TRAE：从代码到软件的创新演变之路

资料来源：火山引擎 - 开发者社区

2023 年 6 月 12 日，在「2025 春季火山引擎 FORCE 原动力大会 - 开发者主论坛」上，字节跳动开发工具 TRAE 的负责人发表了主题演讲，题为《TRAE：从代码生成到软件生成的跨越》。
此次演讲全面介绍了 TRAE 的功能与愿景，TRAE 是“真实的 AI 工程师”（The Real AI Engineer）的缩写，旨在利用人工智能的力量帮助全球开发者提升研发效率，促进软件创新。TRAE 有效整合了产品、工程与模型，提供核心功能如代码补全和局部代码生成；同时支持自然语言开发，能够处理代码重构、批量修改和知识问答等复杂任务。此外，开发者可以在“AI 主导”和“AI 辅助”模式间灵活切换，以达到最佳的协作效果。
自今年 1 月推出以来，TRAE 的月活跃用户已突破 100 万；下一版本将整合多种 Agent 和工具，优化任务流程，实现自动化操作，逐步推进从 AI 辅助编程到支持全流程 AI 开发。
以下是演讲的详细内容：

石扬在演讲现场
大家好，我是石扬，负责字节跳动的开发者工具 TRAE。今天我非常高兴能在这个平台上与各位分享关于 TRAE 的内容。我的分享将围绕两个关键词展开：代码与软件。代码和软件构成了互联网时代的基石，而在人工智能的推动下，它们正迎来新的飞跃。
接下来，让我们回顾一下计算机发展的初期，看看“写代码”这一过程是如何逐步演变到今天的。

编程语言的发展史可以视为一部不断追求简化和抽象的历史。例如，相同的功能用汇编语言可能需要 2000 行，而用 C 语言只需 500 行，使用 Python 则可能仅需 100 行。
随着编程门槛的不断降低，编程者的数量也迅速增加：1990 年，全球程序员仅有百万级；而到 2023 年，GitHub 上的注册开发者已达过亿。每次代码抽象的更新，都围绕着减少代码量、提高效率和增加参与者展开。如今，AI 编程正酝酿着下一次飞跃，通过自然语言生成代码、自动补全和智能调试等方式，让“写代码”不再是少数人的专利，而是更多人实现创意的工具。这不仅是生产力的提升，更是对开发者边界的重新定义。

TRAE: 真实的 AI 工程师
我们的团队愿景是利用 AI 的能力，助力全球开发者提升研发效率，加速软件创新。我们希望通过构建智能的 AI 工程师来实现这一目标，不仅仅是更强大的 AI 编程工具，更是每位开发者的智能协作伙伴——一个真正的 AI 工程师。
我们构想中的 AI 工程师，不仅具备编写代码的能力，还能自主理解、思考、优化和协作。它不再是被动执行命令的工具，而是能分析需求、优化方案、提供智能建议，并通过不断学习适应开发者的风格，实现深度的人机协作。
这正是 TRAE 名称的由来——“真实的 AI 工程师”，它不仅是一个 AI 集成开发环境（IDE），更是能够与人类有效合作的 AI 工程师。就像织布机使织工摆脱重复的操作，TRAE 也旨在解放开发者，使他们能更专注于架构设计和产品创新。

AI 时代的应用
我们认为，一个优秀的 AI IDE 是产品能力、工程能力和模型能力的有机结合。
产品必须能够“听懂人类语言”，才能真正参与协作。在 TRAE 中，我们并不是通过输入命令或点击按钮来控制 AI，而是构建了“目标驱动”的交互模式：开发者只需用一句自然语言描述目标，AI 便能生成文件结构、拆分模块、补全代码，甚至自动新建 UI 页面。
要完成开发任务，AI 需要具备处理细节的能力：如何拆解目标？任务之间如何衔接？当流程卡住时该如何中断与恢复？在 TRAE 中，我们建立了一个底层任务调度框架，支持 Agent 并行执行、异步控制及中途回调与状态追踪。例如，当用户要求“生成一个管理后台并连接数据库”时，AI 会将需求分解为“页面生成”、“权限配置”、“数据库建表”等子任务，并按依赖顺序进行调度执行。如果在过程中出现失败，系统也会自动回滚或重试。
所有交互与执行的基础仍然是模型本身的智能能力，包括自然语言理解、结构化推理、代码生成和状态保持等，这些都决定了 AI 对用户意图的理解和对复杂上下文的处理能力。例如，当你向 AI 提供一段业务逻辑并要求“优化为一种更高效的实现方式”时，TRAE 的模型需要理解现有代码的功能意图、识别冗余，并生成语义等价的优化代码。
这三项能力并不是孤立的，而是相辅相成：就像人类一样，模型能力是理解问题的“大脑”，工程能力则是执行任务的“肌肉”，而产品能力就是与人沟通的“语言”。TRAE 正尝试将这三者结合，让“懂意图、会思考、能动手”的 AI 得以实现。

