在Markdown写作中，手动处理图片是效率的巨大瓶颈。通过AI编程助手Trae，可以为VS Code开发一款插件，实现截图自动上传至GitHub图床，并结合Sharp库进行无损压缩，体积可降低70%以上。这彻底优化了从截图到插入链接的工作流，显著提升写作效率。
智能速览
GitHub图床仓库需设为公开，并配置具有repo权限的个人访问令牌。
向AI下达指令时，精准限定任务范围和预留配置接口是关键。
先引导AI进行技术选型与方案设计，再编码，能大幅提升代码质量。
集成Sharp库，可实现对图片超过70%的无损压缩，提升加载速度。
插件支持灵活配置，可自定义压缩质量或触发压缩的文件大小阈值。
这套开发流程的核心价值在于掌握了“先让AI思考，再让AI编码”的协作逻辑。
精华内容
告别繁琐的手动传图，探索如何借助AI编程助手，打造一个高度自动化的VS Code图床插件，让写作体验行云流水。
前期准备
要将GitHub作为图床，首先需创建一个专门的公开仓库，私有仓库会导致图片在外部无法访问。接着，在GitHub开发者设置中生成一个个人访问令牌，权限必须勾选repo范围，否则插件将无权写入仓库。此令牌仅显示一次，务必立即复制并妥善保管，后续配置全靠它。
精准指令
利用AI编程助手Trae开发时，提示词的质量直接决定了产出代码的质量。指令应具体、明确，引用需求和架构文档，并严格限定代码修改范围，防止AI改动无关模块。同时，应要求AI预留配置接口，例如当前仅对接GitHub，但结构上支持未来扩展至其他图床服务，这是良好的工程思维体现。
方案先行
当直接要求AI实现图片压缩时，可能会因技术选型不明确而陷入困境。正确的做法是开启新对话，先引导AI进行技术选型，让它先扮演技术顾问的角色。AI会调研主流压缩库，对比其性能与稳定性，最终确定Sharp库为最优解。这种“先设计，后编码”的模式，确保了技术方案的可靠性。
压缩效能
方案确定后，AI编码过程十分顺利。它不仅实现了压缩逻辑，还在插件配置中增加了压缩质量和大小阈值的开关，使工具更具灵活性。实测一张931KB的官网截图，经插件自动压缩并上传后，体积降至275KB，压缩率超过70%，在肉眼无画质损失的前提下，极大提升了博客图片的加载速度。
流程闭环
功能开发完成后，一个重要的收尾工作是同步文档。直接让AI将新增的压缩功能更新至需求文档和技术架构中，确保代码与文档的一致性，为日后的维护与迭代打下坚实基础。至此，一个功能完备、文档同步的图片自动化处理流程就全线打通了。
这套流程的核心价值在于掌握了与AI高效协作的正确逻辑：先让AI思考与设计，再执行编码任务。这种模式能极大提升复杂工程的开发效率与质量，为自动化工具的开发提供了新思路。
