引言

5 天完成 24 个任务，搭建一套功能完整的全栈 HRM 系统，绝非标题党。

2026 年 5 月，我依托 Trae SOLO 工具，从零搭建完成了一套完整的人力资源管理系统——云山HRM（CloudHill HRM）。整套系统包含 7 大核心模块、100多个 API 接口、20多张数据库表，完整覆盖员工从入职、在岗、调岗到离职的全生命周期业务场景。

但这个项目的初衷与成长故事，远比最终成果更有参考价值。首先和大家聊聊这个温柔的项目名——云山。

第一部分：故事的起点

1.1 为什么要做一个 HRM 系统？

先说说“云山”的由来。

今年年初，我前往云南旅行，大理苍山、丽江玉龙雪山的景色让我印象深刻：云雾缠绕山峦，山峰隐于云海，云随山起、山衬云生，宛如仙境。敲定项目时，这幅画面瞬间浮现在脑海里，便有了云在山间，山在云里——云山这个名字。

对一个个人实战项目而言，有温度的名字，也让项目有了专属灵魂。

其实项目最初的规划并非 HRM 系统，我的初衷只是做一个个人主页。但单纯的文字履历展示过于单薄，无法直观体现技术实力。于是我调整方向：落地一套完整的实战项目，用真实代码、完整业务、规范架构沉淀多年技术经验，让成果落地可视。

经过筛选，我最终选定 HRM 人力资源管理系统，核心原因有三点：

第一，深耕领域，业务认知足够深厚。 我拥有十年以上 HRM 系统设计与开发经验，对组织架构拆分、考勤规则逻辑、薪酬结构设计、员工状态流转等核心业务，均是一线踩坑、落地沉淀的实战经验，并非纸上谈兵，能精准把控业务边界与核心难点。

第二，业务深度适中，极致适配技术展示。 普通纯增删改查（CRUD）项目架构单薄，无法体现技术设计能力。而 HRM 系统自带复杂业务逻辑：考勤边界条件判定、员工多状态流转、可配置薪酬公式引擎、多级审批逻辑等，每个模块都具备独立的技术深挖空间，非常适合作为全栈作品集核心项目。

第三，技术栈主流，适配大众学习。 选用国内企业级开发主流的 Spring Boot + Vue3 技术组合，无小众冷门框架，读者无需额外学习陌生技术，可快速复刻、借鉴落地，学习性价比极高。

1.2 技术选型：版本的决策

技术版本选型直接决定项目的稳定性与可维护性。本项目所用版本均为落地实战正式版本，选型不盲目追新、不使用老旧版本，核心遵循适配业务、生态成熟、易于复刻学习的原则。

各核心技术栈具体版本及选型依据如下：

技术选型	版本	选型理由
Java-JDK	21	LTS长期支持版本，性能优化显著，适配新版Spring生态
Spring Boot	4.0.6	最新主版本，原生支持虚拟线程，性能优势明显
MySQL	9.6.0	社区版免费，功能足够
MyBatis Plus	4.0.6	国内 Spring Boot 项目标配，简化单表操作
Vue	3.5.32	Composition API生态成熟，TypeScript适配完善，稳定性拉满
Element Plus	2.13.7	国内Vue3最常用组件库，文档齐全、组件丰富，适配企业级后台系统
Vite	8.0.10	新一代构建工具，开发体验远超 Webpack

技术栈敲定后，正式进入开发阶段。而真正拉开开发效率差距的，是开发方式的转变。

1.3 开发转折：从网页AI零散编码到IDE AI全流程赋能

项目初期，我和大多数开发者一样，采用传统网页AI辅助开发模式：打开ChatGPT、DeepSeek网页端，输入需求生成代码，复制粘贴到IDE，手动调试报错、反复对话迭代。但很快，我发现这种模式存在三大致命短板，严重拖累开发效率。

一是无持续上下文。 每一次对话都是独立场景，AI无法记忆全局内容。上一轮生成完用户业务层代码，下一轮生成控制层代码时，会完全遗忘此前的编码规范、类名风格、依赖方式，导致代码风格割裂，需要反复重复叮嘱规则。

