Trae 里跑 RAGMCP 检索模型通道可以先统一到 TaoTokenhttps://taotoken.net/?utm_sourcetaotoken_aicg_blog_end Key 从这里创建。先把场景摆清楚一个企业知识库非结构化文档工艺说明、合同文本、客服话术放在向量库里结构化字段商品、供应商、订单、价格放在 PostgreSQLTrae 作为 AI IDE 负责两件事——把用户的自然语言翻译成 SQL以及判断这个问题该走数据库还是走向量检索。这个组合听起来顺真跑起来会发现卡点分四层。前三层是 RAG 本身的老问题分片把语义切断、相似度把“净利润增长”匹配到“营收增长”、以及“库里有几份供应商合同”这种要做 COUNT 的问题它必然答不准。MCP 的价值就是把第三层接到关系型数据库上用精确的字段匹配和聚合去补向量检索的短板。第四层往往是配到一半才暴露的Trae 既要调模型生成 SQL又要调模型做问题分类如果 Key 和 Base URL 散落在几个不同的地方换一次模型就要翻好几处配置整条链路的可复现性直接没了。这篇就顺着这条链路走一遍先把 PostgreSQL 16 和 Trae 的 MCP-Server 挂上把 memory_modules 这张表的 SQL 生成逻辑写顺再把 Trae 的模型接入统一收敛到一把 Key、一个 Base URL最后跑字段查询、聚合统计和混合路由三个场景。哪一步用哪个地址我会写清楚避免把官网地址填进配置文件这种低级错误。1. TraeMCP 知识库检索的三层卡点加上一层被忽略的配置卡点1.1 上下文碎片化合同条款被切断之后语义就断了RAG 的检索单元是分片分片是按 token 长度切的不是按语义切的。一份采购合同里“甲方应在验收后 30 日内付款”和后面的“逾期未付按日千分之三计违约金”本来就是一条完整的逻辑中间夹了几段格式条款之后很可能被切进两个不同的 chunk。用户问“逾期付款怎么算”召回的是第二个 chunk模型看不到“30 日”这个前提回答就会飘。这个问题在制造业工艺文件、法律条款、运维手册里尤其明显因为这类文本的逻辑依赖是跨段落的。常见的补救办法是加重叠窗口、加段落标题前缀但这些都是缓解不是解决窗口调大召回精度下降窗口调小跨段依赖继续断。它属于 RAG 的架构性特征不要把希望全押在调参上。1.2 向量相似度的模糊召回以及 COUNT 类问题为什么必然答错向量检索的数学本质是找“语义距离最近”的文本块它天然不区分“订单总额”和“成交金额”这种业务上等价、字面上不同的说法也不区分“净利润增长”和“营收增长”这种字面接近、业务上完全不同的问题。库越大维度越高噪点越多召回率会往下掉这是向量空间模型自带的属性。更麻烦的是统计类问题。“知识库里有多少份供应商合同”“各品牌内存条的平均价格是多少”“2024 年 Q3 华北订单量前十的产品”——这些问题需要精确的 WHERE、GROUP BY、ORDER BY 和聚合函数向量检索能做的是找出“看起来相关”的段落然后让模型用自然语言编一个听起来合理的答案。冤不冤数据就在库里只是没人去 SELECT 它。这类问题必须交给关系型数据库MCP 干的就是这件事。1.3 Trae 里生成 SQL 和判断问题类型都要调模型Key 一分散就难拉通Trae 处理一个提问时至少有两处要调大模型第一处是问题分类判断这属于统计类还是文本类第二处是 SQL 生成把自然语言翻译成能跑的语句。如果这两处走的是不同的供应商配置或者一个走自定义模型、一个走内置模型调试时你会遇到很难解释的现象分类对了但 SQL 生成错或者 SQL 对了但路由错了。统一模型通道的收益就在这里。Base URL 只写一次Key 只维护一把模型 ID 只在模型广场里挑一次出问题时把 Trae 的调用日志和 TaoToken 控制台的用量记录对一下立刻能定位是哪一环。这不是为了省事是为了让链路可观测。2. 先装 PostgreSQL 16再在 Trae 的 MCP 市场挂上驱动2.1 PostgreSQL 16 安装与只读账号 ai_readerUbuntu 22.04 上装 PostgreSQL 16用官方源比发行版自带的版本更新避免后面 JSONB 相关函数踩到老版本的坑。