在6月19日，字节跳动的研发负责人洪定坤揭晓了他们与TRAE合作推出的首个开源项目。从公开的信息来看：
TRAE的两个基本功能「代码补全」和「局部代码生成」，可以在你写代码的时候，根据上下文来自动推测并补全代码，简直是提高编程效率的好帮手。
而且，TRAE所提到的「自然语言编程」，并不是简单的「产品经理描述功能，然后交给AI来开发」那种。其实「积流成江」这个APP的开发过程仍然是工程师在主导，除了功能外，更多的是关于编码逻辑和技术方案本身。一个300行的功能，描述方案可能只需200字。
另外，底层模型强大的代码能力，也是他们顺利完成这次开发的关键。这次使用的doubao-dev模型，基于字节跳动最新发布的豆包1.6系列模型，TRAE团队在此基础上进行了针对工程开发场景的进一步训练。
字节方面表示，这几天TRAE的用户们应该已经收到了最新的豆包1.6更新，这相信会让开发效率更上一层楼。
有没有体验过的朋友能分享一下啊？你们怎么看现在的AI开发水平？
用AI Coding开发一个产品，然后用这个产品来进行AI Coding，这是什么样的体验呢？
未来的AI开发模式会是什么样的呢，开发者和AI能够碰撞出多大的创意火花？
或许字节跳动的研发负责人洪定坤能给你一些答案。
最近，他将自己用AI Coding完成的首个项目——英语学习应用「积流成江」（Streams to River）开源了。
GitHub地址：https://github.com/Trae-AI/stream-to-river
更让人惊讶的是，洪定坤提到这次开发大约85%的代码都是通过自然语言对话让AI生成的，而在这三天里，他还被「公务缠身」。
他使用的工具就是字节研发的TRAE——一款AI原生IDE，名字是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框架的单词学习与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。
系统架构示意图
组件调用关系
技术高管和AI合作写的代码到底有多厉害？对这个感兴趣的读者可以直接去GitHub看看。
三天时间「写」出一个上线的产品
以往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。
然而洪定坤通过他亲身的经历证明，现今的AI Coding完全可以用「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）即将到来，时间仅剩几天。
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。
他当然可以准备一份精美的PPT，罗列各种数据和功能，向大家展示这个工具有多强大。
但他觉得，这样还不够。
「怎样才能让大家真正感受到AI编程的魅力呢？」
「或许作为开发者和用户，把我使用TRAE的过程分享出来，会更加生动和真实」他这样想着。
玩得就是实在。
洪定坤说他在工作中有学英语的需求，但常规的背单词软件存在两个问题：
1. 学习的单词和日常工作中用到的单词脱节。
2. 工作中需要使用的单词没有合适的场合进行练习。
怎么解决这些问题呢？
正好现在的大模型，比如字节的豆包，可以很好地与我们进行对话。
那么，是否可以将这两种功能结合在一起呢？
于是「积流成江」就这样诞生了。
在大会上，洪定坤现场展示了如何用「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，还自动将一些特定的需要学习的英文单词标记出来。
值得一提的是，这个功能是通过字节的另一款产品Coze智能体实现的。
洪定坤表示他已经有段时间没在一线写代码，「有点生锈」了，但在TRAE的帮助下，开发这个完成度相当高的英语学习应用，仅用时三天。
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」来实现过去的工程化开发过程。
用他的话来说：
一个300行代码的功能，可能只需要200字的方案描述。
这个产品可不是简单的Demo，已经正式上线，体验地址在这里：https://sstr.trae.com.cn
我们全流程体验下来，真的很难相信这是个仅仅花了三天时间就完成的产品，几乎可以说完成度达到了100%：
- 融入了聊天界面，能够主动定位和制定学习材料
- 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分支
- 轻松将单词加入学习集
- 还有复习功能，从发音、释义、单词拼写等方面全方位加强学习
积流成江如何帮助你背单词？
积流成江这款产品的复杂度有多高，为什么洪定坤在Force大会上特别强调介绍它？
其实主要是通过这款产品的复杂度，展现如今AI Coding究竟发展到了什么程度。
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的方式与模型互动。
生成特定的学习文本。
在生成内容后，积流成江会将特定的单词用下划线标记，点击后就能打开单词卡。
未来已来，谁都能成为AI工程师！
在学习单词时，我们可以设定自己的学习目标，只需轻轻一按「添加」按钮，想学习的内容就能轻松加入到学习页面中。
一旦准备好复习，点击一下就能进入学习界面。在这里，有许多实用功能帮助你巩固单词，比如补全词语和选择对应的中文释义，简直太方便了！
用起来，积流成江的一个亮点就是它把大模型的能力整合进了英语学习的流程，大家可以根据自己的兴趣来自定义学习内容，学习的动力明显提升。
比如，如果我想了解显卡相关的知识，可以让积流成江用英语生成相关的文本，看到满屏的RTX 4090，学习的热情瞬间就上来了。
当然，工作需要的文本也可以随便生成。
字节为何坚定投入AI Coding领域？
今年，AI Coding在国外的Cursor、Copilot和Windsurf等产品中引发热潮，那么在国内有没有类似的呢？当然有，那就是字节今年初发布的TRAE。
作为一家注重技术研发的公司，字节相信研发效率直接影响企业的整体效率。
洪定坤提到，他们在AI Coding方面的探索已经有段时间了，早在GPT-3.5推出时就意识到这可能是大模型应用的新方向。
所以TRAE的名字就寓意着「真正的AI工程师」，这表明AI大模型确实会在编程领域引发变革。
虽然一开始大模型在完成Coding任务上能力有限，但不到一年时间，其进化速度让人惊讶。
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已经取得了显著突破。
字节在火山引擎Force原动力大会上发布的豆包大模型1.6在编程能力上也大幅提升。
这使得AI Coding真正实现了落地的可能，并且可能引发编程领域的范式革命——就像洪定坤所说，利用自然语言来完成真实的、可用的工程项目。
首先，TRAE的两个基础功能「代码补全」和「局部代码生成」，能够在编写代码时根据上下文自动推测和补全，极大提高编程效率。
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」。
积流成江的开发过程仍然是典型的工程师模式，除了功能外，更注重编码逻辑和技术方案。
更重要的是，底层模型能力的提升让TRAE的开发效率有了质的飞跃。
洪定坤表示，他们想做TRAE的背后有几个重要愿景：
· 技术普惠，AI让人人都是开发者
每一次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一项伟大发明，以其简洁、优雅的语法和语义规则，清晰地定义了指令，让计算机完成各种任务。
字节始终相信，无论技术如何进步，代码仍然是让计算机完成复杂任务的最重要工具。
AI的出现，前所未有地降低了大众掌握代码的门槛。
· 提升研发效率
认真打磨开发工具，对公司和开发者而言意义重大，能显著提升工作效率。
如今，字节内部超过80%的工程师都在使用TRAE这样的产品来辅助开发，甚至相当一部分代码都是通过AI生成的。
· 追求智能上限
字节在大模型研发中的一个关键任务就是追求智能的上限。
Coding是一项结构化和逻辑严密的任务，对模型理解复杂语义、逻辑推理、算法设计和精确表达都有很高的要求，这为模型探索智能上限提供了助力。
因此，帮助更多人掌握代码、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好的智能上限，是洪定坤和他的团队全力投入AI Coding的原因。
洪定坤用积流成江向我们展现了真正的AI原生开发范式。
在TRAE的支持下，也许每个人都能成为「真正的AI工程师」。
AI Coding的未来，或许已经悄然到来。
