TRAE：从代码创造到软件诞生的精彩旅程

探索TRAE：让AI助力软件开发的新方式

资料来源：火山引擎-开发者社区

在6月12日的「2025春季火山引擎FORCE原动力大会-开发者主论坛」上，字节跳动的开发工具TRAE的负责人进行了主题演讲，分享了《TRAE：从代码生成到软件生成的跨越》。
演讲中，TRAE被介绍为“真正的AI工程师”，旨在通过AI技术帮助全球开发者提升研发效率，推动软件创新。它将产品、工程和模型有机结合，提供代码补全和局部代码生成等核心功能；支持自然语言开发，能够完成代码重构、批量修改和知识问答等复杂任务；同时，开发者可以在“AI主导”和“AI辅助”之间自由切换，找到最适合自己的协作方式。
自今年1月发布以来，TRAE的月活跃用户已经超过100万；接下来的版本将整合不同的智能代理和工具，协调任务流程，实现自动化操作，逐步升级至支持AI全流程开发。
以下是演讲的详细内容：

在演讲现场，石扬说道：大家好，我是石扬，负责字节跳动的开发者工具TRAE。今天能在这里与大家分享TRAE，我非常高兴。今天的主题可以归结为两个关键词：代码和软件。它们是互联网时代繁荣的基石，而在AI快速发展的今天，它们正迎来新的跃迁。
让我们把时间拨回到计算机刚诞生的那会儿，看看“写代码”是如何一步步演变到今天的。

回顾编程语言的发展历程，其实就是一部不断追求抽象与简化的历史。同样的功能，用汇编语言可能得写2000行，C语言只需500行，而用Python可能只要100行。
随着编程门槛的降低，程序员的数量也呈指数级增长：1990年全球程序员还只有几百万，到了2023年，GitHub上的注册开发者已超过1亿。每一次代码的抽象升级，都是围绕着更少的代码、更高的效率和更多的参与者展开的。如今，AI编程正在酝酿下一次飞跃，通过自然语言生成代码、自动补全逻辑、智能调试等方式，让“写代码”不再是少数人的特权，而是更多人实现创意的工具。这不仅是生产力的飞跃，也是对开发者边界的重新定义。

TRAE：真正的AI工程师
我们的团队愿景是：通过AI的力量帮助全球开发者提升研发效率，推动软件创新。我们想要构建的不仅仅是一个强大的AI编程工具，更是每位开发者的智能协作伴侣——一个真正的AI工程师。
我们设想的AI工程师，不仅能编写代码，还具备自主理解、思考、优化和协作的能力。不再只是执行指令的工具，它能分析需求、优化方案、提供智能建议，并通过持续学习适应开发者的习惯，实现真正的人机深度协作。
这就是TRAE名称的由来——The Real AI Engineer，它不仅是一个AI集成开发环境，更是一个能与人类协作的AI工程师。就像织布机解放了织工的双手，TRAE也想让开发者摆脱重复的键盘敲击，让他们能更专注于架构设计和产品创新。

在AI时代的应用
我们认为，一个优秀的AI集成开发环境是产品能力、工程能力和模型能力的有机结合。
产品必须能“听懂人话”，才能真正参与协作。在TRAE中，我们不是通过输入命令或点击按钮来操作AI，而是建立了一种“目标驱动”的交互模式：开发者可以用一句自然语言描述目标，AI就能生成文件结构、拆分模块、补全代码，甚至自动创建UI页面。
要完成开发任务，AI需要具备执行细节的能力：比如如何拆分目标、任务之间如何衔接、流程卡住时如何中断与恢复。在TRAE中，我们建立了一个底层任务调度框架，支持智能代理并行执行、异步控制、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”，AI会将任务拆分为“页面生成”、“权限配置”和“数据库建表”等子任务，并按顺序调度执行，如果中间出现失败，还能自动回滚或重试。
所有交互和执行的基础，依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，这些都影响着AI对用户意图的把握和对复杂上下文的处理深度。比如，当你给AI一段业务逻辑，要求“换一种更高效的实现方式”，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存在的，而是相辅相成的：就像人类一样，模型能力是理解问题的大脑，工程能力是执行任务的肌肉，而产品能力则是与人交流的语言。TRAE正在努力将这三者结合，让“懂意图、会思考、能动手”的AI成为现实。

自动补全 – cue
我相信今天有很多线上线下的TRAE用户，同时也有不少第一次听说TRAE的朋友，因此我想借此机会介绍一下TRAE的核心场景和功能。
第一个场景是代码补全，我们的产品功能叫“cue”，中文意思是“提示”。在这个版本之前，我们只支持代码片段的补全，而在新版本中，我们增强了预测下一个补全位置和连续补全的能力。简单来说，cue就是当某段代码发生变更后，AI会预测下一次变更，用户可以通过按TAB键接受补全。对于专业程序员来说，这个功能非常重要，也是让程序员更容易进入编程状态的一项关键功能。接下来，我们通过一个视频来展示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。用自然语言方式开发，让AI成为你的开发伙伴。
首先，你可以把TRAE看作是非常理解你项目的代码专家。
TRAE能够精准理解你的代码仓库和IDE中的各种信息。每一次对话输出，都经过深度分析和思考，以确保结果的准确性和质量。
例如，当你在当前项目中需要新增一个需求时，传统方式需要调研方案并修改代码，而现在你只需让AI来处理，AI会根据需求理解项目和技术文档，提供最适合的解决方案。
你可以审查AI生成的结果，如果满意就应用到项目中，如果不满意可以继续提出要求，从而掌控整个项目的迭代过程。
可以说，如果cue是帮助程序员快速完成“我知道该写什么”的需求，那么自然语言编程则是提升用户在“不知道该怎么写”时的体验。
我相信很多程序员都听说过Stack Overflow这个网站，作为一名曾经的程序员，我常常会遇到报错或者需要使用新框架实现功能时，不知道如何入手，通常会在Stack Overflow搜索答案，但答案并不总是正确，我可能需要查看5到6个答案，然后把对应的答案手动粘贴到代码中，最后找到能运行的结果，有时甚至不得不请教其他程序员。而通过自然语言编程的能力，可以很好的解决这些问题。
接下来，我们将通过一个视频展示自然语言编程的能力。