sudo sh -c echo deb https://apt.postgresql.org/pub/repos/apt $(lsb_release -cs)-pgdg main /etc/apt/sources.list.d/pgdg.list curl -fsSL https://www.postgresql.org/media/keys/ACCC4CF8.asc \ | sudo gpg --dearmor -o /usr/share/keyrings/pgdg.gpg sudo apt update sudo apt install -y postgresql-16 sudo systemctl enable --now postgresql装完之后别急着用超级用户去连 MCP。给检索链路单独建一个只读角色这样即使模型生成的 SQL 里混进了 DELETE 或 UPDATE也执行不下去。CREATE ROLE ai_reader LOGIN PASSWORD YOUR_READONLY_PASSWORD; GRANT CONNECT ON DATABASE mydb TO ai_reader; GRANT USAGE ON SCHEMA public TO ai_reader; GRANT SELECT ON ALL TABLES IN SCHEMA public TO ai_reader; ALTER DEFAULT PRIVILEGES IN SCHEMA public GRANT SELECT ON TABLES TO ai_reader;图形化工具用 DBeaver 做人工核对连接参数按下面填。这个连接主要用于你自己手跑 SQL 验证模型的输出不要让 AI 工具直接顶着超级用户连业务库。参数值主机127.0.0.1端口5432数据库mydb换成你的业务库认证方式密码用户名ai_reader2.2 Trae 左侧 MCP 管理里填 PostgreSQL 连接串Trae 的 MCP 市场是它区别于普通 IDE 的地方内置驱动不少PostgreSQL 直接装即可。第一次打开 MCP 管理会提示安装 Node.js 依赖提前把 Node v18 以上装好不然驱动起来了但进程拉不起来。连接串格式统一是postgresql://用户名:密码主机:端口/数据库名实际填进 Trae 的是postgresql://ai_reader:YOUR_READONLY_PASSWORD127.0.0.1:5432/mydb这里有两个高频手误。一是把数据库名留在默认的 postgres 上结果模型查的是模板库永远返回 0 行二是密码里带 或 : 却没做 URL 编码连接串被截断报的是“角色不存在”这种看着毫不相干的错。填完先在 MCP 面板里点一下测试连接能列出表名再往下走。2.3 Trae 模型接入处Base URL 填 https://taotoken.net/api这一步是整条链路里最容易被忽略、也最容易返工的。Trae 要调模型生成 SQL、判断问题类型就得有一个稳定的模型入口。打开 TaoToken 注册后创建一把 API Key然后在 Trae 的模型接入处新增自定义供应商字段这样填配置项填写值供应商类型OpenAI 兼容 / Anthropic 兼容按 Trae 当前版本提供的选项选Base URLhttps://taotoken.net/apiAPI KeyYOUR_API_KEY模型 ID以 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 模型广场当时列表为准两个地址别搞混https://taotoken.net/api是填进工具里的接口地址末尾不要补/v1https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end是给人点的用来注册、建 Key、看模型列表和查用量。把带?utm_source的那串填进 Base URLTrae 会直接报请求失败控制台里也看不到任何调用记录。3. memory_modules 建表让 Trae 生成能跑的 DDL 而不是玩具 SQL3.1 用提示词把 Excel 字段翻成英文列名拿内存条商品表做例子Excel 里是中文列名直接导进 PostgreSQL 会很难写 SQL。让模型先做一轮字段映射提示词把约束写死输出才稳定。任务把内存条商品信息的 Excel 表结构转成 PostgreSQL 建表语句。 要求 - 表名 memory_modules - 列名翻译为英文容量单位GB/MB保留在值里不拆列 - VARCHAR 长度按样本最长值冗余 20% - 价格用 NUMERIC(10,2) - 输出 CREATE TABLE 语句不要输出 INSERT“保留容量单位在值里”这一句很关键。