自动补全 – cue
我相信今天在线上线下有许多 TRAE 的用户，同时也有不少朋友是第一次听说 TRAE，因此我希望通过 TRAE 的最新版本介绍其核心场景和功能。
第一个场景是代码补全，我们的产品功能称为 cue，中文意为“提示”。在此版本之前，我们仅支持代码片段的补全，而在新版本中，我们增加了预测下一个补全位置和连续补全的能力。具体来说，cue 的功能是，当某处代码发生变更时，AI 会根据该变更预测下一次变更，用户只需按 TAB 键即可接受补全。这一功能对于专业程序员而言极为重要，也是帮助他们快速进入编码状态的关键之一。接下来我们将通过视频演示 cue 的能力。

用自然语言方式开发
让 AI 成为你的开发搭档
第二个场景是通过自然语言编写代码。借助自然语言开发，让 AI 成为你的开发助手。
首先，你可以将 TRAE 视为一个非常理解你项目和代码的专家。
TRAE 能够准确理解你的代码库以及 IDE 中的各种信息。每次对话输出均经过深入理解和思考，确保结果的准确性与质量。
例如，当你希望在当前项目中新增需求时，传统方式需要调研方案并修改代码，而现在只需让 AI 来处理，AI 会根据需求理解项目和技术文档，提供最合适的解决方案。
你可以审查 AI 生成的结果，如果满意就应用于项目中，如不满意则可以继续提出要求，确保对项目迭代过程的掌控。
如果说 cue 功能是帮助程序员解决“我知道写什么，但希望 AI 更快地帮我完成”的需求，那么自然语言编程则是提升用户“我不知道怎么写”的体验。
我相信许多程序员对 Stack Overflow 这个网站都不陌生。我曾是一名程序员，经常会遇到报错，或者需要使用新框架实现功能，不知从何入手。通常我会在 Stack Overflow 上搜索答案，然而答案并不总是准确，有时我需要查看 5 - 6 个答案，然后把对应的答案手动粘贴到我的代码库中，最终找到能运行的结果，甚至有时不得不向其他程序员求助。而通过自然语言编程的能力，可以有效解决以上场景。
现在我们将通过视频演示自然语言编程的能力。

人和 AI 的动态协作
在不同的开发场景中，开发者可以根据实际需求和自身能力，自由选择在“AI 主导”和“AI 辅助”之间切换，以找到最适合的协作方式。
开发者不仅可以与 AI 通过对话互动完成任务，TRAE 中还引入了多种智能体，每个智能体都集成了一个或多个 MCP。用户可以结合自定义的提示词，引用不同的上下文来实现多样的代码任务。
例如，若你希望创建一个网页应用，可以调用前端智能体，并对 AI 说出简单的提示词：“生成一个 TODO List 应用”。TRAE 会设计相应的代码结构与风格，生成项目代码，并解释代码的设计思路。
你可以清晰地看到高亮展示的变化（diff），并快捷地应用到项目中。TRAE 还能够直接在 IDE 内部执行终端命令，并将结果展示在内置的网页预览中，帮助你实时调整和优化。如果不满意，你也可以快速回溯修改历史，随时恢复到觉得合适的版本。
我想分享一些数字和 TRAE 团队的发展历程。
我们在去年的 6 月发布了豆包 MarsCode 插件，今年 1 月推出了 TRAE IDE 海外版，3 月发布了 TRAE IDE 国内版，4 月将豆包 MarsCode 插件升级为 TRAE 插件，同时产品能力也与 TRAE IDE 对齐，使得 VSCode 和 JetBrains 用户能够享受到与 TRAE IDE 用户相同的 AI 体验与开发效率。