二是无项目结构感知。 网页AI仅能通过人工输入的Prompt理解项目，无法读取本地真实项目结构。不清楚已有包结构、已封装工具类、统一响应体格式，生成的代码片段单独看无问题，融入项目就会出现适配报错。

三是无效体力劳动过多。 开发者沦为“代码搬运工”，大量时间消耗在复制、粘贴、改错、对齐规范上，真正用于架构设计、业务梳理、逻辑优化的核心时间被严重压缩。

而 Trae SOLO 的出现，彻底解决了以上痛点。

作为国内开发者，国外AI编码工具普遍存在网络受限、账号风控、封号风险、配置繁琐等问题，往往环境调试就要耗费大量时间。而Trae SOLO对国内用户极致友好，开箱即用无需额外配置，平台免费额度足以支撑中小型全栈项目完整开发；即便当日免费额度耗尽，也可绑定自身订阅的各类模型接续开发，灵活无开发中断顾虑，适配全程持续落地开发。

更核心的是，Trae SOLO并非被动应答的聊天工具，而是具备主动规划、任务拆分、分步落地能力的全流程开发助手。我本次实践的核心目的，并非让AI替代开发，而是验证：AI能否承接重复、繁琐、易遗漏的基础工作，让开发者聚焦架构决策、业务设计等核心价值环节——核心是提效，而非替代。

本次项目还有一个关键赋能变量：DeepSeek V4 Pro。该模型编码能力较上一代大幅升级，常规开发场景稳定可用，在薪资公式引擎设计、复杂考勤逻辑校验等攻坚场景，当通用模型方案不佳时，切换DeepSeek V4 Pro往往能输出更严谨、更贴合业务的最优解，成为复杂场景的“攻坚王牌”。

依托Trae SOLO + DeepSeek V4 Pro的组合，我的开发范式彻底重构：传统开发是单人徒手砌砖，逐行编码、逐段调试；全新模式是手握完整施工图，AI落地基础工作，开发者把控整体节奏、审核方案、决策关键节点。工具解放了重复性体力劳动，让开发回归“设计与决策”的本质。

维度	网页 AI 聊天开发	Trae SOLO IDE 开发
上下文保持	单次对话独立，无记忆延续	全程留存项目上下文，跨任务持续记忆
项目结构感知	仅依赖人工Prompt描述，无真实感知	直接读取本地项目文件，精准适配现有结构
架构规范执行	每次开发需重复说明规范，极易偏差	自动识别并强制执行项目统一规范
代码一致性	多轮生成风格混乱、命名不统一	全项目代码风格、命名、架构高度统一
任务协作	单轮对话碎片化，无任务拆分	多智能体分工协作，任务结构化推进

第二部分：规划——Trae SOLO 的产品经理模式

很多新手开发项目的通病：上手就写代码，边写边改、越写越乱，最后架构崩塌、重复返工。而本次项目的核心高效秘诀：先规划、后落地，用AI搞定前期标准化设计。

2.1 一句话需求，自动生成完整PRD

本次项目中，Trae SOLO 率先承担的不是编码工作，而是产品文档撰写，完美替代了新手薄弱的项目规划能力。

我仅输入核心需求：「开发一套HRM人力资源管理系统，定位为个人全栈作品集，要求功能完整、逻辑严谨、演示友好，适配技术展示」。

Trae SOLO 快速生成第一版完整PRD，包含全量功能模块清单、各模块核心能力、技术亮点、落地难点。我仅需基于专业经验微调：删减冗余非必要功能、补充核心业务场景、优化演示适配逻辑，几轮迭代后便敲定最终版PRD。

这份PRD最核心的价值，是精准定位了项目痛点与解决方案：作品集项目的核心矛盾是「功能太简单无亮点，功能太复杂难落地」，最终敲定「功能完整闭环、轻量化部署、重点模块深挖」的核心思路。

同时，PRD 精准划分了三类核心用户角色，全覆盖真实企业HRM使用场景，让项目完全贴合实战逻辑，而非凭空造功能：

角色	使用频率	核心诉求
HR 管理员	高	批量处理人事、考勤、薪资业务，提升办公效率
部门经理	高	快速审批员工申请、查看团队人员与考勤数据
普通员工	高	便捷打卡、快速发起审批、查看个人薪资考勤