如果让模型自己决定它很可能把 8GB、16GB*2 拆成 capacity_value 和 capacity_unit 两列后面写查询时每条 SQL 都要多一次拼接得不偿失。3.2 建表 DDL 与 brandprice 复合索引模型给出的 DDL 落到本地 psql 或 DBeaver 里执行不要让它自己去建表。确认列类型合理之后再补索引因为高频查询基本都是“某品牌 某价格区间”。CREATE TABLE memory_modules ( id SERIAL PRIMARY KEY, product_name VARCHAR(100) NOT NULL, capacity VARCHAR(20), speed VARCHAR(20), price NUMERIC(10,2), brand VARCHAR(50), create_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP ); CREATE INDEX idx_brand_price ON memory_modules (brand, price);复合索引的列顺序不能反。WHERE brand 金士顿 AND price BETWEEN 800 AND 1000这种条件brand 放前面才能先做等值过滤再用 price 做范围扫描反过来写索引价格区间的选择性通常太差索引基本白建。3.3 把表结构写进系统提示避免模型编列名Trae 每次生成 SQL 都会重新读一遍上下文如果表结构没在系统提示里固定住它就可能凭感觉编出memory_type、unit_price这类不存在的列。把下面这段作为固定前缀放进对话的系统提示或用例模板里。已知表结构 memory_modules ( id, product_name, capacity, speed, price, brand, create_time ) 其中 price 为 NUMERIC(10,2)brand 为 VARCHAR(50)。 请仅使用上述列名生成标准 PostgreSQL 语句不要假设存在其他列。表结构变更是常态加了列之后记得同步改这段提示并重启一次 MCP-Server 让驱动重新读 schema。很多人排障排了半天最后发现是模型还在按旧表结构写 SQL。4. 三类问题跑一遍字段查询、聚合统计、混合路由4.1 “800–1000 元的金士顿内存条”这类精确字段查询用户提问“价格在 800 到 1000 元之间的金士顿内存条有哪些”Trae 判断为结构化查询走 MCP 驱动到 PostgreSQL生成的语句大致是这样。SELECT product_name, price FROM memory_modules WHERE brand 金士顿 AND price BETWEEN 800 AND 1000 ORDER BY price;拿到语句之后先别急着相信结果。把这条 SQL 贴进 DBeaver 或 psql 自己跑一遍确认返回行数和 Trae 报出来的一致。这一步看着多余但它能区分两种完全不同的失败是模型生成的 SQL 本身有问题还是数据库里的数据本来就不全。前者去改提示词后者去查数据导入。4.2 GROUP BY 聚合的精度与排序第二个场景是统计“各品牌内存条的平均价格是多少按降序排列。”这里模型的常见毛病是漏 ROUND导致回答里出现 899.9999999999 这种浮点尾巴看起来像 bug。SELECT brand, ROUND(AVG(price), 2) AS avg_price FROM memory_modules GROUP BY brand ORDER BY avg_price DESC;两个细节值得写进提示词模板一是聚合列必须显式取别名二是排序字段用别名而不是原始表达式避免ORDER BY AVG(price)在某些写法下和 SELECT 不一致。另外提醒自己一句聚合结果不要直接拿去对外汇报先手跑一遍对照总行数和样本确认 WHERE 没漏条件——比如表里混了失效商品平均值就会被拉低。4.3 统计类走 PostgreSQL、文本类回 RAG 的路由规则混合检索的核心是分流。规则可以很简单问题里出现“多少”“平均”“排名”“占比”“统计”这类词走数据库出现“怎么装”“为什么报错”“步骤是什么”走向量检索。Trae 在这中间的角色是用模型判断问题类型判断结果决定调用哪个工具。