作对应学习科学原理
Phase 1-2 诊断+规划问清知识起点，拆解子概念、定学习顺序与深度brainstorming 步骤 1-9
Phase 3 采集带着问题联网检索、按优先级整理来源research-guide 迭代证据循环
Phase 4 消化按费曼四步法生成知识卡片费曼技巧 + 双重编码
Phase 5-6 练习+纠错交叉练习、预测校准、错题卡与额外复习测试效应 + 元认知
Phase 7 输出综合为自包含 HTML 成果集html-report Plan/Write/Cite/Build

三、我用 TraeWork 怎么解决的

**核心方案：**开发 learning-loop Skill，把诊断、规划、采集、消化、练习、纠错和输出固化为 7 阶段学习闭环。

learning-loop.zip

  • 实践步骤：

    • **自动建立学习契约：**用户说出「我想学 X」后，Skill 创建包含 7 个阶段的 TodoWrite 任务清单。

    • **选择学习模式：**通过 AskUserQuestion 选择标准模式或 Socratic 模式，并可在 Phase 3-6 随时切换。

    • **标准模式：**AI 搜集素材、用费曼技巧生成知识卡片，再通过交叉练习和追问检验理解。

    • **Socratic 模式：**依据六类提问框架，从澄清、假设、证据、视角、含义和元认知六个方向引导用户主动发现知识。

    • **安排间隔复习：**按 1/3/7/14/30 天自动调度复习，连续 5 次成功后标记为已巩固。

四、成果展示

最终呈现：

  • 可复用的 learning-loop Skill

  • 7 阶段学习任务清单与间隔复习机制

  • 学习总结、知识地图等 HTML 成果集

test.jpg

test.jpg

test.jpg

test.jpg

五、实践经验总结

1️⃣ 启动时写清楚学习目标

不要只说「学一下 Python」，而是说「系统学习 Python 装饰器，目标能自己写出实用装饰器并解释原理」。目标越具体，Phase 2 规划越精准。

2️⃣ 标准模式和 Socratic 模式可切换

时间紧用标准模式快速建立知识体系，想深度理解就切 Socratic 模式让 AI 引导思考。

3️⃣ 别跳过 Phase 5-6 的练习环节

主动回忆和纠错才是巩固知识的关键，错题卡会自动安排间隔复习。

4️⃣ HTML 模板按需选

备考选「复习手册」，建立体系选「知识地图」，教别人选「教学演示」，综合总结选「学习总结」。

5️⃣ 间隔重复是真的有效

Schedule 自动弹出复习提醒，每次几分钟做几道检索题，坚持 30 天基本就巩固了。

六、提示词参考

启动与切换指令

Plain
启动标准模式：
我想学习{主题}，目标是{具体目标}。我的先验知识水平是{零基础/有一些了解/有一定基础}。请用 learning-loop 技能带我走完学习闭环。

启动 Socratic 模式：
我想深入理解{主题}，但不想你直接讲，引导我自己想明白。

指定输出类型：
学习完成了，请帮我生成一份{学习总结/知识地图/复习手册/教学演示}的 HTML 成果集。

No.55｜用 TraeWork 整理学习笔记 ​

作者：花大虾 ｜ .NET Web 开发工程师，兼职新人培训 ｜ 工具：TraeWork ｜ 阅读约 4 分钟 ｜ 原帖：https://forum.trae.cn/t/topic/172195

  • **用法总结：**把 Word/PPT/PDF/Excel 等零散资料一次性喂给 TraeWork，借助长上下文和结构化输出，生成带目录导航、流程图、代码高亮的自包含 HTML 学习笔记。

  • **场景：**新人技术培训资料整理，多文件来回切换、查找知识点效率低。

  • 效率提升：学习效率提升不止一个量级，一个页面内搞定原来翻大量文件都找不到的知识点。

  • **成果：**一份 10 章节 SQL 性能优化 HTML 学习笔记，含 4 个 Mermaid 流程图、19 个对比表格、完整代码示例与 sticky 目录。

