TRAE 在英特尔技术创新与产业生态大会上，分享了 AI PC 如何参与内容创作。做漫剧或剪视频时，可以让云端模型负责生成与规划，再把超分、素材理解等步骤交给电脑上的模型。TRAE 用 Skill，也就是封装好的模型和工具调用能力，将两边接到同一套工作流程中，并给出了具体案例。#英特尔技术创新与产业生态大会#

以现场的一段漫剧演示为例，云端直接生成高分辨率版本消耗 108,900 Token，改成云端生成低分辨率版本、再交给本地超分，消耗降至 50,638 Token，约减少 53%。云端仍负责生成内容，补足分辨率的步骤由本地模型完成。只要超分后的画质满足成片要求，这一步就可以在电脑上处理。

视频剪辑也是类似的分法。现场用 30 段、每段约 20 秒的素材举例，在其抽帧和分析设置下，纯云端素材理解约消耗 90 万 Token。把解码、抽帧和 VLM 理解放在本地后，素材理解这一环节不再消耗云端 Token，云端继续负责故事编排。省下的是反复分析素材的开销，整条流程仍然需要云端参与。

要让用户用上这些本地模型，TRAE 用 Skill 封装了模型、运行时和调用方式，已上架 10 款 local Skill，覆盖语音转写、文字识别和图像生成等能力。驱动及基础运行时准备好后，通过 Skill 安装、调用工具链，可以少做不少手动配置。录音转写再整理到 Obsidian 的知识库，也是这样组合出来的用途。

目前各环节在哪执行，主要由固定工作流和 Skill 定义，自动路由还是后续方向。先把经常重复的步骤封装好，下次换一批素材直接调用，已经能省去重新搭工具的麻烦。