判断这一步同样是在调模型所以它和 SQL 生成共用同一个 Base URL 和同一把 Key 才合理。两边分开配最典型的症状是SQL 生成得很漂亮但问题被分错类压根没走到数据库那一支。调试时把 Trae 的调用轨迹打开看一眼分类阶段的输出比反复改提示词有效得多。还有一条边界要守住模型只负责生成语句和解释结果真正执行 SQL 的永远是你。生产库上的诊断、EXPLAIN、数据修复都在本地客户端里做把执行结果和报错贴回 Trae 对话里让它解读不要给 AI 工具开一条直连生产库的通道。5. Trae 调用链上的报错对照401、5432 拒绝、列名不存在5.1 自定义供应商里的 401 与 404多数是地址填错位401 通常意味着 Key 没生效可能是复制时带了空格可能是创建后没启用也可能是把 Key 填到了别的供应商条目上。回 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 重新确认一次 Key 状态和余额再回到 Trae 的模型接入处粘贴。404 的高频原因是 Base URL 多写了后缀。Trae 的部分兼容模式会自己在地址后拼接路径你填https://taotoken.net/api/v1它再拼一次就变成不存在的路径。统一填https://taotoken.net/api末尾不带斜杠也不要带/v1。5.2 MCP-Server 报 5432 连接被拒或角色不存在connection refused说明 PostgreSQL 没监听或者监听地址不对先确认systemctl status postgresql是 running再看postgresql.conf里listen_addresses是否包含 127.0.0.1、pg_hba.conf里本地连接是不是 md5 或 scram-sha-256。password authentication failed和role ai_reader does not exist是两个错前者是密码错后者是角色根本没建。还有一种更隐蔽的连接串里数据库名还留着默认的 postgres能连上但什么都查不到报的是“表不存在”。这三种错看现象很像实际改的地方完全不同建议每次只改一处再重测。5.3 模型编出 memory_modules 里不存在的列症状是 SQL 语法没问题执行时报column xxx does not exist。处理顺序是先把 3.3 那段表结构提示补上再让模型执行一条SELECT * FROM memory_modules LIMIT 5;观察真实列最后在 Trae 的 MCP 面板里刷新一次驱动让 schema 缓存更新。如果表刚改过结构一定要重启 MCP-Server光刷新对话上下文没用。这个坑很浪费时间因为模型说得很自信SQL 也写得很像那么回事。6. 跑通之后核对这次调用再决定要不要换计划6.1 用同一把 Key 发一条测试消息配置保存之后先做一次最小验证打开 TaoToken 模型对话用和 Trae 里完全相同的 Key 发一条消息模型 ID 也选成你填进 Trae 的那一个。能正常返回说明 Key 和模型 ID 没问题剩下要排查的就是 Trae 这一侧。接着回到 Trae 提一个最简问题比如“memory_modules 里一共有多少行”。这条 SQL 不含任何业务逻辑只要路由和权限是对的结果一定出得来。如果这一步过了再上 4.1 和 4.2 的两个场景。定位问题的顺序永远是从最简单的调用开始不要一上来就测混合检索。6.2 控制台用量、Coding Plan以及下一步链路跑顺之后回 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 看一眼这次的调用有没有记上账。每条记录对应的都是 Trae 发起的一次真实请求分类一次、SQL 生成一次账目对得上说明整条链路确实都走了统一的模型通道没有哪一段偷偷用了别的配置。长期天天用 Trae 写 SQL、跑检索的话可以先看看 Coding Plan 的套餐额度是否够用Key 需要新建或轮换时直接去 控制台 API Keys 操作旧的删掉、新的填回 Trae 的自定义供应商即可其他配置不用动。最后留一个习惯上的建议把 Trae 里这份模型配置和 PostgreSQL 的只读账号当成一套组合来维护。换模型的时候只改模型 ID不动 Base URL换库的时候只改连接串不动模型通道。两边解耦下次再出问题你至少能立刻知道该看哪一半。 Trae 跑 RAG+MCP 检索工作流：Key 用 TaoToken