一、个人背景介绍

  • 个人背景：.NET Web 开发工程师，同时承担新人技术培训工作，需要持续整理和复用培训资料。

  • **当前痛点：**资料分散在 Word、PPT、PDF 和 Excel 中，来源多、结构杂；查找知识点时要频繁切换文件，缺少统一目录，检索效率低。

二、提效前后对比

维度使用前使用后
资料查阅多个文件来回切换，翻不到头单个 HTML 页面内全部搞定
知识组织零散、无结构按知识体系重组，带目录导航
学习效率低下提升不止一个量级

三、我用 TraeWork 怎么解决的

**核心方案：**以 SQL 培训为例，利用长上下文读取多格式资料，再将内容重组为可检索、可导航的 HTML 学习笔记。

  • 实践步骤：

    • **明确目标：**说明培训对象、学习目标和交付形式，让 TraeWork 通过提问补齐需求并生成执行计划。

    • **批量提取：**用 Python 脚本统一提取 PPT、PDF、Word 和 Excel 中的文本内容。

    • **重组知识体系：**按照「执行原理 → 数据存储 → 优化器 → 执行计划 → 编写技巧 → 性能规范」整理内容。

    • **生成学习笔记：**输出自包含 HTML，加入目录导航、Mermaid 流程图、对比表格和代码高亮。

四、成果展示

最终呈现：

  • 10 章节 SQL 性能优化 HTML 学习笔记

  • 4 个 Mermaid 流程图与 19 个对比表格

  • 完整代码示例与自动高亮的 sticky 目录

test.jpg

test.jpg

test.jpg

五、实践经验总结

1️⃣ 老版 PPT 先转格式

老版 PPT（.ppt）先另存为 .pptx 再处理。

2️⃣ 超长 PDF 先抽目录再抽内容

763 页 PDF 全量提取会产生 100 万字符，直接喂会浪费上下文。先提取 PDF 的 outline（目录树）判断结构，再按需采样关键页面，效率高得多。

3️⃣ 让 AI 自己写提取脚本

不要手动复制粘贴——让 TraeWork 写 Python 脚本批量提取所有文档，输出结构化 JSON，再基于 JSON 生成笔记，全自动，人只做最终审核，比手动整理快 100 倍。

4️⃣ HTML 笔记比 Markdown 更适合技术内容

代码高亮、对比表格、流程图、sticky 目录这些在 Markdown 里很难做好，在 HTML 里可做得非常专业，且自包含所有资源，双击就能打开。

5️⃣ 不要一上来就丢指令，让 AI 先问你问题

第一轮对话不要写"帮我做 1 2 3 4 5"，而是告诉 TraeWork 目标，让它通过提问引导你明确受众、输出格式、知识结构、交互效果等关键决策点。回答后 AI 输出详细执行计划，审核确认再开始——多一道质量关，结果更贴合需求。

6️⃣ 分工使用模型

生成计划优先使用评分较高的模型，具体实现才使用 Auto Mode。

六、提示词

Markdown
我想用 TraeWork 整理一套学习笔记。资料可能包含 Word、PPT、PDF、Excel、代码片段或截图，请你先向我提问，确认学习主题、目标读者、读者基础、输出形式和重点内容。

我回答后，请先生成整理计划，待我确认后再开始执行。

请你完成以下任务：
1. 批量提取资料中的文字、表格、代码和关键内容。
2. 按学习逻辑重组知识体系，不要简单复制粘贴。
3. 生成结构清晰的学习笔记，每章包含目标、核心知识点、示例、易错点和小结。
4. 如涉及技术内容，请加入流程图、对比表格、代码示例和代码高亮。
5. 最终输出一份单文件 HTML 学习笔记，包含目录导航、章节跳转、清晰表格和重点标记。
6. 输出前检查目录完整性、重复内容、概念缺失和需要我补充的信息。

