企业官网建设流程全解析

Trae 里跑 RAG+MCP 检索，模型通道可以先统一到 TaoToken：https://taotoken.net/?utm_source=taotoken_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 PostgreSQL，Trae 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. Trae+MCP 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_reader

Ubuntu 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。

2.2 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_PASSWORD@127.0.0.1:5432/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：

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/v1；https://taotoken.net/?utm_source=taotoken_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 URL，Trae 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 SQL

3.1 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 brand+price 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_source=taotoken_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_source=taotoken_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。