Trae 里跑 RAGMCP 检索模型通道可以先统一到 TaoTokenhttps://taotoken.net/?utm_sourcetaotoken_aicg_blog_end Key 从这里创建。先把场景摆清楚一个企业知识库非结构化文档工艺说明、合同文本、客服话术放在向量库里结构化字段商品、供应商、订单、价格放在 PostgreSQLTrae 作为 AI IDE 负责两件事——把用户的自然语言翻译成 SQL以及判断这个问题该走数据库还是走向量检索。这个组合听起来顺真跑起来会发现卡点分四层。前三层是 RAG 本身的老问题分片把语义切断、相似度把“净利润增长”匹配到“营收增长”、以及“库里有几份供应商合同”这种要做 COUNT 的问题它必然答不准。MCP 的价值就是把第三层接到关系型数据库上用精确的字段匹配和聚合去补向量检索的短板。第四层往往是配到一半才暴露的Trae 既要调模型生成 SQL又要调模型做问题分类如果 Key 和 Base URL 散落在几个不同的地方换一次模型就要翻好几处配置整条链路的可复现性直接没了。这篇就顺着这条链路走一遍先把 PostgreSQL 16 和 Trae 的 MCP-Server 挂上把 memory_modules 这张表的 SQL 生成逻辑写顺再把 Trae 的模型接入统一收敛到一把 Key、一个 Base URL最后跑字段查询、聚合统计和混合路由三个场景。哪一步用哪个地址我会写清楚避免把官网地址填进配置文件这种低级错误。1. TraeMCP 知识库检索的三层卡点加上一层被忽略的配置卡点1.1 上下文碎片化合同条款被切断之后语义就断了RAG 的检索单元是分片分片是按 token 长度切的不是按语义切的。一份采购合同里“甲方应在验收后 30 日内付款”和后面的“逾期未付按日千分之三计违约金”本来就是一条完整的逻辑中间夹了几段格式条款之后很可能被切进两个不同的 chunk。用户问“逾期付款怎么算”召回的是第二个 chunk模型看不到“30 日”这个前提回答就会飘。这个问题在制造业工艺文件、法律条款、运维手册里尤其明显因为这类文本的逻辑依赖是跨段落的。常见的补救办法是加重叠窗口、加段落标题前缀但这些都是缓解不是解决窗口调大召回精度下降窗口调小跨段依赖继续断。它属于 RAG 的架构性特征不要把希望全押在调参上。1.2 向量相似度的模糊召回以及 COUNT 类问题为什么必然答错向量检索的数学本质是找“语义距离最近”的文本块它天然不区分“订单总额”和“成交金额”这种业务上等价、字面上不同的说法也不区分“净利润增长”和“营收增长”这种字面接近、业务上完全不同的问题。库越大维度越高噪点越多召回率会往下掉这是向量空间模型自带的属性。更麻烦的是统计类问题。“知识库里有多少份供应商合同”“各品牌内存条的平均价格是多少”“2024 年 Q3 华北订单量前十的产品”——这些问题需要精确的 WHERE、GROUP BY、ORDER BY 和聚合函数向量检索能做的是找出“看起来相关”的段落然后让模型用自然语言编一个听起来合理的答案。冤不冤数据就在库里只是没人去 SELECT 它。这类问题必须交给关系型数据库MCP 干的就是这件事。1.3 Trae 里生成 SQL 和判断问题类型都要调模型Key 一分散就难拉通Trae 处理一个提问时至少有两处要调大模型第一处是问题分类判断这属于统计类还是文本类第二处是 SQL 生成把自然语言翻译成能跑的语句。如果这两处走的是不同的供应商配置或者一个走自定义模型、一个走内置模型调试时你会遇到很难解释的现象分类对了但 SQL 生成错或者 SQL 对了但路由错了。统一模型通道的收益就在这里。Base URL 只写一次Key 只维护一把模型 ID 只在模型广场里挑一次出问题时把 Trae 的调用日志和 TaoToken 控制台的用量记录对一下立刻能定位是哪一环。这不是为了省事是为了让链路可观测。2. 先装 PostgreSQL 16再在 Trae 的 MCP 市场挂上驱动2.1 PostgreSQL 16 安装与只读账号 ai_readerUbuntu 22.04 上装 PostgreSQL 16用官方源比发行版自带的版本更新避免后面 JSONB 相关函数踩到老版本的坑。