AI‑редактори коду давно вийшли за межі автодоповнення, але більшість розробників усе ще працюють у режимі “prompt and pray”: сформулювати запит, натиснути Enter, сподіватися на адекватний результат і щоразу починати з нуля, коли щось іде не так. У новому десктопному та веб‑інструменті TRAE Solo, який нещодавно вийшов у публічний доступ із щедрим безплатним планом, пропонується інша модель роботи — через так звані skills, або навички.
У відео на каналі Tech With Tim, знятому на бета‑версії десктопного застосунку TRAE Solo, демонструється, як ці навички перетворюють хаотичні промпти на стабільні, багаторазові робочі процеси. На конкретних прикладах — від бекенду на FastAPI до щоденного AI‑дайджесту — видно, як агент сам підхоплює потрібні навички, тестує API, будує фронтенд і навіть генерує дослідницькі зведення.
Від одноразових промптів до повторюваних бекенд‑пайплайнів
У TRAE Solo навичка — це не просто “збережений промпт”. Це окремий міні‑модуль із власною папкою, обов’язковим файлом skill.md і, за потреби, додатковими скриптами та прикладами. У цьому файлі зберігається назва, короткий опис і детальні інструкції, які фактично виступають як багаторазовий промпт, до якого агент звертається щоразу, коли йому потрібно виконати відповідний тип роботи.
Показовий приклад — кастомна навичка для бекенду на FastAPI. Вона створюється безпосередньо в проєкті: агенту дають посилання на документацію FastAPI та формулюють вимоги до стилю коду. У навичці фіксуються ключові конвенції:
бекенд має будуватися на FastAPI відповідно до офіційної документації та стандартних підходів;
усі маршрути API потрібно розділяти на окремі роутери за категоріями: наприклад, окремий роутер для аутентифікації, окремий — для роботи з базою даних, окремий — для користувацьких маршрутів та інших логічних секцій;
коментарі та докстрінги мають бути мінімальними: коментарі — короткі й по суті, докстрінги — не довші за одне речення і лише там, де це справді потрібно.
У результаті формується навичка з назвою на кшталт “Fast API backend” і описом на зразок “використовувати щоразу, коли виконується бекенд‑робота”. Важливий момент: TRAE Solo не завантажує весь вміст усіх навичок у контекст одразу. Агент знає тільки назву й короткий опис кожної навички, а повний текст skill.md підтягує лише тоді, коли вважає, що вона релевантна поточному завданню.
Це дає два ефекти. По‑перше, зменшується “контекстний шум”: замість сотень інструкцій у кожній сесії агент працює тільки з тим, що йому справді потрібно. По‑друге, бекенд‑код стає передбачуваним: кожен новий ендпоінт, кожна нова фіча автоматично підпорядковується тим самим правилам розділення роутерів і мінімалістичної документації.
Навичку можна й потрібно еволюціонувати: відкривати skill.md, переглядати, як агент її інтерпретує, додавати приклади, виносити шаблонні фрагменти в окремі файли в тій самій папці навички. З часом це перетворюється на персоналізований “бекенд‑гайдлайн”, який агент не просто читає, а й виконує.
Автоматичний вибір навичок: агент сам розуміє, коли йому потрібен FastAPI
Ключова відмінність підходу TRAE Solo від примітивних “збережених промптів” у тому, що користувачеві не потрібно вручну вмикати кожну навичку перед її використанням. Коли розробник формулює завдання на кшталт “створи бекенд для бібліотечного застосунку на FastAPI”, агент аналізує запит, порівнює його з короткими описами доступних навичок і сам вирішує, чи варто підключати “Fast API backend”.
Якщо опис навички каже, що вона “використовується щоразу, коли виконується бекенд‑робота”, а в запиті явно згадано бекенд або FastAPI, TRAE Solo підтягує повний вміст skill.md у контекст, читає детальні інструкції й починає будувати код відповідно до зафіксованих конвенцій. Для розробника це виглядає як звичайний діалог із агентом, але під капотом кожен крок кодування проходить через фільтр навички.
Такий механізм особливо важливий у великих проєктах, де одночасно існує десятки навичок: для бекенду, тестування, деплою, стилю фронтенду, роботи з даними. Замість того щоб пам’ятати, яку саме навичку треба активувати, користувач просто описує задачу природною мовою, а система сама підбирає відповідний “робочий профіль”.
Це також зменшує ризик людської помилки. Якщо навичка для FastAPI визначена як “використовувати завжди для бекенд‑робіт”, агент не забуде її застосувати, навіть якщо розробник не згадає про неї в конкретному промпті. Конвенції стають не рекомендацією, а фактично частиною системи правил, за якими працює AI‑розробник.
Тестування як навичка: автоматичний обхід API через curl і пропозиції виправлень
Побудувати бекенд — лише половина справи. Інша половина — переконатися, що всі ендпоінти працюють так, як очікується. У TRAE Solo це теж оформлюється як окрема навичка. У проєкті створюється “test API” skill, який описує повний сценарій перевірки REST‑інтерфейсу.
У цій навичці агенту задається чіткий алгоритм: згенерувати curl‑запити до всіх доступних ендпоінтів API, виконати їх, зафіксувати відповіді та сформувати звіт. Якщо якийсь ендпоінт повертає помилку або неочікуваний результат, навичка не обмежується констатацією факту. Вона має включати крок аналізу: визначити ймовірну причину проблеми й запропонувати конкретні виправлення.
У підсумку розробник отримує не просто список статус‑кодів, а структуровану картину стану API з рекомендаціями, що саме змінити в коді. Оскільки це навичка, а не одноразовий промпт, її можна запускати щоразу після змін у бекенді, інтегрувати в регулярний робочий цикл або навіть передати команді як стандартизований спосіб перевірки.
