字节跳动的技术副总裁与Trae的首次合作项目开源了，AI开发水平究竟如何？来听听克里斯的看法！

6月19日，字节跳动的研发负责人洪定坤宣布了他们和TRAE合作的第一个开源项目。根据公开的信息来看：

TRAE 提供的两个核心功能“代码补全”和“局部代码生成”，能够在你写代码时，自动理解上下文并补全代码，提升编程效率。

更有趣的是，TRAE 还实现了“自然语言编程”，这可不是简单的“产品经理描述功能，然后让AI来开发”。其实，“积流成江”APP的开发过程依然是典型的工程师主导，更多的是关注编码逻辑和技术方案本身。比如，一个300行代码的功能，描述方案可能只需要200字。

此外，底层模型的强大也是此次顺利开发的重要原因。TRAE这次使用的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，针对实际工程开发场景进行了进一步的训练。

根据字节的说法，这几天TRAE的用户们应该已经收到了最新的豆包1.6，相信这会进一步提升开发效率。

你们中有体验过的朋友能分享一下吗？现在AI的开发水平到底怎样？

开发一个AI Coding的产品，然后再用这个产品来进行AI Coding，究竟是什么样的体验呢？

未来的AI开发模式会是什么样子，开发者和AI之间又能碰撞出多大的创意火花呢？

或许字节跳动的研发负责人洪定坤能给你一些启示。

最近，他把自己利用AI Coding完成的第一个项目——一款英语学习应用「积流成江」 （Streams to River），进行了开源。

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

更让人惊讶的是，洪定坤表示这次开发大约85%的代码都是通过自然语言与AI对话生成的，甚至在这三天里他还忙于“公务”。

而他使用的工具正是字节研发的TRAE——一款AI原生IDE，名字来源于The Real AI Engineer的缩写。

从技术角度来看，积流成江是基于Hertz和Kitex框架搭建的一个单词学习和语言处理微服务系统。

它可以提供用户认证、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。

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

那么，技术高管与AI合作写出的代码到底有多强？感兴趣的朋友可以直接去GitHub看看。

三天内“写”出一个上线产品

以前，要开发一个像积流成江这样的应用，可能得花费几周甚至一个月的时间。

然而，洪定坤通过自己的亲身实践证明，现在的AI Coding完全可以用“自然语言”快速完成一个项目。

想象一下，距离一场重要的发布会（火山引擎Force原动力大会）只有几天了。

作为技术副总裁，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，告诉大家这个工具有多强大。

但他觉得，这样还是不够。

“怎么才能让大家真切感受到AI编程的魅力呢？”

“或许作为开发者和用户，把自己使用TRAE的过程分享出来，会更生动、真实，”他心里想着。

真实的体验才是最有趣的。

洪定坤提到，他在工作中有学英语的需求，但传统的背单词软件存在两个问题：

1. 学习的单词和日常工作中用到的单词往往没有关联

2. 工作中需要用的单词没有合适的场景练习

那怎么解决呢？

正好现在的大模型，比如字节的豆包，能够很好的与我们对话。

所以，是否可以将这两种功能结合起来呢？

于是，积流成江这个应用就应运而生了。

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。

而且生成的文本中，还自动将一些特定需要学习的英文单词进行了划线标注。

值得指出的是，这个功能是依靠字节的另一款产品Coze智能体实现的。

洪定坤提到，他已经有一段时间没在前线写代码了，“有点生疏”，但在TRAE的帮助下，他仅用3天就开发出了这个完成度相当高的英语学习应用。

在这个过程中，最关键的是，洪定坤大部分时间是用编程逻辑的“自然语言”来实现传统的工程开发过程。

用他的话说：

一个300行的代码功能，可能只需要200字的方案描述。

这个产品不是纯粹的Demo，已经上线了，体验地址：https://sstr.trae.com.cn

通过全流程的体验，我们都觉得很难相信这是一个只花了3天时间就完成的产品，完成度几乎达到了100%：

• 融入了聊天界面，能够主动定位和制定学习语料
• 并且能自动识别对话中的英文单词
• 点击英文单词可以切换到学习模块
• 轻松将单词加入学习合集
• 还有复习功能，从发音、释义、拼写等多个方面加强学习