最终交付：
- HTML 学习笔记
- 知识目录大纲
- 重点知识速查表
- 待补充问题清单

No.56｜用 TraeWork 快速整理学习笔记 ​

作者：u4003796207539283 ｜ AI 领域产品经理 ｜ 工具：TraeWork ｜ 阅读约 4 分钟 ｜ 原帖：https://forum.trae.cn/t/topic/172109

  • **用法总结：**Work 模式搭建 8 步自动化工作流，用长上下文、联网检索、飞书文档操作、图片生成与任务编排能力，实现从抓文到结构化笔记 + 知识卡片 + 飞书归档的全自动流水线。

  • **场景：**AI 产品经理每天读大量公众号 / 技术博客，手动整理笔记慢、知识库杂乱难检索。

  • **效率提升：**单篇处理 40 分钟 → 5 分钟，效率提升约 8 倍；已归档 30+ 篇。

  • **成果：**一套跑在飞书上、按 4 类归档、带知识卡片、目录表格与导航文档的个人知识库自动归档系统。

一、个人背景介绍

  • **个人背景：**AI 产品经理，每天需要阅读大量公众号和技术博客，主题涵盖 Agent 框架、AI 产品方法论与商业认知。

  • **当前痛点：**手动把一篇 3000 字文章整理成笔记至少需要 40 分钟；内容积累后又缺少目录、分类和原文链接，知识难以检索和复用。

二、提效前后对比

维度以前现在
单篇处理耗时手动约 40 分钟全自动约 5 分钟
知识库结构无目录、无分类、找不到原文4 类归档 + 目录表格 + 导航文档
可视化纯文字笔记每篇开头附莫兰迪配色知识卡片

三、我用 TraeWork 怎么解决的

**核心方案：**使用 Work 模式搭建从内容抓取、笔记生成到飞书归档的 8 步自动化流水线。

  • 实践步骤：

    • **抓取原文：**从公众号、知乎、博客和头条获取全文；主渠道失败时切换镜像、Tavily 或 agent-browser，并检查内容是否截断。

    • **整理笔记：**按「标题与来源 → 核心结论 → 分点展开」输出 Markdown；对比信息用表格，流程信息用列表，同主题文章自动合并。

    • **发布飞书文档：**调用飞书 API 导入 Markdown，并获取在线文档链接。

    • **生成知识卡片：**从核心结论提炼标题、三栏观点和金句，总字数控制在 70 字以内，生成后交由用户确认。

    • **插入卡片：**读取文档块结构，将确认后的卡片插入标题下方。

    • **更新目录表：**完整重建电子表格数据区，按 4 类归档，并为原文和笔记绑定超链接。

    • **更新导航文档：**用 str_replace 只替换目录链接和篇数，避免全量覆盖。

    • **交付前验证：**检查链接、卡片位置、分类、目录去重、超链接、篇数、本地备份和图片显示等关键项。

四、成果展示

最终呈现：

  • 按 4 类归档的结构化飞书笔记

  • 每篇配套的知识卡片与本地图片备份

  • 带超链接的目录表格与统一导航文档

test.jpg

test.jpg

test.jpg

test.jpg

五、实践经验总结

1️⃣ 笔记先写"核心结论"段

这一段既给读者看，也是知识卡片文字提炼的原材料，先写好结论卡片就不用重新提炼。

2️⃣ 卡片文字要"有棱角"