基于角色定位，PRD 梳理出 8个核心用户故事，串联起员工入职、考勤打卡、请假加班、审批流转、薪资核算的完整业务闭环，让所有功能都围绕真实业务场景展开，无冗余无效功能。

2.2 项目核心逻辑：“不做什么”比“做什么”更重要

AI可以无限生成功能，但优秀的项目一定是做减法的结果。这也是新手做项目最容易踩的坑：贪多求全、堆砌功能，最终导致项目臃肿、漏洞百出、无法收尾。

Trae SOLO 初始生成的功能列表包含移动端App、多语言国际化、电子签章、财务系统对接等能力。这些功能本身无问题，但对于个人作品集演示项目而言，不仅非必需，还会大幅增加开发、部署、调试成本，偏离全栈技术展示的核心目标。

因此我最终明确了项目的功能边界，精准取舍：

明确包含的核心能力（聚焦全栈展示）

• 前后端分离标准架构

• JWT + RBAC 精细化权限模型

• 完整组织人事管理模块

• 员工全生命周期状态机流转

• 考勤规则配置和计算引擎

• 自定义薪资公式计算引擎

明确排除的冗余能力（规避复杂度）

• 移动端App：需额外适配移动端技术栈，偏离全栈Web项目展示核心

• 多语言国际化：演示项目单语言完全足够，无需额外开发成本

• 电子签章：依赖第三方服务，增加部署复杂度且无演示价值

• 第三方财务系统对接：无真实对接环境，无法验证落地效果

• 实时消息推送：WebSocket会增加系统复杂度，非核心业务刚需

• 复杂流程引擎：演示阶段统一为上级直接审批，后续可拓展Activiti实现

AI帮你罗列功能，而你需要定义边界。 懂得取舍、聚焦核心，是快速落地高质量项目的关键。

2.3 24项结构化任务，拆解5天落地全流程

敲定PRD与功能边界后，Trae SOLO 进一步将整体项目拆解为 4个核心阶段、24项可落地任务，每项任务明确优先级、依赖关系，彻底解决新手“不知道先做什么、后做什么”的开发混乱问题。

Phase阶段	阶段名称	核心交付成果
1	MVP核心搭建	项目基础框架、权限管理、组织人事、基础考勤能力落地
2	业务闭环完善	假期管理、加班管理、月度考勤汇总，完善核心业务流程
3	薪酬与招聘模块	薪资核算引擎、工资单生成、招聘全流程管理能力落地
4	数据优化收尾	数据可视化看板、全局性能调优、项目整体优化

基于四大阶段，细化出完整任务优先级体系，层层递进、有序落地：

优先级	具体任务	依赖前置条件
P0	项目基础框架搭建	无（项目地基）
P1	用户管理CRUD开发	基础框架搭建
P1	角色权限管理开发	用户管理功能
P1	数据权限精细化实现	角色管理功能
P1	组织岗位管理开发	无
P1	员工管理核心功能	无
P1	员工状态机流转设计	员工管理功能
P1	项目种子数据生成	无
P2	考勤组与班次管理	无
P2	假期规则管理	无
P2	请假审批流程开发	假期管理功能
P2	加班规则管理	无
P2	加班审批流程开发	加班管理功能
P2	日考勤自动计算引擎	考勤组、请假、加班功能
P2	月度考勤数据汇总	日考勤计算功能
P2	考勤日历前端组件开发	日考勤计算功能
P3	薪资科目管理	无
P3	薪资公式可配置引擎	月度考勤汇总、薪资科目管理
P3	自动工资单生成功能	薪资公式引擎
P3	招聘职位管理	无
P3	候选人信息管理	职位管理功能
P3	招聘数据看板	候选人管理功能
P4	全局数据可视化看板	所有核心业务模块
P4	项目整体性能优化	无

优先级逻辑清晰分层：P0是项目骨架，保障项目可运行；P1-P2填充核心业务，让系统从“能用”变“好用”；P3-P4作为加分优化项，提升项目亮点。即便时间紧张，优先落地P0-P2任务，即可完成完整可用的项目，有效避免新手开发“主次颠倒、无效耗时”的问题。