Поєднання бекенд‑навички для FastAPI та тестової навички для API створює замкнений цикл: агент будує бекенд за фіксованими правилами, потім інша навичка системно його тестує й пропонує виправлення. Це вже не “prompt and pray”, а керований пайплайн, де кожен етап формалізований і повторюваний.
Маркетплейс навичок і фронтенд: CRUD‑інтерфейс для бібліотеки за кілька кроків
TRAE Solo не обмежується локально створеними навичками. У застосунку є вбудований маркетплейс, де можна встановлювати готові модулі. Серед них — навичка фронтенд‑дизайну інтерфейсів, створена OpenAI. Вона орієнтована на побудову сучасних, візуально продуманих UI з акцентом на цілісну композицію, сильні візуальні образи, продумані взаємодії та анімації.
Після встановлення ця навичка з’являється у списку доступних, і її можна викликати безпосередньо в проєкті. Наприклад, маючи вже готовий бекенд бібліотечного застосунку на FastAPI, розробник може попросити агента створити CRUD‑фронтенд для роботи з книгами й авторами. Фронтенд‑навичка бере на себе завдання спроєктувати інтерфейс, який відповідає заданим принципам: від загальної структури сторінок до дрібних деталей взаємодії.
Особливість TRAE Solo в тому, що згенерований веб‑інтерфейс можна не лише переглянути, а й взаємодіяти з ним прямо всередині застосунку. Інструмент дозволяє обирати елементи безпосередньо на UI — наприклад, кнопку, картку книги чи форму — і на основі цього формулювати подальші зміни. Замість абстрактних описів на кшталт “зміни стиль кнопки вгорі праворуч” розробник може буквально вказати на елемент у прев’ю, а агент зрозуміє, про що йдеться.
Це суттєво спрощує ітерації над інтерфейсом. Якщо початковий CRUD‑фронтенд виглядає занадто “сухо”, ту саму фронтенд‑навичку можна використати вдруге, уже з уточненим завданням: додати анімації, плавні переходи між станами, покращити візуальну ієрархію. У випадку бібліотечного застосунку до цього додається ще один шар — наповнення даними.
Фронтенд‑навичка використовується для того, щоб “засіяти” застосунок каталогом книг і авторів. Агент генерує початковий набір записів, які відображаються в UI, що дозволяє одразу бачити, як інтерфейс поводиться з реалістичними даними: як виглядають списки, як працює пагінація, як відображаються деталі книги. Це важливо не лише для демонстрації, а й для виявлення проблем із версткою, адаптивністю чи логікою відображення ще до того, як у систему потраплять реальні дані.
У підсумку бекенд‑навички для FastAPI, тестова навичка API та фронтенд‑навичка з маркетплейсу складаються в повноцінний стек: агент будує серверну частину, перевіряє її, створює CRUD‑інтерфейс, наповнює його даними й дозволяє розробнику інтерактивно доводити UI до потрібного рівня.
MTC‑режим і щоденний AI‑дайджест: дослідницькі навички поза кодом
TRAE Solo позиціонується не лише як інструмент для коду. У ньому є окремий режим MTC — More Than Coding, орієнтований на загальні агентні задачі: дослідження, офісні робочі процеси, підготовку матеріалів. У цьому режимі навички працюють за тим самим принципом, що й у кодовому, але їхній фокус зміщується з програмування на інформаційну роботу.
Показовий приклад — навичка “Tech With Tim daily brief”. Вона створюється як дослідницький модуль, який щодня збирає інформацію про трендові теми в галузі штучного інтелекту й формує коротке зведення. У skill.md фіксуються чіткі вимоги до формату:
підсумок має бути у форматі маркдаун‑булетів;
загальний обсяг — до 250 слів;
у зведення має входити пропозиція назви для потенційного відео на YouTube, пов’язаного з виявленими трендами.
Навичка не обмежується лише текстовим описом. Поруч із основним файлом skill.md зберігаються прикладові файли та ресурси, які демонструють бажаний стиль, структуру або формат вихідних матеріалів. Агент може звертатися до цих прикладів, щоб краще відтворювати очікувану форму дайджесту.
У результаті щоденна рутина “подивитися, що нового в AI, придумати тему для відео, зробити короткий конспект” перетворюється на одну навичку, яку можна запускати в MTC‑режимі. Агент сам шукає інформацію, структурує її, дотримується обмеження в 250 слів, оформлює у вигляді маркдаун‑списку й пропонує заголовок. Для автора контенту це означає стабільний формат і економію часу, а для самої системи — ще один приклад того, як навички виходять за межі суто програмістських задач.
Висновок: навички як новий рівень керованості AI‑агентів
TRAE Solo демонструє, що наступний етап розвитку AI‑інструментів для розробників — це не стільки потужніші моделі, скільки краща організація роботи з ними. Навички в цьому контексті стають основною одиницею структурування: вони кодують конвенції бекенду на FastAPI, формалізують тестування API через curl, задають стиль і поведінку фронтенду, а в MTC‑режимі — описують формат щоденних дослідницьких дайджестів.
Автоматичне підключення релевантних навичок, можливість зберігати поруч із ними приклади й скрипти, інтерактивна робота з UI всередині застосунку та розширюваність через маркетплейс перетворюють TRAE Solo з “розумного автодоповнення” на платформу для побудови повторюваних, контрольованих пайплайнів.
Для розробників це означає перехід від випадкових результатів до передбачуваних робочих процесів, де AI‑агент не просто генерує код чи текст, а працює за заздалегідь визначеними правилами, які можна поступово вдосконалювати й ділитися ними з командою.
Джерело
How to Setup AI Agent Skills for Better Code | TRAE SOLO — Tech With Tim