积流成江怎么帮助你背单词？

积流成江这个产品的复杂性有多高，为什么洪定坤在Force大会上特别提到它？

其实，主要就是通过这款产品的复杂度来体现如今AI Coding已经进化到什么程度。

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，可以通过文字和语音来与大模型交流。

生成特定学习文本。

生成内容后，积流成江会将特定单词用下划线高亮，点击后即可查看单词卡。

让学习变得更简单，积流成江带来新体验

在单词卡中，你可以设定自己的学习目标，只需点击「添加」按钮，就能把它们放到学习选项卡里。

一旦准备好复习，点击开始，就能进入学习界面。在这里，有很多实用功能帮助你巩固记忆，比如填空和选择相关的中文释义。

说到积流成江，它最让人感到舒服的地方，就是它把大模型的能力融入到学习英语的过程中。这样一来，大家都能根据自己的兴趣来定制学习材料，学习的动力自然就上来了。

比如我想了解显卡的知识，那我就可以让积流成江生成关于显卡的英文内容，看到屏幕上闪烁的RTX 4090，学习的积极性瞬间提升。

当然，你也可以根据自己的工作需求来生成相关文本。

字节为何坚定走在AI Coding的前沿？

今年，AI Coding引发了国外Cursor、Copilot和Windsurf等一众产品的热潮，那国内有没有类似的产品呢？

当然有！那就是字节在今年年初推出的TRAE。

字节跳动是一家技术研发重视程度极高的公司，研发效率直接影响着企业的整体效率。

洪定坤提到，他们在AI Coding方面的研究已经有一段时间了。当GPT-3.5问世时，他们就意识到这是大模型应用的一个重要方向。

因此，TRAE的名字寓意为「真正的AI工程师」，意味着AI大模型将给编程带来真正的变革。

虽然起初大模型在完成编程任务上表现得并不出色，但不到一年的时间里，它们的进步超出所有人的想象。

像GPT-4.1、Gemini 2.5 Pro、Claude Opus和DeepSeek-R1-0528等底层模型都在编码能力上取得了显著突破。

同样，字节在火山引擎Force原动力大会上发布的豆包大模型1.6，在编程能力上也显著提升。

这一切都让AI Coding的落地成为可能，并有望引发编程领域的革命——就像洪定坤所说，利用自然语言完成一个真实且可用的工程项目。

首先，TRAE的两个基本功能「代码补全」和「局部代码生成」，能够在写代码时根据上下文自动推测并补全代码，从而大幅提升编程效率。

其次，TRAE实现的「自然语言编程」并不是简单的「产品经理描述功能，然后让AI来开发」，而是更复杂的工程师开发过程，关注的是编码逻辑和技术方案。

更重要的是，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，他们希望通过TRAE实现几个重要愿景：

· 技术普惠，让每个人都能成为开发者

每一次大的技术革命，都是一次巨大的筛选。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，凭借简洁优雅的语法和语义规则，定义了清晰的指令，让计算机完成各种任务。

而字节相信，无论技术如何发展，代码依然是未来能够使计算机完成复杂任务的重要工具。

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掌握代码的门槛。

· 提升研发效率

认真做好开发工具，对公司和每位开发者都有极大的益处，可以显著提升工作效率。

如今，在字节跳动内部，有超过80%的工程师在使用TRAE这样的产品进行辅助开发，甚至相当一部分代码是通过AI生成的。

· 追求智能上限

最后，字节在大模型方面的工作，追求的一个重要目标就是探索智能的上限。

Coding是一项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都有较高要求，这也推动了模型智能上限的探索。

因此，帮助更多人掌握代码、完成更复杂的任务，以及提升专业工程师的工作效率，是洪定坤和他的团队认真投入AI Coding的原因。

洪定坤通过积流成江向我们展示了什么才是真正的AI原生开发方式。

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 Coding的未来，可能已经悄然来临。