sudo sh -c echo deb https://apt.postgresql.org/pub/repos/apt $(lsb_release -cs)-pgdg main /etc/apt/sources.list.d/pgdg.list curl -fsSL https://www.postgresql.org/media/keys/ACCC4CF8.asc \ | sudo gpg --dearmor -o /usr/share/keyrings/pgdg.gpg sudo apt update sudo apt install -y postgresql-16 sudo systemctl enable --now postgresql装完之后别急着用超级用户去连 MCP。给检索链路单独建一个只读角色这样即使模型生成的 SQL 里混进了 DELETE 或 UPDATE也执行不下去。CREATE ROLE ai_reader LOGIN PASSWORD YOUR_READONLY_PASSWORD; GRANT CONNECT ON DATABASE mydb TO ai_reader; GRANT USAGE ON SCHEMA public TO ai_reader; GRANT SELECT ON ALL TABLES IN SCHEMA public TO ai_reader; ALTER DEFAULT PRIVILEGES IN SCHEMA public GRANT SELECT ON TABLES TO ai_reader;图形化工具用 DBeaver 做人工核对连接参数按下面填。这个连接主要用于你自己手跑 SQL 验证模型的输出不要让 AI 工具直接顶着超级用户连业务库。参数值主机127.0.0.1端口5432数据库mydb换成你的业务库认证方式密码用户名ai_reader2.2 Trae 左侧 MCP 管理里填 PostgreSQL 连接串Trae 的 MCP 市场是它区别于普通 IDE 的地方内置驱动不少PostgreSQL 直接装即可。第一次打开 MCP 管理会提示安装 Node.js 依赖提前把 Node v18 以上装好不然驱动起来了但进程拉不起来。连接串格式统一是postgresql://用户名:密码主机:端口/数据库名实际填进 Trae 的是postgresql://ai_reader:YOUR_READONLY_PASSWORD127.0.0.1:5432/mydb这里有两个高频手误。一是把数据库名留在默认的 postgres 上结果模型查的是模板库永远返回 0 行二是密码里带 或 : 却没做 URL 编码连接串被截断报的是“角色不存在”这种看着毫不相干的错。填完先在 MCP 面板里点一下测试连接能列出表名再往下走。2.3 Trae 模型接入处Base URL 填 https://taotoken.net/api这一步是整条链路里最容易被忽略、也最容易返工的。Trae 要调模型生成 SQL、判断问题类型就得有一个稳定的模型入口。打开 TaoToken 注册后创建一把 API Key然后在 Trae 的模型接入处新增自定义供应商字段这样填配置项填写值供应商类型OpenAI 兼容 / Anthropic 兼容按 Trae 当前版本提供的选项选Base URLhttps://taotoken.net/apiAPI KeyYOUR_API_KEY模型 ID以 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 模型广场当时列表为准两个地址别搞混https://taotoken.net/api是填进工具里的接口地址末尾不要补/v1https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end是给人点的用来注册、建 Key、看模型列表和查用量。把带?utm_source的那串填进 Base URLTrae 会直接报请求失败控制台里也看不到任何调用记录。3. memory_modules 建表让 Trae 生成能跑的 DDL 而不是玩具 SQL3.1 用提示词把 Excel 字段翻成英文列名拿内存条商品表做例子Excel 里是中文列名直接导进 PostgreSQL 会很难写 SQL。让模型先做一轮字段映射提示词把约束写死输出才稳定。任务把内存条商品信息的 Excel 表结构转成 PostgreSQL 建表语句。 要求 - 表名 memory_modules - 列名翻译为英文容量单位GB/MB保留在值里不拆列 - VARCHAR 长度按样本最长值冗余 20% - 价格用 NUMERIC(10,2) - 输出 CREATE TABLE 语句不要输出 INSERT“保留容量单位在值里”这一句很关键。