人和AI的协作是动态的
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，在“AI主导”和“AI辅助”之间自由切换，找到最适合的协作方式。
你可以通过与AI的对话互动完成任务，同时在TRAE中引入了不同的智能体，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完成不同的代码任务。
例如，如果你想创建一个网页应用，可以调用前端智能体，对AI说一句简单的提示：“生成一个TODO List应用”。TRAE会设计相应的代码结构和代码风格，并解释代码的设计思路。
你能清晰地看到高亮展示的变化（diff），并轻松地将其应用到项目中。TRAE甚至可以在IDE内部执行终端命令，并将结果展示在内置网页预览中，帮助你实时调整和优化。如果你不满意，也可以迅速回溯修改历史，随时恢复到任何合适的版本。
顺便分享一些数字和TRAE团队的开发历程：我们去年6月发布了豆包MarsCode插件，今年1月发布了TRAE IDE海外版，3月推出了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，让VSCode和JetBrains的用户能获得与TRAE IDE用户相同的AI体验和开发效率。

标题：TRAE的进化之路：从代码生成到智能开发的未来

嘿，大家好！我这儿有三组数据想和你们分享。截止到5月份，TRAE的月活跃用户已经突破了100万，用户们已经生成了超过60亿行的代码，并且每天还有150万条询问记录。真是个庞大的数字吧！

说到AI编程和开发，今天我想跟大家聊聊一个字节内部同事的故事。他是一位产品经理，之前完全没有技术背景，甚至从未写过代码，也没独立完成过一个完整的App开发和上线工作。你能想象吗？他希望开发一款能拍照识别食物卡路里和营养成分的App。以前，这样的项目通常需要一个产品经理、一个设计师、前后端工程师加上运维人员的团队协作，而这次，他竟然独自一人从零开始把整个项目完成了！

他自己总结的工作流程非常全面，从最初的构思到产品运营计划，再到设计稿的完成、程序编写、测试、上线营销、客服支持和商业化变现，甚至还基于用户数据不断进行优化。

在这个过程中，他拆分了各个工作内容，比如用豆包进行战略分析和产品设计，利用即梦做UI和品牌设计，再用TRAE进行代码编写。每一步都有AI的帮助，让他能够独立完成。尽管AI的确能解决很多问题，但他也坦言，依然需要具备超强的执行力、丰富的想象力和好奇心，特别是在不同应用之间手动补充上下文的能力。毕竟，现在的AI能力还无法实现完全的端到端服务，沟通和理解如何使用AI仍然需要耐心。

说到这里，Open AI的一位知名首席科学家提到过“Vibe Coding”的概念，他说如果只是做案例，AI的能力可以很好地解决，但当需要上线应用时，过程就非常痛苦。他强调，人能够掌握所有上下文，灵活切换，但引入AI后，交互就需要更多的耐心。

实际上，现在无论是AI模型还是AI产品都还处于初级阶段，我们有很大的空间来提升用户体验，降低使用门槛。比如在这个案例中，我们开发软件的流程分散在不同产品和平台上。在前AI时代，开发者不断在各个系统之间切换、同步意图、消解误差，扮演着“流程调度者”的角色。而在AI时代，一个新问题是我们需要让AI参与到这个过程中，保持上下文在不同AI之间的流动，协调意图，以减少误差。

如果我们能围绕AI构建一个“工作空间”，而不是为每个工具都配备一个助手，而是把这些工具模块化、组件化，由AI来进行调度，让上下文在同一个空间中自如流动，用户通过与AI对话下达指令，AI执行命令并反馈结果，用户再给予反馈，这样AI与用户就能在同一个工作空间中共同完成任务。

最终，我们将从“将AI整合到工具中”转变为“将工具整合到AI中”。我们对TRAE进行了一次迭代，将其引入到这一理念中。接下来，让我们通过一段视频来看看TRAE在AI开发中的应用形态。

总结一下，正如视频中的产品演示，未来的产品将划分为两个主要区域：AI区和工具集区。乍一看，大家可能会觉得这不就是把TRAE的聊天界面从右边换到了左边吗？其实我们做了一些巧妙的设计。人类的视觉习惯是从左到右的，我们认为，随着工具的不断完善，用户与AI的互动将成为主要工作区域，所以把AI放在左边，工具则在右边。

未来，我们会不断整合更多的智能体和工具，也会与第三方共同构建智能体和工具集的生态。我们相信，对话将成为新的终端，用户输入的将不再是代码，而是任务目标和标准，AI会在统一的工作空间中理解、组织并交付结果。无论是从AI写代码到AI开发，还是工具增强到流程重构，这就是我们对未来开发形态的思考，希望大家能够和我们一起见证未来的到来。感谢大家对TRAE的喜爱与支持！