字节跳动技术副总裁与Trae合作首度开源项目，如何看待当前AI开发的进展？

在 6 月 19 日，字节跳动的研发负责人洪定坤公布了与 TRAE 合作的首个开源项目。根据公开的信息，

TRAE 的核心功能包括「代码补全」和「局部代码生成」，能够在编写代码时，依照上下文自动推断并完善代码，从而显著提高编程效率。

此外，TRAE 还实现了「自然语言编程」，这并不是简单的「产品经理描述功能，然后让 AI 开发」。在「积流成江」APP 的开发过程中，依然是工程师主导的开发方式，更多的是围绕编码逻辑和技术方案展开。一个 300 行的功能，通常只需 200 字的方案说明。

值得一提的是，底层模型强大的代码能力是此次开发顺利完成的关键。这一次所用的 doubao-dev 模型是基于字节跳动最新的豆包 1.6 系列进行构建的。TRAE 团队在此基础上，针对工程开发场景进行了深入训练。

根据字节方面的消息，TRAE 的用户在近日内已获得最新的豆包 1.6，相信这一更新将进一步提升开发效率。

对此，有没有使用过的朋友愿意分享一下？大家如何看待当前 AI 的开发水平？

创造一个 AI 编程产品，并利用这个产品进行 AI 编程到底是什么体验？

未来的 AI 开发模式将会是怎样的？开发者与 AI 的结合能激发出多大的创造力？

或许字节跳动的研发负责人 洪定坤 能为你解答这个疑惑。

不久前，他将利用 AI 编程完成的第一个项目——英语学习应用 「积流成江」（Streams to River） 进行了开源。

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

令人惊讶的是，洪定坤提到这次开发约有 85% 的代码是通过与 AI 的自然语言对话生成的，甚至在这三天内，他还因公务繁忙而抽不出太多时间。

他所使用的工具正是字节开发的 TRAE——一款原生 AI 集成开发环境，TRAE 的名称来源于“The Real AI Engineer”的缩写。

从技术角度看，积流成江是一个基于 Hertz 和 Kitex 框架构建的语言学习及处理微服务系统。

它提供用户认证、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。

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

那么，技术高管与 AI 共同编写的代码究竟处于什么水平呢？有兴趣的读者可以前往 GitHub 进行查阅。

三天内「编写」出一个上线产品

过去，开发一个像积流成江这样的应用，至少需要几周甚至一个月的时间。

但洪定坤的亲身实践证明，现在的 AI 编程已经可以通过「自然语言」迅速完成一个项目。

想象一下，即将举行的发布会（火山引擎 Force 原动力大会）只有几天时间。

作为技术副总裁的洪定坤，需要在会上分享公司在 AI 编程领域的核心产品——TRAE。

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

然而，他觉得这样还不够。

「如何才能让大家 真正感受到 AI 编程的魅力？」

「或许作为开发者和用户，分享自己使用 TRAE 的过程 能够让人更真实地体会到这一点。」他这样想着。

真实的体验才是最有说服力的。

洪定坤表示，他在工作中有学习英语的需求，但常规的背单词软件存在两个问题：

1. 学习的单词与工作生活中实际使用的单词脱节

2. 实际工作中所需的单词缺乏合适的练习场景

如何解决这些问题呢？

恰好现在的大模型，比如字节的豆包，能够与我们进行良好的对话。

那么，是否可以将这两种功能结合在一起呢？

因此，积流成江应运而生。

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

并且，生成的文本中还自动对需要学习的特定英文单词进行了划线标注。

值得注意的是，这一功能是通过字节的另一款产品 Coze 智能体实现的。

洪定坤提到，他已经有一段时间没有在一线写代码，觉得自己有些生疏，但在 TRAE 的帮助下，仅用 3 天就开发出了一个完成度极高的英语学习应用。

在这一过程中，最重要的是，他大部分时间都通过编程逻辑的 「自然语言」 来实现过去的工程化开发流程。

用他自己的话说：

一个 300 行的代码功能，可能只需 200 字的方案描述。

这个产品并非只是一个 Demo，实际上已经上线，体验地址为：https://sstr.trae.com.cn

我们在全流程体验后感受到，这个产品在短短 3 天内完成，几乎达到了 100% 的完成度：

• 集成了聊天界面，能够主动定位和制定学习内容
• 自动识别对话中的英文单词
• 点击单词可切换到学习分支
• 方便地将单词添加到学习合集中
• 还具备复习功能，涵盖发音、释义、拼写等多个方面，增强学习效果