如果让模型自己决定它很可能把 8GB、16GB*2 拆成 capacity_value 和 capacity_unit 两列后面写查询时每条 SQL 都要多一次拼接得不偿失。3.2 建表 DDL 与 brandprice 复合索引模型给出的 DDL 落到本地 psql 或 DBeaver 里执行不要让它自己去建表。确认列类型合理之后再补索引因为高频查询基本都是“某品牌 某价格区间”。CREATE TABLE memory_modules ( id SERIAL PRIMARY KEY, product_name VARCHAR(100) NOT NULL, capacity VARCHAR(20), speed VARCHAR(20), price NUMERIC(10,2), brand VARCHAR(50), create_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP ); CREATE INDEX idx_brand_price ON memory_modules (brand, price);复合索引的列顺序不能反。WHERE brand 金士顿 AND price BETWEEN 800 AND 1000这种条件brand 放前面才能先做等值过滤再用 price 做范围扫描反过来写索引价格区间的选择性通常太差索引基本白建。3.3 把表结构写进系统提示避免模型编列名Trae 每次生成 SQL 都会重新读一遍上下文如果表结构没在系统提示里固定住它就可能凭感觉编出memory_type、unit_price这类不存在的列。把下面这段作为固定前缀放进对话的系统提示或用例模板里。已知表结构 memory_modules ( id, product_name, capacity, speed, price, brand, create_time ) 其中 price 为 NUMERIC(10,2)brand 为 VARCHAR(50)。 请仅使用上述列名生成标准 PostgreSQL 语句不要假设存在其他列。表结构变更是常态加了列之后记得同步改这段提示并重启一次 MCP-Server 让驱动重新读 schema。很多人排障排了半天最后发现是模型还在按旧表结构写 SQL。4. 三类问题跑一遍字段查询、聚合统计、混合路由4.1 “800–1000 元的金士顿内存条”这类精确字段查询用户提问“价格在 800 到 1000 元之间的金士顿内存条有哪些”Trae 判断为结构化查询走 MCP 驱动到 PostgreSQL生成的语句大致是这样。SELECT product_name, price FROM memory_modules WHERE brand 金士顿 AND price BETWEEN 800 AND 1000 ORDER BY price;拿到语句之后先别急着相信结果。把这条 SQL 贴进 DBeaver 或 psql 自己跑一遍确认返回行数和 Trae 报出来的一致。这一步看着多余但它能区分两种完全不同的失败是模型生成的 SQL 本身有问题还是数据库里的数据本来就不全。前者去改提示词后者去查数据导入。4.2 GROUP BY 聚合的精度与排序第二个场景是统计“各品牌内存条的平均价格是多少按降序排列。”这里模型的常见毛病是漏 ROUND导致回答里出现 899.9999999999 这种浮点尾巴看起来像 bug。SELECT brand, ROUND(AVG(price), 2) AS avg_price FROM memory_modules GROUP BY brand ORDER BY avg_price DESC;两个细节值得写进提示词模板一是聚合列必须显式取别名二是排序字段用别名而不是原始表达式避免ORDER BY AVG(price)在某些写法下和 SELECT 不一致。另外提醒自己一句聚合结果不要直接拿去对外汇报先手跑一遍对照总行数和样本确认 WHERE 没漏条件——比如表里混了失效商品平均值就会被拉低。4.3 统计类走 PostgreSQL、文本类回 RAG 的路由规则混合检索的核心是分流。规则可以很简单问题里出现“多少”“平均”“排名”“占比”“统计”这类词走数据库出现“怎么装”“为什么报错”“步骤是什么”走向量检索。Trae 在这中间的角色是用模型判断问题类型判断结果决定调用哪个工具。