在火山引擎2025春季原动力会议上，字节跳动的技术副总裁洪定坤巧妙地展示了AI Coding的新玩法——他现场拿出手机，向与会者展示了一款他亲自利用TRAE技术开发的英语学习应用程序。
之后，他详细披露了整个开发历程：大约三天的时间内，排除了工作、用餐以及休息的时间，他完全是利用零散的空闲时间完成了这款应用的开发。
借助8个精心设计的提示，一款既理解语义又能实现互动功能的背单词软件便制作完成了。
有人或许会疑问：为何需要设置八个提示？难道一段提示不是就能解决问题了吗？
不同于初学者“提出需求缺乏条理”的提示语编写方式，洪定坤着重于将程序员的思维方式分解为工程化的思考模式，并通过自然语言将其精确无误地传达给人工智能。
简单来说，就是用“和同事同步技术方案”的方式写需求。
话不多说，以这款背单词应用为例，先来感受一下：
从业务需求的角度来审视，我们将该背单词应用的运作机制视为“单词复习任务的安排与调度”。于是，我们向人工智能系统下达命令：
借助words_review_record表中的next_review_time字段，挑选出用户需要复习的单词，接着通过word_id字段实现数据表的关联操作，并从answer_list表中随机抽取干扰选项，从而构建出三种基础题型。
如此一来，人工智能便能够更深入地掌握应用中的逻辑关系，并且能够迅速构建出包含题目和选项在内的完整考卷。
想了解单词复习的进展情况吗？实际上，这相当于是在进行“算法的调度”操作。简而言之，就是要将算法的运行逻辑输入到人工智能系统中。通过“错误判定逻辑→数据更新→曲线计算”这一流程的设计与应用，使其能够像后端服务那样处理状态的变化和任务的调度。
若在此框架内进一步引入迭代特性，则接口需进行拓展，业务验证需新增，业务规范亦需调整。在这种情形下，应将工程化逻辑委托给AI，AI将依据此逻辑构建起涵盖“需求、开发、测试”全过程的工程化流程。
当然，您还可以为这款应用添加一些独特的标签，通过建立标签库来保存设置，从而使单词复习的进程能够根据这些设置进行灵活的调整。
在大会现场，洪定坤向与会者展示了该应用的实际运行情况：界面简洁明了，用户只需输入问题便能够进行交流，无论是何种话题都能应对自如；此外，它还具备中英文对话的流畅性。值得一提的是，该应用还整合了扣子（Coze）开发的智能代理功能，能够自动识别并提取高频词汇和专业术语，并将其纳入用户的个人学习词汇库中，方便用户随时汇总和掌握生僻词汇。
此外，该应用还能根据不同水平定制题型，例如“中文解释填空”和“英文情境造句”，实现智能互动。用户登录后，能够将单词添加至个人学习页面，并利用标签进行分类管理，诸如“精通”或“听力理解、视觉理解”。在复习阶段，系统会依据掌握水平出题，宛如一位专属的学习助手。
洪定坤强调道，这并非一个演示版本，该产品已于昨晚正式推出，而且未来还将把全部源代码公开至GitHub平台。
体验地址如下，感兴趣的同学可以提前去尝尝鲜了。
https://sstr.trae.com.cn
观众们惊叹于“本届AI发展迅猛”的同时，洪定坤进一步阐述，AI在编程领域的潜力实际上远未触及极限。
AI Coding升级：不仅仅是编程能力的跃迁
此案例背后，不仅反映出字节跳动对AI Coding编程生产力的深入思考，同时也展现了其生态系统的综合实力，更是对字节跳动技术普惠理念的实际践行。
洪定坤透露，本次推出的AI Coding应用在功能上的提升主要体现在两大方面。
在代码自动补全领域，TRAE相较于传统集成开发环境插件，实现了从单一功能到“上下文感知”与“流程预测”的双重升级。过去，工程师在编写代码时，常常需要手动逐一查找并输入众多细节，这不仅耗费时间，而且容易出错。然而，借助TRAE的辅助，工程师现在只需根据当前代码光标的位置，就能迅速完成上下文的补全。TRAE与传统代码补全方式不同，它不仅能够预测后续的修改位置，而且在完成当前代码补全后，还能自动将光标移动到下一个逻辑节点，从而实现操作的无缝过渡。这种“智能引导”功能显著提高了编程的效率。
洪定坤指出，这种补齐与生成的效率显著提高，同时实用性也得到了增强。
与Vibe Coding不同，其自然语言编程并非仅仅生成“需求指令以编写代码”，而是工程师运用自然语言来阐述技术方案，AI随后依据这些描述自动生成可执行的代码，形成一种“人类主导逻辑结构，AI补充技术细节”的互动闭环模式。
