字节跳动副总裁首度开源与Trae合作项目，AI开发水平究竟如何？快来听听我的看法！

6月19号，字节跳动的研发大佬洪定坤在发布会上介绍了他们和TRAE合作的首个开源项目。根据资料显示：

TRAE的两个核心功能「代码补全」和「局部代码生成」，可以在编写代码时，自动根据上下文来推测和补充代码，这样一来，编程效率就能大大提升。

而且，TRAE实现的「自然语言编程」可并不仅仅是让产品经理描述需求，然后让AI来完成开发。这款名为「积流成江」的APP开发过程中，依然是工程师主导，重点在于编码的逻辑和技术方案。想想看，一个300行的功能，方案描述或许只需要200字。

另外，他们底层模型强大的代码能力，也是这次开发顺利的关键所在。TRAE所使用的doubao-dev模型，正是基于字节跳动最近发布的豆包1.6系列模型。TRAE团队在豆包1.6的基础上，针对工程开发场景进行了进一步的训练。

字节方面提到，最近几天TRAE的用户们应该已经收到最新的豆包1.6推送，相信这会进一步提升他们的开发效率。

有使用过的朋友可以分享一下体验吗？你觉得现在的AI开发水平如何呢？

用AI Coding开发一个产品，再用这个产品进行AI Coding的感觉是什么样的呢？未来的AI开发模式又会是怎样的？开发者与AI的合作能激发出多大的创造力呢？

或许字节跳动的研发负责人洪定坤能为这个问题提供一些见解。

最近，他把自己用AI Coding完成的第一个项目——英语学习应用「积流成江」 （Streams to River），开源了。

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

更让人惊讶的是，洪定坤表示，这次开发中大约85%的代码都是通过跟AI的自然语言对话生成的，甚至在这三天里，他还忙于其他工作。

他使用的工具正是字节开发的TRAE——一款AI原生的IDE，名字是“The Real AI Engineer”的缩写。

从技术角度来看，积流成江是基于Hertz和Kitex框架构建的微服务系统，专注于单词学习与语言处理。

它能提供包括用户认证、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，简直是个完整的解决方案。

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。

系统架构图

组件调用关系图

想知道技术高管和AI合作写的代码水平如何？有兴趣的朋友可以直接去GitHub看一看。

3天「写」出一个上线产品

以前想要开发一个像积流成江这样的应用，可能得花上几周甚至一个月的时间。

但洪定坤通过他的亲身经历证明，如今的AI Coding已经可以用「自然语言」快速搞定一个项目。

想象一下，某个重要的发布会（火山引擎Force原动力大会）就要召开，时间只剩几天。

作为技术副总裁的洪定坤，必须上台介绍公司在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。

但他觉得，这样还不够。

「怎样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，能让体验更加生动和真实。」他心里想。

真实的体验最有说服力。

洪定坤提到，自己在工作中有学英语的需求，但常用的背单词软件有两个问题：

1. 学习的单词和日常工作中用到的单词脱节

2. 需要用到的单词又没有适合的练习场景

那么，怎么解决这个问题呢？

刚好现在的大模型，如字节的豆包，可以很自然地与我们对话。

这是不是意味着可以把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，洪定坤现场用「语音」让积流成江生成了一段介绍火山引擎的文本。

生成的文本中，还自动将一些特定的、需要学习的英文单词划线标注。

值得一提的是，这个功能是借助字节的另一款产品Coze智能体实现的。

洪定坤说，自己已经有段时间没写代码了，「有些生疏」，但在TRAE的帮助下，他仅用3天就开发出了这个功能相当完善的英语学习应用。

在整个过程中，洪定坤大多数时间是用编程逻辑的「自然语言」来替代传统的工程开发流程。

用他的话来说：

一个300行的功能，方案描述可能只需要200字。

这款产品并不是纯粹的Demo，已经上线，体验地址：https://sstr.trae.com.cn

从全流程体验来看，真让人难以置信，这个产品居然只花了3天就完成，完成度几乎达到了100%：

• 内置了Chat聊天界面，能够主动定位和制定学习材料
• 还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分支
• 轻松将单词加入学习集合
• 还有背单词软件常见的复习功能，从发音、释义、拼写等多个方面强化学习

