字节跳动技术副总裁首度开源与Trae合作项目，AI开发现状如何？

6 月 19 日，字节跳动的研发负责人洪定坤宣布了与 TRAE 合作的首个开源项目。根据公开的信息，该项目包含 TRAE 的两个基本功能：「代码补全」和「局部代码生成」。这两个功能能够根据编程时的上下文自动推测和补全代码，从而显著提高编程的效率。

此外，TRAE 还实现了「自然语言编程」的功能，这并不仅仅是「产品经理描述需求后，让 AI 进行开发」。在开发「积流成江」这个应用时，依然遵循传统的工程师开发流程，更多关注编码逻辑和技术方案。一个 300 行的功能模块，可能只需 200 字的方案描述。

值得一提的是，底层模型的强大能力也是项目顺利完成的关键之一。此次开发中使用的 doubao-dev 模型，正是基于字节跳动新发布的豆包 1.6 系列。TRAE 团队在此基础上，针对工程开发场景进行了进一步的训练。

根据字节跳动的说法，TRAE 的用户在最近几天应该已经获得了豆包 1.6 的最新版本，相信这将进一步提升开发效率。

有体验过的朋友能否分享一下你的看法？你如何评价当前 AI 开发的水平？

创造一款 AI 编程工具，并通过该工具进行 AI 编程的体验究竟如何？未来的 AI 开发模式会是什么样，开发者和 AI 的结合能迸发出多大的创意？也许字节跳动的研发负责人洪定坤能够为你解答。

最近，他开源了自己利用 AI 编程完成的第一个项目——一款英语学习应用「积流成江」（Streams to River）。

GitHub 链接：https://github.com/Trae-AI/stream-to-river

更令人惊讶的是，洪定坤表示，这次开发的 85% 代码是通过自然语言对话生成的，尽管他在这三天内还被繁忙的公务所困。

他所使用的工具正是字节跳动开发的 TRAE，这是一款 AI 原生 IDE，名称源自“The Real AI Engineer”的缩写。

从技术角度来看，「积流成江」是基于 Hertz 和 Kitex 框架构建的微服务系统，专注于词汇学习和语言处理。

它提供了包括用户认证、单词管理、复习进度跟踪、实时聊天、语音识别和图像转文本等功能模块的完整解决方案。

该系统采用前后端分离的架构，主要分为 API 服务层、RPC 服务层、数据访问层和智能处理层。

系统架构图

组件调用关系图

技术高管与 AI 合作编写的代码到底达到了什么样的水平？感兴趣的读者可以直接前往 GitHub 查看相关内容。

三天内「写」出一个上线产品

过去，开发一个类似于「积流成江」的应用，通常需要几周甚至一个月的时间。

然而，洪定坤通过亲身实践证明，现今的 AI 编程可以通过「自然语言」迅速完成项目。

想象一下，一场重要的发布会（火山引擎 Force 原动力大会）即将举行，而在几天内，作为技术副总裁的洪定坤需要向大家展示公司在 AI 编程领域的核心产品——TRAE。

他可以准备一份精美的 PPT，详细列出各种数据和功能，向大家展示这个工具的强大之处。

但他认为，这样的方式还不够。

于是他心想：「如何才能让大家 真正体验到 AI 编程的魅力呢？」

「或许，作为一名开发者和用户，分享自己使用 TRAE 的过程，会更生动、真实。」

真实的体验才是最重要的。

洪定坤提到，他在工作中有学习英语的需求，但传统的单词学习软件存在两个问题：

1. 学习的单词与实际工作中使用的单词脱节。

2. 工作中需要的单词缺乏合适的练习场景。

那么，如何解决这些问题呢？

正好，当前的大型模型，例如字节的豆包，可以很好地与我们进行对话。

因此，将这两种功能结合在一起的想法便应运而生。

于是，「积流成江」就诞生了。

在大会上，洪定坤现场演示了如何通过「语音」指令让「积流成江」生成一段关于火山引擎的介绍文本。

生成的文本中，还会自动对特定的需要学习的英文单词进行下划线标记。

值得注意的是，此功能依赖于字节的另一款产品 Coze 智能体实现。

洪定坤表示，他已经很久没有在一线编码，「有些生疏」，但在 TRAE 的帮助下，他仅用三天时间便开发出了这样一个高完成度的英语学习应用。

在整个过程中，最关键的是，洪定坤主要通过编程逻辑的 「自然语言」 来实现以前的工程化开发流程。

用他的话说：

一个 300 行代码的功能，或许只需 200 字的方案描述。

这个产品不仅仅是一个简单的演示，它已经上线，体验地址为：https://sstr.trae.com.cn

我们在全流程的体验中发现，难以相信这是在短短三天内完成的产品，其完成度几乎达到 100%：

• 融入了聊天界面，可以主动确定和制定学习内容。
• 能够自动定位对话中的英文单词。
• 点击英文单词可切换到学习模式。
• 轻松将单词收录在学习集中。
• 提供复习功能，涵盖发音、释义、拼写等多方面的学习支持。