工程师得以将注意力集中在逻辑设计的核心，不必深陷于冗杂的编程细节之中，只需用日常语言阐述复杂的逻辑过程（比如词汇记忆软件中的选项匹配算法），AI便能自动生成相应的代码，只需对细节稍作修改。比如，当工程师用自然语言描述“优先对用户错误率超过60%的词汇进行匹配，并排除近三天内已熟练掌握的单词”这一逻辑时，AI便能自动生成一套包含缓存策略和数据过滤的完整代码。
此外，所输出的代码并非只是基础演示，而是严格遵循企业级开发标准的工程项目。这不仅大幅减少了开发所需的时间，还显著提高了代码的整体质量，实现了技术与需求之间的深度结合，使工程师得以从繁杂的编码工作中解脱出来，从而能够更加专注于创新与优化工作。
洪定坤指出，目前字节跳动内部AI编程工具的运用率相当之高，已有超过80%的工程师借助TRAE等工具进行开发。截至目前，TRAE的月活跃用户数已突破百万。这一数据充分表明，AI Coding技术已实实在在地在程序员的工作中扮演了关键角色。
这一切的背后，事实上也是字节跳动内部生态链条的补齐。
首先，依托豆包1.6模型的卓越编程实力，TRAE团队对工程开发领域进行了深入的额外训练，显著增强了逻辑分析和代码构建的能力，与1.5版本相比，代码的准确性得到了显著提高；其次，融合了字节跳动内部的工具链（包括Meego需求管理和Argos故障诊断等），成功实现了从“自然语言描述”到“代码生成”再到“测试部署”的完整闭环流程。
此外，观察AI编程工具的发展动向，可以发现，TRAE的前身MarsCode是以插件方式嵌入到VS Code或JetBrains中，其功能仅限于基础的代码自动补全。随着大模型技术的不断进步和更新，传统的插件形式以及代码补全功能已无法充分满足开发者对于高效、全面开发流程的期待。因此，开发者对集成开发环境（IDE）提出了更高的期望——那就是如何借助人工智能与IDE的深度结合，来打造一个更加完善的开发流程。这正是TRAE IDE致力于为AI编程构建原生开发环境的根本目的——只有当AI能够“理解人类的语言”、“洞察语境”，它才有可能成为真正的AI工程师，从而步入AI开发的领域。
展望AI编程至AI开发的未来景象
审视编程语言的演变历程，从原始的机器指令到现代的高级编程语言，编程语言始终是推动技术发展的根本。AI的问世，进一步降低了编程的入门难度，让成百上千人的专业技能得以普及到数百万普通大众。展望未来，AI不仅将成为工程师的得力助手，更将成为全民创新的强大工具，从而推动生产力实现质的飞跃。
字节跳动这家公司致力于大模型研发和技术创新，目前正亲历从“AI Coding”向更广泛的“AI Development”的转变过程——AI对开发领域的变革并不仅限于自动补全或生成代码，它将全面重塑软件开发的全过程以及各角色之间的分工。
未来的开发者将更加专注于问题的界定、需求的细分、系统架构的规划以及高级逻辑的构建。人工智能将负责执行众多底层、重复且模式化的编程工作，甚至能够依据不明确的自然语言描述，自动生成原型、设计接口以及编写测试案例。
TRAE的运用已初见端倪，显示出这一趋势的雏形。无论是资深的工程师还是初出茅庐的初学者，他们都能借助与AI的自然语言交流来传达自己的意图，而AI则会负责将这些意图转换成可执行的代码。这一过程实际上是将软件开发的重心从“如何实现”这一环节，转变到了“实现什么”以及“是否正确”这两个方面。
AI的后续发展旨在赋予非专业人士以开发能力，比如教师能够迅速构建教学辅助工具，企业员工能够自主编写数据分析程序，初创者能够以较低成本测试产品雏形。这一趋势恰好与字节跳动推崇的技术普及理念相吻合。
正如洪定坤所说，随着模型能力的不断提升，产品如TRAE等终于迎来了实际应用的可能。
对于专业工程师来说，AI的发展带来了效率的极大飞跃。AI不仅能够自动编写代码，还能深入理解代码的上下文，进行智能的重构，自动修复程序中的错误，提升程序性能，并生成详尽的文档。此外，它还能预测可能出现的风险。这一切都将极大地激发工程师的创造力，使他们能够将精力集中在更具战略性和创新性的任务上。
字节跳动追求的是智能技术的极致，致力于技术的广泛普及，目的是让更多的人能够掌握编程工具，从而提高生产效率。换句话说，TRAE 并不仅仅满足于AI Coding，它更着眼于AI Development的全局。
2025年，这一年变化多端，惊喜连连。从年初的DeepSeek项目到AI编程的火爆，我们仿佛正目睹AI时代的奇迹逐渐展开。实际上，这些变化无不指向AI的普及趋势。随着先进技术和国民级AI产品的门槛不断降低，AI发展的时代正一步步向我们走来。
