字节跳动技术副总裁开源了与Trae合作的首个项目，你对当前AI开发水平的看法是什么？

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

TRAE的两个核心功能——「代码补全」和「局部代码生成」，可以在你写代码的时候，聪明地根据上下文来猜测和补充代码，从而大幅提升编程效率。

更重要的是，TRAE实现的「自然语言编程」并不是简单的将产品经理的需求转化为AI开发，而是依旧沿用工程师的开发模式。比如说，开发一款功能需要300行代码，但可能只需要200字的方案描述。

另外，底层模型强大的代码能力也是他们顺利完成开发的关键。这次使用的doubao-dev模型，正是基于字节跳动最新推出的豆包1.6系列。TRAE团队在豆包1.6的基础上，针对实际的工程开发场景进行了进一步的训练。

根据字节跳动的说法，TRAE的用户们在这几天内应该已经得到了最新的豆包1.6更新，这无疑会让开发效率更上一层楼。

有没有体验过的朋友来分享一下？你们觉得现在AI的开发水平如何？

创建一个AI Coding产品，再用它进行AI Coding的体验究竟是怎样的呢？

未来的AI开发模式会是怎样的呢，开发者与AI的结合能创造出多少奇迹？

也许，字节跳动的研发负责人洪定坤能够给你一些答案。

最近，他将自己用AI Coding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地址：https://github.com/Trae-AI/stream-to-river

更令人惊讶的是，洪定坤提到这次开发中，大约85%的代码都是通过自然语言的对话让AI生成的，甚至在这三天里他还忙于其他事务。

他使用的工具正是字节跳动研发的TRAE——一款AI原生的IDE，名字的含义是The Real AI Engineer的缩写。

从技术角度来看，「积流成江」是一个基于Hertz和Kitex框架的单词学习与语言处理微服务系统。

它提供了用户认证、单词管理、复习进度追踪、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

组件调用关系

想知道技术高管与AI合作写出的代码到底水平如何？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

如果过去要开发一个像「积流成江」这样的应用，可能至少需要几周，甚至一个月的时间。

但洪定坤通过亲身实践证明，如今的AI Coding完全可以通过「自然语言」快速完成一个项目。

想象一下，在一次重要的发布会（火山引擎Force原动力大会）上，只剩几天就要举行了。

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

他可以准备一份华丽的PPT，列出各种数据和功能，告诉大家这个工具有多强大。

但是他觉得，这样还不够。

「怎么才能让大家真正体验到AI编程的魅力？」

「或许，作为一个开发者和用户，分享自己使用TRAE的过程会更生动、真实」他这样思考。

玩的就是实在。

洪定坤表示，他在工作中需要学习英语，但常规的单词学习软件有两个困扰：

1. 学习的单词和实际工作中用到的单词脱节

2. 工作中需要用到的单词没有合适的练习机会

那么，有什么办法解决这些问题呢？

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。

那是不是可以将这两种功能结合起来呢？

于是，「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。

而且，生成的文本中还会自动对一些特定的、需要学习的英文单词进行划线标记。

值得一提的是，这个功能是依靠字节的另一款产品Coze智能体实现的。

洪定坤表示，他已经很久没有在一线写代码了，「有点生锈」，但在TRAE的帮助下，开发这个功能完成度极高的英语学习应用，仅仅用了3天。

在这个过程中，最关键的是，洪定坤大多数时候是用编程逻辑的「自然语言」来实现过去的开发流程。

用他自己的话说：

一个300行的代码功能，可能只需要200字的方案描述。

这个产品并不是简单的Demo，已经正式上线，体验地址：https://sstr.trae.com.cn

我们体验下来，简直难以置信这是一个只花了3天时间就完成的产品，几乎达到了100%的完成度：

• 集成了Chat聊天界面，能够主动定位/制定学习内容
• 能够自动识别对话中的英文单词
• 点击英文单词可以转到学习模式
• 轻松将单词加入学习列表
• 还具备复习功能，从发音、释义、拼写等多方面强化学习