判断这一步同样是在调模型所以它和 SQL 生成共用同一个 Base URL 和同一把 Key 才合理。两边分开配最典型的症状是SQL 生成得很漂亮但问题被分错类压根没走到数据库那一支。调试时把 Trae 的调用轨迹打开看一眼分类阶段的输出比反复改提示词有效得多。还有一条边界要守住模型只负责生成语句和解释结果真正执行 SQL 的永远是你。生产库上的诊断、EXPLAIN、数据修复都在本地客户端里做把执行结果和报错贴回 Trae 对话里让它解读不要给 AI 工具开一条直连生产库的通道。5. Trae 调用链上的报错对照401、5432 拒绝、列名不存在5.1 自定义供应商里的 401 与 404多数是地址填错位401 通常意味着 Key 没生效可能是复制时带了空格可能是创建后没启用也可能是把 Key 填到了别的供应商条目上。回 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 重新确认一次 Key 状态和余额再回到 Trae 的模型接入处粘贴。404 的高频原因是 Base URL 多写了后缀。Trae 的部分兼容模式会自己在地址后拼接路径你填https://taotoken.net/api/v1它再拼一次就变成不存在的路径。统一填https://taotoken.net/api末尾不带斜杠也不要带/v1。5.2 MCP-Server 报 5432 连接被拒或角色不存在connection refused说明 PostgreSQL 没监听或者监听地址不对先确认systemctl status postgresql是 running再看postgresql.conf里listen_addresses是否包含 127.0.0.1、pg_hba.conf里本地连接是不是 md5 或 scram-sha-256。password authentication failed和role ai_reader does not exist是两个错前者是密码错后者是角色根本没建。还有一种更隐蔽的连接串里数据库名还留着默认的 postgres能连上但什么都查不到报的是“表不存在”。这三种错看现象很像实际改的地方完全不同建议每次只改一处再重测。5.3 模型编出 memory_modules 里不存在的列症状是 SQL 语法没问题执行时报column xxx does not exist。处理顺序是先把 3.3 那段表结构提示补上再让模型执行一条SELECT * FROM memory_modules LIMIT 5;观察真实列最后在 Trae 的 MCP 面板里刷新一次驱动让 schema 缓存更新。如果表刚改过结构一定要重启 MCP-Server光刷新对话上下文没用。这个坑很浪费时间因为模型说得很自信SQL 也写得很像那么回事。6. 跑通之后核对这次调用再决定要不要换计划6.1 用同一把 Key 发一条测试消息配置保存之后先做一次最小验证打开 TaoToken 模型对话用和 Trae 里完全相同的 Key 发一条消息模型 ID 也选成你填进 Trae 的那一个。能正常返回说明 Key 和模型 ID 没问题剩下要排查的就是 Trae 这一侧。接着回到 Trae 提一个最简问题比如“memory_modules 里一共有多少行”。这条 SQL 不含任何业务逻辑只要路由和权限是对的结果一定出得来。如果这一步过了再上 4.1 和 4.2 的两个场景。定位问题的顺序永远是从最简单的调用开始不要一上来就测混合检索。6.2 控制台用量、Coding Plan以及下一步链路跑顺之后回 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 看一眼这次的调用有没有记上账。每条记录对应的都是 Trae 发起的一次真实请求分类一次、SQL 生成一次账目对得上说明整条链路确实都走了统一的模型通道没有哪一段偷偷用了别的配置。长期天天用 Trae 写 SQL、跑检索的话可以先看看 Coding Plan 的套餐额度是否够用Key 需要新建或轮换时直接去 控制台 API Keys 操作旧的删掉、新的填回 Trae 的自定义供应商即可其他配置不用动。最后留一个习惯上的建议把 Trae 里这份模型配置和 PostgreSQL 的只读账号当成一套组合来维护。换模型的时候只改模型 ID不动 Base URL换库的时候只改连接串不动模型通道。两边解耦下次再出问题你至少能立刻知道该看哪一半。