积流成江如何帮助你记单词？

这款应用的复杂性有多高，为什么洪定坤在 Force 大会上特别强调介绍？

其实，主要是通过这款产品的复杂程度来展示AI 编程的进化程度。

「积流成江」设有两个页面选项卡。

第一个选项卡集成了豆包的大模型能力，用户可以通过文字和语音与模型互动。

生成特定的学习文本。

在文本生成后，「积流成江」会对特定单词进行下划线标注，点击后可打开单词卡片。

探索 AI 编程新纪元：字节的 TRAE 如何改变开发方式

在单词卡的设计中，学习目标已经设定好，用户可以轻松通过点击「添加」按钮将内容纳入学习选项卡。

一旦选择开始复习，学习界面就会呈现出多种功能，帮助用户巩固单词记忆，例如单词的补全和对应中文释义的选择。

在使用「积流成江」时，最令人愉悦的一点是，通过引入大模型的能力，学习英语的过程得以高度个性化，用户可以根据自己的兴趣选择学习文本，从而显著提升学习的积极性。

例如，若我希望了解显卡的知识，便可以请求「积流成江」生成相关的英语内容，看到满屏的 RTX 4090，确实极大地激发了我的学习热情。

同样，用户也能围绕工作需求定制生成相应的文本。

字节为何坚定投入 AI 编程领域？

今年，AI 编程热潮催生了国外 Cursor、Copilot 和 Windsurf 等众多创新产品，那么国内是否也有相应的竞争产品呢？

答案是肯定的！那就是 字节在年初推出的 TRAE。

作为一家重视技术研发的企业，字节的研发效率直接影响着公司的整体运行效率。

洪定坤提到，他们在 AI 编程方面的探索已有一段时间，自从 GPT-3.5 问世，他们就意识到这可能是大模型的一个极具潜力的应用领域。

因此，TRAE 的名称寓意为「真正的 AI 工程师」，象征着 AI 大模型将带来编程领域的重大变革。

起初，尽管大模型的能力尚不足以胜任复杂的编程任务，但在过去不到一年的时间里，其进化速度超出了所有人的想象。

如 GPT-4.1、Gemini 2.5 Pro、Claude Opus 和 DeepSeek-R1-0528 等底层模型在编码能力上都取得了显著的突破。

此外，字节在火山引擎 Force 原动力大会上发布的豆包大模型 1.6 在编程能力上也取得了重要进展。

这些进展让 AI 编程的实际应用成为可能，并有望引发编程领域的一场范式革命——就如洪定坤所述，利用自然语言实现真实的可用工程项目。

首先，TRAE 具备两个核心功能：「代码补全」和「局部代码生成」，能够在编写代码的过程中，基于上下文智能推测并补全代码，从而提升编程效率。

其次，TRAE 所实现的「自然语言编程」，并非仅仅是「产品经理描述需求，然后让 AI 来开发」的简单模式。

「积流成江」的开发过程依然遵循工程师主导的模式，除了功能外，更加关注编码逻辑和技术方案本身。

更值得一提的是，底层模型能力的提升，使得 TRAE 的开发效率得到了质的飞跃。

洪定坤表示，他们推动 TRAE 发展的初衷有几个重要愿景：

· 技术普及，让每个人都能成为开发者

每一次技术革命都是一次筛选。在上一次互联网数字革命中，编程语言作为计算机历史上的伟大发明，以简洁优雅的语法和语义规则，明确指令，驱动计算机完成各种任务。

无论技术如何演进，字节始终相信，代码是未来最重要的、也是唯一的工具，能够让计算机执行复杂任务。

代码是数字世界的基础生产力工具，而 AI 的出现前所未有地 降低了大众掌握代码的门槛。

· 提升研发效率

认真打磨开发工具对于公司和个人开发者都极具意义，能够显著提升工作效率。

如今，在字节跳动内部，超过 80% 的工程师正在使用 TRAE 等产品来辅助开发。

同时，也有 相当比例的代码是通过 AI 生成的。

· 追求智能的极限

最后，字节在大模型领域的工作，其重要使命之一就是 追求智能的上限。

编程作为高度结构化且逻辑严谨的任务，对模型理解复杂语义结构、逻辑推理、算法设计和精确表达要求极高，这将有效推动模型智能水平的提升。

因此，帮助更多人掌握代码以完成更复杂的任务、提高专业工程师的工作效率，并助力模型追求更高的智能上限，是洪定坤和他的团队全力以赴做 AI 编程的原因。

洪定坤通过「积流成江」向我们展示了真正的 AI 原生开发新范式。

在 TRAE 的助力下，或许每个人都有机会成为「真正的 AI 工程师」。

AI 编程的未来，或许已经悄然降临。