字节跳动技术副总裁首度开源与Trae合作项目，AI开发水平如何引发热议？

在 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。根据公开资料，TRAE 的两个核心功能「代码补全」和「局部代码生成」可以在编码过程中，根据上下文自动推测和补充代码，从而提升编程的效率。

此外，TRAE 还实现了「自然语言编程」，这并不仅仅是指产品经理用自然语言描述功能后由 AI 开发的过程。「积流成江」APP 的开发依然是由工程师主导的，更多聚焦于编码逻辑和技术方案。一个 300 行的功能实现，可能只需 200 字的方案描述。

值得注意的是，底层模型出色的代码处理能力是此次开发顺利完成的重要因素。本次 TRAE 所采用的 doubao-dev 模型，正是基于字节跳动最新发布的豆包 1.6 系列模型。TRAE 团队在豆包 1.6 的基础上，进行了针对工程开发场景的进一步训练。

据字节跳动的说法，近期 TRAE 的用户们应该已经收到了最新的豆包 1.6 更新，相信这将进一步提高开发效率。

有使用过的朋友们，能分享一下体验吗？如何看待当前 AI 开发的水平？

创造一个 AI 编程的产品，并通过这个产品进行 AI 编程，这样的体验如何？

未来的 AI 开发将呈现怎样的模式，开发者与 AI 的结合又能激发出多大的创造力？

或许字节跳动研发负责人洪定坤能为我们解答这些问题。

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

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

更令人惊讶的是，洪定坤表示此次开发中约有 85% 的代码是通过自然语言对话生成的，尽管在这三天内他还面临公务繁忙的情况。

他所使用的工具就是字节跳动研发的 TRAE——一款 AI 原生的集成开发环境，名称源自 The Real AI Engineer 的缩写。

在技术层面上，「积流成江」是一个基于 Hertz 和 Kitex 框架构建的单词学习和语言处理微服务系统。

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

组件调用关系

对技术高管与 AI 合作编写的代码的质量感兴趣的读者，可以直接访问 GitHub 进行查看。

三天内完成一个上线产品

在以往，开发一个像「积流成江」这样的应用，可能需要几周甚至一个月的时间。

然而，洪定坤通过个人实践证明，目前的 AI 编程完全可以使用「自然语言」迅速完成一个项目。

想象一下，一场重要的发布会（火山引擎 Force 原动力大会）即将在几天后召开。

作为技术副总裁，洪定坤需要在会上展示公司在 AI 编程领域的核心产品——TRAE。

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

但他觉得，这样还不够。

「怎样才能让大家 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 会更加生动、真实。」他这样想。

真实的体验最为重要。

洪定坤表示，自己在工作中有学英语的需求，但传统的单词学习软件存在两个问题：

1. 学习的单词与工作中实际使用的单词脱节。

2. 工作中需要的单词缺乏合适的练习场景。

如何解决这些问题呢？

如今，大模型，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融合在一起呢？

于是「积流成江」便应运而生。

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文本介绍。

生成的文本中还自动对一些特定的、需要学习的英文单词进行了划线标注。

值得注意的是，这一功能是借助字节的另一款产品 Coze 智能体实现的。

洪定坤提到，自己已经有段时间没有在一线写代码，感觉「有点生锈」，但在 TRAE 的辅助下，他在短短 3 天内便开发出了一个高完成度的英语学习应用。

在这个过程中，关键在于洪定坤大多数时间使用编程逻辑的 「自然语言」 来实现过去的工程开发过程。

用他的话来说：

一个 300 行的代码功能，或许只需 200 字的方案描述。

这个产品并非仅是个 Demo，已经正式上线，体验地址为：https://sstr.trae.com.cn

经过全流程体验后，我们很难相信这是一个只花了 3 天时间制作的产品，完成度几乎达到了 100%：

• 集成了聊天界面，能够主动定位和制定学习语料
• 自动识别对话中的英文单词
• 点击英文单词可切换到学习模块
• 轻松将单词纳入学习集
• 还具备复习功能，从发音、释义、单词拼写等方面强化学习