2.4 智能校验清单：规避人工遗漏，标准化验收

传统开发中，规范校验是最繁琐、最易遗漏的环节。比如：Controller是否添加注解、密码是否加密、分页参数是否规范、接口格式是否统一……24项任务逐一人工核对，耗时久、容错低，极易出现细节漏洞。

Trae SOLO 完美解决该问题：每个任务开发完成后，自动生成专属校验清单，逐条核对代码规范、业务逻辑、测试场景、格式要求，标注每一项的通过状态，无需人工逐行排查。

以考勤计算引擎开发为例，AI自动完成全场景校验：严格遵循TDD开发流程（测试先行→最小实现→重构优化），覆盖正常打卡、迟到早退、旷工缺卡、重复打卡、节日休假五大核心场景，配套完整测试用例与种子数据。

同时，AI会自动梳理各类边界场景、异常情况、并发场景，生成全面的单元测试方案，覆盖度远超人工构思。开发者仅需审阅优化，即可完成高质量测试覆盖。

这套机制将半小时的人工校验工作，压缩至5分钟内完成，不是AI替代决策，而是AI兜底细节，让开发更严谨、更高效。

2.5 五天落地的核心真相

必须客观说明：5天落地全栈HRM系统，并非AI“全自动写代码”，而是规划前置、规范统一、无返工迭代的必然结果。

传统开发的大量时间，都消耗在后期改架构、对齐接口、修正命名、补全规范上。而Trae SOLO 实现了“规范先行、规划前置”，写第一行代码前就确定了所有标准，从根源杜绝返工。

同时，这个高效成果有三个必备前提，也是所有人复刻该模式的核心关键：

1. 业务认知扎实：开发者需看懂、能审核AI生成的PRD与业务方案，及时修正不合理逻辑，避免业务漏洞；

2. 技术栈熟练：能够识别AI代码的细微逻辑问题、优化点，把控代码质量，不盲目依赖AI输出；

3. 持续专注落地：全程保持“审核-调试-验证”的闭环循环，稳步推进任务，不中断拖延。

第三部分：开发工具与环境配置

规划文档和任务拆解就绪后，接下来就是搭建开发环境。但这里的"环境搭建"远不止装JDK、起Docker这么简单，更关键的是，如何让Trae SOLO精准理解你的项目规范，确保AI生成的每一行代码都严丝合缝地融入现有架构。

3.1 基础运行环境

本次项目采用标准化全栈开发环境，配置简洁、通用、易复刻，适配绝大多数开发者本地环境：

工具	版本	用途说明
JDK	21	后端项目运行与编译环境
Node.js	22	前端项目运行、依赖安装与构建

3.2 Docker：统一可复用的开发环境

为彻底解决“本地环境不一致、部署报错、环境无法复用”的问题，本次项目全程使用Docker容器化管理基础设施，实现一键启动、环境统一、随时复原。

核心容器服务：

• MySQL 8.0.36：项目核心数据库，库名统一为 cloudhill_hrm，端口3306，数据持久化存储；

• Gogs：轻量自托管Git服务，本地私有化管理项目代码，无需依赖外网仓库，开发阶段代码流转更方便、高效。

3.3 核心重点：Trae SOLO 四层配置体系

Trae SOLO 的开发赋能核心，不在于工具本身，而在于Skills、Agents、MCP、Rules 四层联动的完整配置体系，这也是AI开发不跑偏、代码高质量、项目高落地率的核心秘诀。

第一层：Skills（专业技能包）——AI的领域知识库

Skills 是 Trae 的专属领域插件，相当于各技术栈的官方最佳实践手册。启用对应技能包后，AI 所有代码生成、方案设计都会严格遵循对应技术的行业规范，杜绝低级错误。本次项目共启用15个核心Skills，全覆盖前后端开发、测试、文档、代码审查全流程：