积流成江如何帮助你背单词？

积流成江这款产品的复杂性有多高，为什么洪定坤在 Force 大会上特别提及？

其实，这主要是通过这款产品的复杂程度来展示 当今 AI 编程已经进化到了何种水平。

积流成江包含两个页面选项卡。

第一个选项卡集成了豆包的大模型能力，用户可以通过文字或语音与大模型互动。

生成特定的学习文本。

生成内容后，积流成江将特定单词用下划线标记，点击后即可打开单词卡。

AI 编程的未来：字节跳动如何引领新潮流

在单词卡中，用户可以设定学习目标，轻松通过“添加”按钮将其纳入学习选项卡。

一旦点击复习开始，学习界面便会呈现多种功能，帮助用户巩固记忆单词，例如自动补全和选择相应的中文释义。

在使用过程中，积流成江提供的最大便利在于其将大模型能力融入英语学习的流程，用户能够根据自己的兴趣定制学习材料，从而显著提升学习的积极性。

例如，若我希望了解显卡的相关知识，便可让积流成江生成与显卡相关的英文文本，看到诸如 RTX 4090 这样的术语，确实让我对学习充满了动力。

此外，还可以根据职业需求，生成相关的学习文本。

字节在 AI 编程领域的坚定投入背后原因

今年，AI 编程界催生了包括 Cursor、Copilot 和 Windsurf 等多个热门产品，国内是否也有对应的创新呢？

答案是肯定的！这正是 字节在年初推出的 TRAE。

字节作为一家重视技术研发的公司，其研发效率直接关系到整体企业的效率。

洪定坤提到，他们在 AI 编程方面的探索已经持续了一段时间，早在 GPT-3.5 发布时，就已经意识到这一领域是大模型的一个重要应用方向。

因此，TRAE 所传达的意思是“真正的 AI 工程师”，寓意着 AI 大模型将为编程领域带来实质性的变革。

尽管在初期，大模型的能力尚不足以高效完成编程任务，但在过去不到一年的时间里，其进展超出了所有人的预期。

例如，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突破。

字节在火山引擎 Force 原动力大会上发布的豆包大模型 1.6，同样在编程能力上有着显著的提升。

这些进展使得 AI 编程真实落地成为可能，并且可能引发编程领域的范式革命——就如洪定坤所说，利用自然语言完成一个真实且可用的工程项目。

首先，TRAE 具备两个基本功能：“代码补全”和“局部代码生成”，能够在编码过程中，依据上下文自动推测并补充代码，从而提升编程效率。

其次，TRAE 实现的“自然语言编程”并不只是简单的“产品经理描述功能，然后让 AI 开发”。

积流成江应用的开发过程仍然是工程师主导的，关注的更多是编码逻辑和技术方案的实现。

除此之外，底层模型能力的增强，也显著提升了 TRAE 的开发效率。

洪定坤表示，他们想要实现 TRAE 的构想有几个重要愿景：

· 技术普及，让每个人都成为开发者

每一次技术革命都伴随着巨大的筛选过程。

在上一次互联网数字革命中，编程语言作为计算机历史的一项伟大发明，凭借简洁、优雅的语法和语义规则，明确指令，完成各种任务。

而且，无论技术如何演进，字节始终相信，代码将是未来最重要，乃至唯一，能够让计算机完成各类复杂任务的工具。

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

· 提升研发效率

精心打造开发工具，对公司及开发者个人均有极大的意义，能显著提高工作效率。

目前，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，相当比例的代码也是通过 AI 生成的。

· 追求智能的极限

最后，字节在大模型研发中，最重要的任务之一是 追求智能的极限。

编程作为一种高度结构化、逻辑严密的任务，对模型理解复杂的语义结构、逻辑推理、算法设计和精确表达等方面提出了高要求，这对探索模型的智能极限具有积极推动作用。

因此，帮助更多人掌握代码，完成更复杂的任务，提升工程师的工作效率，以及推动模型追求更高的智能水平，正是洪定坤和其团队决定认真投入 AI 编程的重要原因。

洪定坤用积流成江向我们展示了真正的 AI 原生开发范式。

在 TRAE 的助力下，也许每个人都有机会成为“真正的 AI 工程师”。

AI 编程的未来，或许已经悄然来临。