「积流成江」是如何帮助你背单词的？

这款产品的复杂性有多高，为什么洪定坤在Force大会上特别提到它？

其实，主要是通过这款产品的复杂度来展现如今AI Coding已经进化到了什么程度。

「积流成江」有两个页面选项卡。

第一个选项卡整合了豆包的大模型能力，可以通过文字和语音方式与大模型互动。

生成特定的学习文本。

在生成内容后，「积流成江」会将特定单词用下划线标记，点击后可以打开单词卡。

AI Coding的未来：人人都是开发者的时代来了

在单词卡中，你可以设定学习目标，只需点击“添加”按钮，就能把它们加入到学习选项中。

一旦开始复习，你就能进入学习界面，那里有不少功能能帮你巩固单词，比如补全单词和选择对应的中文释义。

使用“积流成江”这款工具，最让人觉得轻松的一点就是，它把大模型的能力融入了英语学习流程中，让你可以根据自己的兴趣来定制学习内容，学习的动力瞬间提升。

举个例子，如果我想了解显卡的知识，就可以直接请求“积流成江”生成关于显卡的英文材料，看到屏幕上满是RTX 4090的相关信息，真的是大大激发了我的学习热情。

当然，根据工作的需要生成相关文本也是完全可行的。

字节为什么坚定地走进AI Coding领域？

今年，AI Coding推动了像Cursor、Copilot和Windsurf等多个国外产品的热潮，那国内有没有类似的呢？

当然有！就是字节在年初发布的TRAE。

作为一家重视技术研发的公司，字节的研发效率直接影响到公司的整体效率。

洪定坤提到，他们在AI Coding的探索上已经有一段时间了，自从GPT-3.5发布后，就意识到这可能是大模型的一个理想应用方向。

因此，TRAE的名字意指“真正的AI工程师”，象征着AI大模型将会真正改变编程的方式。

不过，起初大模型并没有足够的能力完成Coding任务，但在过去不到一年的时间里，它们的进步超乎想象。

像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有了显著突破。

同样，字节在火山引擎Force原动力大会上推出的豆包大模型1.6，在编程能力方面也有了很大的提升。

这让AI Coding的落地变得充满可能，甚至可能带来编程领域的革命——就像洪定坤所展示的那样，使用自然语言完成真实且可用的工程项目。

首先，TRAE具备“代码补全”和“局部代码生成”这两个基本功能，它能在编程时根据上下文自动推测和补全代码，从而提升开发效率。

其次，TRAE所实现的“自然语言编程”，并不仅仅是“产品经理描述功能，然后让AI开发”这么简单。

积流成江APP的开发过程，仍然是工程师主导的，除了功能外，更重要的是编码逻辑和技术方案的实现。

更为关键的是，底层模型能力的提升，显著提高了TRAE的开发效率。

洪定坤表示，他们做TRAE的背后有几个重要愿景：

· 技术普惠，让每个人都能成为开发者

每一次技术革命都伴随着巨大的筛选。

在上次互联网数字革命中，编程语言作为计算机史上的一项伟大发明，以简洁优雅的语法和语义规则，清晰地定义了指令，帮助计算机完成各种任务。

而且，尽管技术不断进步，字节始终坚信，代码仍将是未来最重要，甚至是唯一的工具，能够让计算机实现复杂任务。

代码是数字世界的基础生产力工具。

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

认真对待开发工具，对于公司和开发者个人都有重要意义，可以大幅提升工作效率。

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

还有相当一部分代码是通过AI生成的。

· 追求智能的极限

最后，字节在构建大模型的过程中，最重要的任务之一就是追求智能的极限。

Coding作为一项高度结构化和逻辑严密的任务，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提出了很高的要求，这将有助于模型智能极限的探索。

因此，帮助更多的人掌握代码以完成复杂任务、提升专业工程师的工作效率，以及助力模型追求更高的智能极限，正是洪定坤和他的团队决定认真投入AI Coding的原因。

洪定坤通过积流成江向我们展示了真正的AI原生开发范式。

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，或许已经悄然来临。