「积流成江」如何帮助你背单词？

「积流成江」这款产品的复杂性究竟有多高？为何洪定坤在 Force 大会上对此给予了重点介绍？

实际上，主要是通过这款产品的复杂度，可以展现 目前 AI 编程已演变到何种程度。

「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大模型进行互动。

生成特定学习文本。

在生成的内容中，「积流成江」会将特定单词用下划线标记，用户点击后即可访问单词卡。

AI 编程的崭新未来：字节跳动如何引领变革

在单词卡功能中，用户可以轻松设定学习目标，点击「添加」按钮后，便可将其纳入学习选项卡。

启动复习后，用户将进入学习界面，界面内包含多种工具，能够有效帮助用户巩固词汇，例如通过补全单词或选择其中文释义。

在使用过程中，「积流成江」的一个显著优势在于，它将大模型的强大能力融入到英语学习的流程中，用户可以根据个人兴趣自定义学习材料，从而极大提升学习的动力。

例如，如果我希望学习与显卡相关的知识，我可以指示积流成江生成关于显卡的英文文本，看到屏幕上充满 RTX 4090 的字眼，真的是大大增强了我的学习兴趣。

同样，根据工作需要，也可以快速生成相关的学习内容。

字节跳动为何坚定进军 AI 编程领域？

今年，AI 编程的热潮使得国外产品如 Cursor、Copilot 和 Windsurf 等迅速崛起，那么国内是否有相应的产品呢？

答案是肯定的！这就是 字节在年初推出的 TRAE。

作为一家技术研发占比极高的公司，字节的研发效率直接影响着整体运营效率。

洪定坤提到，他们在 AI 编程领域的探索已有一段时间，早在 GPT-3.5 发布时便意识到这可能是大模型应用的一个重要方向。

因此，TRAE 的含义是「真正的 AI 工程师」，象征着 AI 大模型将为编程领域带来深刻变革。

尽管最初大模型在完成编程任务方面的能力有限，但在过去不到一年的时间里，其演变速度超出了所有人的预期。

底层模型如 GPT-4.1、Gemini 2.5 Pro、Claude Opus 和 DeepSeek-R1-0528 等，在编码能力上都取得了显著突破。

与此同时，字节在火山引擎 Force 原动力大会上发布的豆包大模型 1.6，也在编程能力方面有了显著提升。

这些进展让 AI 编程实现落地的可能性大增，并可能引发编程领域的范式革命——正如洪定坤所说，用自然语言完成一个真实可用的工程项目。

首先，TRAE 具备「代码补全」和「局部代码生成」这两大核心功能，能够在编写代码时，根据上下文自动推测并补全代码，从而提升编程效率。

其次，TRAE 实现的「自然语言编程」并非简单的「产品经理描述功能，然后让 AI 开发」。

积流成江 APP 的开发过程依然是典型的工程师主导，除了功能外，更多的是关注编码逻辑和技术方案本身。

更重要的是，底层模型的能力提升，极大地提高了 TRAE 的开发效率。

洪定坤表示，他们希望通过 TRAE 实现几个重要目标：

· 技术普及，AI 让每个人都能成为开发者

每次重大技术革命都是一次巨大的筛选过程。

在上一次互联网数字革命中，编程语言作为计算机历史上的一项伟大发明，以简洁而优雅的语法和语义规则，清晰地定义了指令，使得计算机能够执行各种任务。

无论技术如何进步，字节始终相信，代码仍将是未来最重要的工具，使计算机能够完成复杂任务。

代码是数字世界的核心生产力工具，而 AI 的出现前所未有地 降低了人们掌握代码的门槛。

· 提升研发效率

认真开发工具，对公司和开发者个人而言，都具有重要意义，能够显著提高工作效率。

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

同样，相当比例的代码是由 AI 生成的。

· 追求智能的极致

字节在开发大模型的过程中，最重要的任务之一是 追求智能的上限。

编程作为一种高度结构化、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都有很高的要求，能够有效助力模型智能上限的探索。

因此，帮助更多人掌握代码以完成复杂任务，提升专业工程师的工作效率，以及促进模型智能的进一步发展，正是洪定坤与他的团队决定认真从事 AI 编程的原因。

通过积流成江，洪定坤向我们展示了什么是真正的 AI 原生开发模式。

在 TRAE 的支持下，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。