三栏找最反直觉的判断而非并列要点，金句写"X 的本质是 Y"这种有判断力的结论，总字数≤70 字越少越不易乱码。

3️⃣ 目录表禁止 insert_rows

飞书 Sheet 的 insert_rows 不会移动已有 hyperlink 会导致链接错位，正确做法是每次完整重写整个数据区。

4️⃣ 导航文档只做增量更新

用 str_replace 只替换需要改的链接和篇数，全量覆盖会丢其他板块内容。

5️⃣ 卡片必须用户确认后才插入

AI 生成的卡片有时文字乱码或内容跑偏，先展示确认再插入，避免返工。

6️⃣ 交付前 10 项强制验证

API 返回成功 ≠ 视觉正确，跑完强制检查链接、图片、分类、篇数，样式类无法 API 验证的明确标注盲区。

六、提示词参考

学习笔记整理助手

Plain
你是一个学习笔记整理助手。我会给你一篇文章的全文，请你按以下规则整理成笔记：

## 笔记结构（必须包含）
1. 标题 + 来源信息（公众号/作者、发布时间、原文URL、整理日期）
2. 【核心结论】2-4句话，最有价值的判断，结论先行（这段是知识卡片的原材料，必须写）
3. 分点展开：对比信息用表格，流程信息用列表，散文观点用段落

## 格式要求
- 输出 Markdown 格式
- 文件名用下划线或连字符，不含空格
- 代码、命令、变量名用英文，其余中文
- 不要逐字摘抄，要提炼重组
- 多篇同主题文章合并为一篇

## 分类判断（优先看核心主张而非标题关键词）
- Agent 框架与工程化：Agent 技术、工程实践、源码解析
- 产品经理与 AI：AI 时代 PM 角色、技能、工作方式
- 商业认知与方法论：业务方法论、认知框架、底层思维
- 人文与思考：访谈感悟、阅读思考、人生哲学

## 知识卡片文字提炼（从核心结论段提取）
- 标题大字：文章核心主题，≤10字，像海报标题
- 三栏：三个最反直觉或最有价值的判断，每栏≤15字
- 底部金句：最核心的一句话结论，≤20字，有判断力
- 总字数≤70字，Prompt首尾声明「所有文字中文，禁止英文乱码」

## 整理完成后
1. 调用飞书 API 将笔记导入为飞书文档（Docx）
2. 生成知识卡片图（莫兰迪配色，21:9，2K），展示给用户确认
3. 用户确认后，将卡片图插入文档标题下方
4. 完整重建飞书电子表格目录数据区，追加新笔记记录
5. 用 str_replace 更新导航文档的目录链接和篇数
6. 执行10项交付前验证

以下是文章链接：
[粘贴文章链接]

No.57｜用 TraeWork 自动推送考试成绩 ​

作者：u2156585071411523 ｜ 软考备考考生 ｜ 工具：TraeWork ｜ 阅读约 3 分钟 ｜ 原帖：https://forum.trae.cn/t/topic/172080

