当前位置: 首页 > news >正文

search_reports 减少AI里Tokens 消耗

search_reports 是 Trae(准确说是 Trae Agent)里的 “搜索报告 / 搜索记录集”,用来汇总、查看、导出本次任务里所有联网搜索 / 代码搜索的结果与过程,方便复盘、去重、溯源,也能避免重复搜索浪费 token。

下面拆开讲:是什么、有什么用、怎么用(含命令 / 界面操作)。


一、search_reports 是什么?

在 Trae Agent 的工具体系里:

  • search_reports= 一次任务中所有Search/SearchCodebase/WebSearch结果集合 + 元数据
  • 本质是结构化日志文件(JSON/Markdown),记录:
    • 每一次搜索的query(关键词)
    • 命中结果列表(标题、摘要、链接 / 文件路径)
    • 搜索时间、耗时、token 消耗
    • 是否被模型采纳 / 引用

你可以把它理解成:AI 帮你查资料时的 “全部查过的东西 + 查到了什么” 清单


二、有什么作用?

1. 防重复搜索(省 token、省钱)

AI 经常反复搜同一个问题,search_reports 会做去重

  • 已搜过且结果有效 → 直接复用,不再重搜
  • 避免 “循环搜索” 导致的 token 爆掉、请求中断

2. 过程透明、可复盘

你能看到:

  • AI到底搜了什么词(不是黑盒)
  • 哪些结果它看到了、没看到
  • 为什么选了这个结果而不是那个

排查 “模型胡说、信息不准” 时特别有用。

3. 导出成报告 / 文档

可以把 search_reports 导出成:

  • Markdown:直接贴到文档 / PR 里
  • JSON:二次分析、统计、对接其他工具

4. 复杂任务必备(Research / 需求调研 / 排错)

深度调研、技术选型、Bug 排查时:

  • 会多次搜索、多轮筛选
  • search_reports 帮你保留全链路证据,最后直接生成调研报告

三、怎么用?(分:IDE 自动用、手动命令、查看报告)

1. IDE 里(你平时用的 Trae)

不用手动调用,AI 自动维护

  • 你问:帮我查一下 React 18 新特性
  • AI 会自动调用WebSearch,结果自动存入 search_reports
  • 后续追问同一话题 → AI 先看 search_reports,不重复搜

你能在聊天面板右侧 / 下方看到:

  • 🔍搜索记录:展开就是 search_reports 内容
  • 每条搜索:query + 结果摘要 + 来源

2. Trae Agent 命令行(高级用法)

(1)运行任务并自动生成 search_reports

bash

运行

trae-cli run "调研 2026 前端构建工具对比" \ --trajectory-file my_research.json # 轨迹文件(含 search_reports)

运行结束后:

  • my_research.jsonsearch_reports字段就是所有搜索记录
(2)单独导出 search_reports 为 Markdown

bash

运行

trae-cli tool:run --tool search_reports \ --arguments '{"action":"export","format":"markdown","output":"./search_results.md"}'
(3)查看当前 search_reports 列表

bash

运行

trae-cli tool:run --tool search_reports --arguments '{"action":"list"}'

3. 常见参数说明

表格

参数作用
action: search执行一次搜索并加入报告
action: list列出所有已保存的搜索报告
action: export导出为 md/json/html
format: markdown格式:json/markdown/html
query: "xxx"搜索关键词
dedup: true自动去重(默认开启)

四、和你之前遇到的 “模型循环” 关系

你之前出现:

测到模型循环,请求已被中断

很大原因就是没有用好 search_reports

  • AI 反复搜同一个东西 → 无限循环 → 系统熔断
  • 开启 search_reports 去重后,循环概率会明显下降
http://www.jsqmd.com/news/881841/

相关文章:

  • ARM SME指令集与MOVA指令详解:矩阵运算优化
  • 面试官问我Redis,我背了八股文,他却问我“为什么缓存会雪崩”
  • 基于CNN自编码器的量子态误差缓解:从密度矩阵图像修复到NISQ应用
  • 量子机器学习预测误差:从T/N线性关系到紧致界理论突破
  • 基于Nginx的局域网HTTP Yum源搭建
  • 2025-2026年时余家具电话查询:选购中古风实木家具前请核实资质 - 品牌推荐
  • 2026年智己LS8优势深度解析:家庭SUV续航痛点与实用价值 - 品牌推荐
  • 深度学习MRI加速:DeepFoqus-Accelerate如何实现4倍扫描速度与无损诊断质量
  • 病房钢制门十大品牌有哪些?
  • 2025-2026年尚百年电话查询:定制全铝家居前需核实资质与合同条款 - 品牌推荐
  • 2026年智己LS8优势续航深度分析:家用SUV场景续航焦虑与操控痛点解析 - 品牌推荐
  • Unity 2020.1实战:用UGUI和AudioSource搞定酷狗同款音乐频谱(附完整代码)
  • Go Sidecar 主循环并发化改造:让请求不再排队堵在门口
  • 基于机器学习的癫痫发作检测与预测:从EEG信号处理到LSTM时序建模
  • 纯前端到底要不要学 Java
  • Unity UGUI实战:从零复刻一个带频谱可视化的音乐播放器(附完整源码)
  • Linux系统篇,开发工具(六):文件的编译配置、调试的理解、cgdb和gdb的操作使用
  • 不止于播放:用Unity Video Player的RenderTexture模式,轻松实现游戏内电视、监控屏效果
  • 2026年5月上海搬家公司推荐:TOP5排名评测居民搬家防超时收费市场份额选择指南 - 品牌推荐
  • Unity WebGL项目内存爆了别慌!用Profiler揪出2048大贴图,5分钟搞定优化
  • 基于贝叶斯优化与计算机视觉的量子点电荷态自动化搜索算法
  • 状态机设计模式优雅的进行通信解包~
  • Armv9 SME指令集:FMLS与FMLSL浮点运算优化
  • 告别Alt+F4秒退!在UE4/UE5中实现窗口事件监听的三种方法全评测
  • DYNAMIX:基于强化学习的动态批处理优化,破解分布式训练效率与精度困局
  • 别再只盯着算法了!游戏PCG实战中,这5个流程“坑”你踩过几个?(以Houdini+UE为例)
  • 26年5月系分论文~写作思路深度拆解
  • 可解释机器学习解析心电信号:从特征工程到身份识别的核心特征挖掘
  • 2026年4月惠州知名的设备运输服务商推荐,精密设备搬迁/工厂设备搬运/设备安装搬迁/平台吊装,设备运输一站式服务哪家好 - 品牌推荐师
  • 别再乱删了!一文理清Unity工程里Assets、Library等6个核心文件夹的作用与关系