积流成江如何帮助你背单词？

积流成江的复杂度有多高，以至于洪定坤在Force大会上特别提到它？

其实，这主要是通过这款产品的复杂性来展示如今的AI Coding已经发展到了什么程度。

积流成江有两个页面选项卡。

第一个选项卡集成了豆包的大模型能力，可以通过文本和语音的方式与大模型互动。

生成特定的学习文本。

在内容生成后，积流成江会将特定单词用下划线标记，点击后可以查看单词卡片。

让AI Coding变得更简单：字节的探索之路

在单词卡上，我们可以设定学习目标，只需轻轻一按「添加」按钮，就能把它放到学习选项卡里，轻松开始学习。

当你点击复习按钮后，学习页面就会打开，里面有很多功能来帮助你巩固记忆，比如补全单词和选择对应的中文释义，多种方式让你轻松掌握。

说到积流成江，它最棒的一点就是把大模型的能力融入到学习英语的过程中，这样你可以根据自己的兴趣来自定义学习内容，真的能激发学习的热情。

比如，我想了解显卡的知识，就可以让积流成江生成相关的英语文本，看到屏幕上满是RTX 4090的字样，学习的动力瞬间翻倍！

当然，如果是为了工作需求，也能轻松生成相关文本。

字节为何坚定走上AI Coding的道路？

今年，AI Coding的热潮让不少国外产品如Cursor、Copilot和Windsurf受到了极大的关注，那国内有没有类似的产品呢？

当然有，那就是字节在年初推出的TRAE。

作为一家对技术研发非常重视的公司，字节的研发效率直接关系到公司的整体效率。

洪定坤提到，他们在AI Coding领域的探索其实已经有一段时间了，早在GPT-3.5发布时，他们就意识到这是大模型一个很好的应用方向。

因此，TRAE的名字寓意着“真正的AI工程师”，意在说明AI大模型确实能为编程带来革命性的变化。

虽然起初大模型的编码能力还不够成熟，但不到一年的时间里，它们的进步超出了所有人的预期。

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取得了重大突破。

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也在编程能力上有了显著进展。

这使得AI Coding真正得以落地，并可能引发编程领域的范式革命——就像洪定坤所展示的那样，用自然语言完成一个真实且可用的项目。

首先，TRAE具备两个基本功能「代码补全」和「局部代码生成」，能根据上下文自动推测和补全代码，从而提升编程效率。

其次，借助TRAE实现的「自然语言编程」，并不仅仅是让产品经理描述功能然后让AI来开发。

积流成江APP的开发过程依旧是工程师主导，除了功能实现，更多的是编码逻辑和技术方案的考量。

而且，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，他们开发TRAE的愿景有几个重要点：

· 技术普惠，让每个人都能成为开发者

每一次技术革命都是一次巨大的变革。在上次互联网数字革命中，编程语言作为计算机历史上的重要发明，以简明的语法和语义规则定义了计算机完成任务的指令。

无论技术如何演变，字节始终认为，代码是未来最重要的工具，能够让计算机完成各种复杂任务。

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学习代码的门槛。

· 提高研发效率

认真做好开发工具对公司和个人开发者都非常重要，能显著提高工作效率。

如今，在字节跳动内部，超过80%的工程师使用TRAE这样的工具来辅助开发。

而且，相当一部分代码都是通过AI生成的。

· 追求智能的极限

最后，字节在大模型开发中，最重要的任务之一就是追求智能的极限。

由于Coding是一项高度结构化且逻辑严谨的工作，对模型理解复杂的语义、逻辑推理、算法设计和精确表达都有很高要求，因此这能有效推动模型智能的提升。

所以，帮助更多人掌握代码，完成更复杂的任务，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上限，正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 Coding的未来，或许已悄然到来。