Skill名称	核心作用
brainstorming	项目初期需求头脑风暴、功能拓展与方案构思
prd	标准化生成项目PRD文档、用户故事、功能规范
java-springboot	遵循Spring Boot官方最佳实践开发后端代码
springboot-patterns	规范后端架构设计模式、代码分层逻辑
springboot-security	标准化实现权限认证、安全加密、接口防护
mysql	遵循MySQL最佳实践设计表结构、索引、查询语句
java-junit	统一JUnit5单元测试规范，生成标准化测试用例
ui-ux-pro-max	优化前端UI界面、交互逻辑、用户体验
frontend-design	规范前端项目结构、组件开发逻辑
vue3	遵循Vue3官方规范开发组件、组合式API
element-plus-vue3	规范Element Plus组件使用，避免API调用错误
git-commit	规范Git提交日志，保证版本迭代清晰
tdd	强制执行测试驱动开发流程，保障代码健壮性
TRAE-code-review	自动代码审查、漏洞检测、规范校验
find-skills	自动匹配项目所需技能包，补全能力短板

第二层：Agents（专项智能体）——AI的分工团队

Agents 是专项任务专家，不同智能体对应不同开发领域，复杂任务自动匹配对应专家处理，避免单一模型适配所有场景的短板，实现专业化分工协作。本次项目启用4个核心智能体：

Agent名称	专业能力
SOLO Agent	默认通用智能体，负责常规任务统筹、需求拆解、整体推进
Backend Architect	后端架构专属智能体，负责API设计、数据库建模、架构规划、复杂业务逻辑设计
Frontend Architect	前端架构专属智能体，负责组件设计、状态管理、页面适配、性能优化
UI Designer	UI专属智能体，负责界面规范、组件样式、交互逻辑、视觉优化

以薪资公式引擎开发为例：指令下达后，Trae 自动唤醒 Backend Architect，并非直接堆砌代码，而是先完成需求分析、方案设计、流程梳理、多方案对比，确认最优解后再编码落地，完全贴合资深开发者的工作思路。

第三层：MCP（模型上下文协议）——AI的执行能力

如果说Skills是知识、Agents是大脑，那MCP就是AI的手脚与感知器官，让AI从“只会聊天”升级为“可实操落地”。本次项目启用三大核心MCP工具：

MCP名称	类型	核心作用
Chrome DevTools	操作型	自动化浏览器测试，支持页面打开、元素检查、截图、报错排查
Sequential Thinking	思考型	分步拆解复杂业务问题，避免浅层输出、逻辑漏洞
Memory	认知型	跨对话长期记忆，永久留存项目规范、特殊需求、接口规则

补充说明：Trae 单智能体最多可同时启用40个工具与MCP，实际开发中需根据项目复杂度合理配置，避免资源冲突与性能损耗。

第四层：Rules（项目规范）——AI的开发宪法

项目根目录下 .trae/rules/项目规范.md 是整个项目的开发准则，相当于项目“宪法”，定义了所有开发硬性标准：

• 明确所有技术栈精准版本号，杜绝版本混乱；

• 强制MVC三层架构分层规范，统一代码结构；

• 约束Controller注解、API文档注解、统一响应体格式；

• 强制执行TDD测试驱动开发、密码加密、分页、事务处理等全套规范。

核心价值：一次配置，全程生效。 无需每次对话重复叮嘱规范，AI每次编码都会自动读取规则，全程统一标准、零偏差。用Trae开发项目的核心，不是Prompt技巧，而是一套让AI不跑偏的规范体系。

3.4 全链路工具链全景

整合基础环境、Docker服务、Trae四层配置体系，形成一套完整、标准化、可复刻的AI全栈开发工具链路，实现从规划、设计、编码、测试、校验、优化的全流程闭环。

结尾

本次项目开发的最大收获，是彻底完成了开发角色的转变：从传统的“代码搬运执行者”，升级为“项目架构决策者”。

AI彻底承接了重复、繁琐、标准化的基础编码与校验工作，让开发者无需纠结逐行代码的拼写与规范，能够聚焦更核心的工作：系统架构设计、业务逻辑梳理、技术方案优化、项目亮点打磨。

工具只是赋能手段，核心依旧是开发者的技术认知与业务思维。AI可以提速落地，但项目的高度，永远由开发者的决策能力决定。

整套工具链、规范体系、任务规划已全部落地完毕，下一篇将深度拆解项目核心架构决策，带你看懂AI辅助下的企业级项目架构落地思路。

下一篇预告：《Trae 帮我做了哪些架构决策》