  • **用法总结：**用自动化定时任务 + 网页检索 + 编程 + 调用本地脚本，每小时自动核查软考官网并把结果推送到桌面。

  • **场景：**软考成绩无固定发布时间，需反复刷新官网查看查分公告。

  • **效率提升：**从每天多次手动刷页，变成 全自动 每小时巡检、结果主动推送。

  • **成果：**彻底解放双手，不用反复刷页，也不用查看任务结果，成绩动态自动到桌面。

一、个人背景介绍

  • **个人背景：**软考备考考生，考试结束后需要持续关注成绩发布时间。

  • **当前痛点：**软考成绩没有固定发布时间，只能每天多次刷新官网；过程耗时、增加焦虑，还可能错过最新查分公告。

二、提效前后对比

环节传统方式TraeWork 方式
查询方式每天多次手动刷新官网每小时自动巡检官网公告
结果获取需主动查看，易错过脚本自动推送桌面系统消息

三、我用 TraeWork 怎么解决的

**核心方案：**组合自动化定时任务、网页检索和本地 Python 脚本，每小时核查软考官网，并把判定结果主动推送到 Windows 桌面。

  • 实践步骤：

    • **限定信息来源：**提供软考官网地址，要求只核查官网「工作动态」中的最新公告。

    • **设置巡检频率：**在自动化任务面板中配置每小时执行一次。

    • **编写推送脚本：**让 TRAE 生成 Windows 系统消息脚本，并记录脚本的绝对路径和调用方式。

    • **配置判定逻辑：**区分普通通知与成绩查询通知；每次核查后调用脚本，将「能查」或「不能查」的结果推送到桌面。

四、成果展示

最终呈现：

  • 每小时自动巡检软考官网的监控任务

  • 自动识别成绩查询公告的判定逻辑

  • 主动推送结果的 Windows 桌面系统消息

五、实践经验总结

1️⃣ 用脚本推送替代查看结果

需要频繁查询、又不想主动看自动化执行结果时，可通过调用脚本实现消息推送。

2️⃣ 写清脚本绝对路径

写清楚脚本在电脑中的绝对路径，避免每次 AI 找不到脚本、每次重写脚本。

六、提示词参考

Plain
搜索查询今年上半年软考分数可以查询了吗。
ONLY查询软考官网：https://www.ruankao.org.cn/
如果可以查询，一般会更新【工作动态】部分的公告。
如果工作动态部分最新几条公告没有相关信息就不用继续找了，那就是没有。
无论结果是否可以，都通过系统消息推送到桌面。消息简洁：直接写【能查了！】绿色【不能查！】灰色
推送消息使用"C:\AIapplet\timer\notify.py"
<example>
# 基本用法
python notify.py "标题" "内容"
# 带图标类型（info / warning / error）
python notify.py "软考成绩" "成绩已公布，快去查！" --icon info
</example>

No.58｜用 TraeWork 搭建考试系统 ​

作者：u98333468144864 ｜ 财务，兼做招聘 ｜ 工具：TRAE（Code 模式） ｜ 阅读约 2 分钟｜ 原帖：https://forum.trae.cn/t/topic/172170

  • **用法总结：**用 TRAE 的自动化任务（plan 模式）开发一个线上笔试考试系统，候选人可自主约考，并内置切屏检测、禁止复制粘贴等防作弊机制。

  • **场景：**招聘笔试环节，传统纸质笔试约考难、候选人笔试率低。

  • 效率提升：候选人可按自己的时间参加笔试，笔试率显著提升。

  • **成果：**一个可自主约考的线上考试系统，含切屏检测与禁止复制粘贴的轻量防作弊能力。

一、个人背景介绍

  • **个人背景：**我是财务，近期一直在做招聘。因岗位要求笔试，同事反馈跟候选人约笔试比较难，加之仍在用最

  • **当前痛点：**传统的纸质笔试方式，造成候选人笔试率特别低。

二、我用 TRAE 怎么解决的

**核心方案：**模式：Code。我利用 TRAE 的自动化任务、使用 plan 模式做了一个线上笔试系统，由 AI 自动拆解并执行开发任务。

  • 实践步骤：

    • **明确目标：**围绕“用 TraeWork 做了一个招聘笔试考试系统”确定交付物、输入材料和验收标准。

    • **交给 TraeWork 执行：**把资料、约束和输出格式一次交代清楚，让它完成检索、整理、生成或开发等主要工作。

    • **人工校验与复用：**对关键数据、样式和最终交付物做检查，把可复用提示词或流程沉淀下来。

test.jpg

test.jpg

三、成果展示

最终呈现：

  • **主交付物：**做出了一个线上考试系统，候选人可根据自己的时间参加笔试，笔试率显著提升。

  • **成果补充：**一个可自主约考的线上考试系统，含切屏检测与禁止复制粘贴的轻量防作弊能力。

  • **效率表现：**候选人可按自己的时间参加笔试，笔试率显著提升。

test.jpg

test.jpg

test.jpg

四、实践经验总结

1️⃣ 对功能的成本与收益作出取舍

作为初级使用者，需要对功能的成本和收益作出判断及取舍。最初要求完善的防作弊机制，包括人脸抓拍比对，后因条件限制舍弃。

2️⃣ 按场景匹配防作弊强度

笔试只是招聘中的一个环节，对防作弊的要求不必过高。仅保留切屏检测及禁止复制粘贴即可起到一定防作弊作用，且后续还有面试环节，最终放弃了人脸抓拍比对功能。

五、提示词示例

Plain
设计一个在线招聘笔试系统，支持以下核心功能：候选人注册登录后进入考试界面，系统从题库中随机抽取题目组卷，题型包含单选题、多选题、判断题和问答题，考试过程中实时倒计时并自动保存答案。管理端允许对用户进行管理、HR创建和管理题库、设置考试时间与批量导入试题、查看考生成绩统计与导出报表。系统需具备防作弊机制，包括切屏检测、禁止复制粘贴和面部监控。要求响应式设计，适配PC端和移动端。