截至 5 月份，TRAE 的月活跃用户数量已经突破了 100 万，用户生成的代码总量超过了 60 亿行，日均产生的用户查询更是达到 150 万条。这一系列数据彰显了 TRAE 在市场中的强大影响力。

从人工智能编程的探索，到软件开发的全面革新，今天我想分享一个来自字节内部的真实案例。这位来自字节的产品经理，虽然没有技术背景，且此前从未编写过代码，但他却成功地独立完成了一个关于拍照识别食物卡路里和营养成分的应用开发。

他总结了从构思到实际上线的完整工作流程，包括业务构思、产品运营规划、设计稿制作、程序编写、测试、部署上线、市场营销、客户服务以及商业化的全过程。这一系列步骤充分体现了他对项目的全面把握，并且他还基于用户反馈不断进行优化。

在工作中，他将不同的任务进行拆解，利用豆包进行战略分析和产品设计，通过即梦进行 UI 和品牌设计，并依靠 TRAE 来编写代码。得益于人工智能的强大支持，他能够独立完成这一切。然而，他也表示，虽然 AI 在很多方面给予了他帮助，但他仍需具备强大的执行力、丰富的想象力和好奇心，以及在不同应用间灵活切换上下文的能力。当前的 AI 技术尚不足以实现完全的端到端服务，用户需要与 AI 进行大量的互动，掌握如何有效使用 AI，并在不同上下文中进行切换。

OpenAI 的一位著名首席科学家曾提到 Vibe Coding，他指出，虽然 AI 在处理具体案例时表现出色，但在将应用上线的过程中却可能会面临“非常痛苦”的体验。因为人类可以灵活地在不同的上下文中转换，但当引入 AI 到软件生产流程时，用户需要与 AI 进行更多耐心的交流。

目前，无论是 AI 模型还是 AI 产品，仍处于发展的初期阶段，我们在提升用户体验和降低使用门槛方面还有很大空间。以他所开发的应用为例，我们可以看到，软件开发流程分散在不同产品和平台之间。在 AI 出现之前，开发者的角色往往是“流程协调者”，不断在系统之间切换、同步意图并消除误差。然而，在 AI 时代，我们需要让 AI 参与到这一过程中，确保上下文在不同 AI 之间流畅转移，意图得以同步，从而减少误差。

如果我们能围绕 AI 构建一个“工作空间”，不再为每个工具单独配置助手，而是将这些工具模块化、组件化，由 AI 进行调度使用，那么上下文将能够在同一空间内流动。用户可以通过与 AI 对话的方式发出指令，AI 执行命令并生成结果，用户随后进行审查并反馈，从而实现 AI 与用户的共同协作。

最终，我们的目标是从“将 AI 整合到工具中”，转变为“将工具整合到 AI 中”。在此过程中，我们对 TRAE 进行了迭代，进一步将其融入到这一理念中。接下来，我们将通过一段视频来展示 TRAE 在 AI 开发过程中的产品形态。

总结一下，正如视频中展示的产品演示所示，我们未来的产品将划分为两个重要区域：AI 区和工具集区。乍一看，似乎只是将 TRAE 的聊天功能从右侧移到左侧，但其实我们进行了深思熟虑的设计。人类的视觉习惯是从左到右，因此我们认为，随着工具的不断优化，与 AI 的互动将成为主要的工作区，因此 AI 被放置在左侧，而工具则在右侧。未来，我们将持续集成更多智能体和工具，并与第三方共同构建智能体和工具集的生态系统。

我们坚信，对话将成为新的交互终端，用户输入的将不再是代码，而是任务目标和标准。AI 将在统一的工作空间中理解、组织并交付结果。从 AI 编写代码到进行开发，从工具增强到流程重构，这正是我们对未来开发形态的思考。期待与大家共同见证这一未来，感谢大家对 TRAE 的支持与喜爱。