No.59｜用 TraeWork 选择考研目标院校 ​

作者：帮表妹咨询择校的过来人 ｜ 工具：TraeWork（Work 模式）｜ 阅读约 5 分钟

  • **用法总结：**用 TraeWork 的自动化任务与联网检索能力，搭建计算机考研择校评估流程，自动汇总院校数据并分层生成冲稳保底清单。

  • **场景：**帮考研表妹做计算机方向的择校分析，替代逐个扒学校官网。

  • **效率提升：**把逐校人肉查询扒官网，变成 一次建模 自动汇总，把主观择校转化为量化决策参考。

  • **成果：**一份计算机考研择校雷达，筛选出 20 所院校，可按分数、科目、地域参数动态刷新清单。

一、我是谁 & 遇到什么问题

考研的表妹找我咨询择校，一个个扒学校官网太麻烦，还得结合她的条件筛选合适备选，工作量太大。

二、我怎么用 TraeWork 解决

用 Work 模式的自动化任务与联网检索能力，搭建计算机考研择校评估流程：设定多维度筛选标准、划定目标地域、自动汇总院校数据，并分层生成冲刺 / 稳妥 / 保底清单。

三、我做出了什么

最终呈现：

  • **主交付物：**产出一份计算机考研择校雷达，筛选出 20 所院校并列出可重点关注院校。

  • **核心价值：**可修改分数、备考科目、地域偏好等参数动态刷新清单，把主观择校转化为量化决策参考。TraeWork 建立了 12 个择校维度和权重，联网整理出候选院校表（含城市、层次、专业课、分数线、名额和竞争强度），并按 330-320、320-350、350-380、380+ 四个分数情景输出重点关注学校。

  • **成果补充：**一份计算机考研择校雷达，筛选出 20 所院校，可按分数、科目、地域参数动态刷新清单。

四、经验 & 技巧总结

  • 不要直接让 AI 给出最终答案，优先搭建筛选模型再调取数据，让推荐结果有据可循，方便后续动态调整。

  • 计算机择校必须重点区分 408 统考与自命题，专业课适配度应作为独立核心筛选维度。

五、提示词参考

Plain
我的表妹是 2026 届考研党，本科苏州大学计算机科学与技术专业，目标考计算机方向研究生。
请根据她的背景、分数预期和个人期望，整理一批适合她的候选学校（而非从固定几所里选一个）。
一、建立择校筛选模型：设计 10-12 个评估维度（近三年复试线、录取均分、报录比、统招名额、
   推免比例、专业课类型、复试占比、复试公平度、学科实力、城市就业资源、方向匹配度、调剂友好度），
   并给出权重建议。
二、联网整理候选院校：优先长三角，适当扩展到北京、广东，至少 15 所，补充学校名称、城市、层次、
   推荐方向、专业课类型、复试线/录取均分、名额/推免比例、竞争强度、就业优势、风险点和推荐理由。
三、输出候选清单：按冲刺档、稳妥档、保底档分类。
四、给出个性化建议：如何配置冲稳保数量、最推荐重点关注的 5 所学校、不建议盲冲的类型、
   需尽早确认的信息清单和下一步备考建议。

来源说明：本文整理自 TraeWork 官方知识库，仅用于个人学习与参考。TraeWork 为字节跳动旗下 AI 办公平台。如涉及版权或官方更新，请以官方发布为准。