字节跳动技术副总裁洪定坤：TRAE 想做 AI Development

6月11日，火山引擎 Force 原动力大会在北京举行。在大会前一周，字节跳动技术副总裁洪定坤决定，自己用字节的 AI 编程产品 TRAE，花三天，开发一个英语学习的应用，并用自己的亲身经历，来聊聊他对 AI Coding 的想法。

截至目前，TRAE 月活用户超过 100 万。在字节内部，超过 80% 的工程师在使用 TRAE 这样的产品辅助开发。

以下是演讲全文，在不改变原意的前提下略有编辑和整理：

洪定坤在演讲现场

大家好，我是洪定坤，字节跳动研发的负责人，也是一个研发工程师，最近在做 AI Coding 方面的探索。这是第一次跟大家见面，主要是想跟大家介绍一下我们在 AI Coding 方向的产品 TRAE。

其实做这方向的探索有一段时间了。GPT-3.5 出来的时候，我们就觉得编程可能是一个很好的应用方向。包括我们给这个产品起的名字“TRAE”，意思是“The Real AI Engineer”。我们觉得，AI 大模型确实会给 Coding 带来真正的变革。

不过最开始，因为模型能力的原因，很多想法还实现不了。但过去一年，国内外大模型的基础能力进步很快。包括今天字节发布的豆包大模型 1.6，在编程能力上也有很大的进步。

模型能力的进步，让 AI Coding 类产品，包括我们的 TRAE，真正开始有了落地的机会。我们也在今年年初发布了 TRAE。现在，不少工程师已经在工作中开始深度使用我们的产品。截至目前，TRAE 的月活用户已经超过了 100 万。这个数字也说明，AI Coding 已经在程序员的工作中切切实实地起到了重要的作用。

所以，今天借着火山引擎这个场合，和大家分享一下，我们为什么要做这个事情，以及对 AI Coding 的一些思考。

为什么要做 AI Coding？

· 技术普惠，AI 让人人都是开发者

作为计算机历史中的伟大发明，编程语言用简洁、优雅的语法和语义规则，定义清晰明确的指令，让计算机完成各种任务。而且，不管技术如何发展，我们都相信，代码仍然是未来最重要，或者说唯一的，能够让计算机完成各类复杂任务的工具和手段。代码是数字世界的基础生产力工具。

AI 的出现，则前所未有地降低了大众掌握代码能力的门槛。

随着 AI 代码能力的不断提升，今天，更多人可以通过 AI 掌握代码这个工具，专业的程序员也能更专注于工作中具有创造性的部分。这显然会极大地提高开发效率和代码质量，也使得更多不同背景的人成为开发者，通过代码来完成更多复杂的任务，极大地提高生产力。

我们的一位研发同事，就在用 TRAE 教他们家 11 岁的小朋友学习编程。这是小朋友最近完成的一个奥数竞赛题库网站：一个真实的网站，可以用来练习小学的奥数题。

奥数竞赛题库网站截图

可以看到，一个小朋友，在 AI 的帮助下，也能很快地为自己的学习完成一次开发、生成一个应用。我也相信，做好 AI Coding，能够实现技术普惠，让更多人掌握代码这一强大的生产力，未来真正有机会实现“人人都是开发者”。这也是我们希望做 AI Coding 的第一个原因。

· 提升研发效率

然后，作为一家技术比重及规模都很大的科技公司，研发效率一直是我们非常重视和关注的话题，在这方面，AI 带来了非常多的机会和提升。

认真做好开发工具，对公司和开发者个人，都有很大的意义，能够大幅度地提升工作效率。

实际工作中，过去一年我确实也看到了很大的变化。今天，在字节跳动内部，我们有超过 80% 的工程师，在使用 TRAE 这样的产品辅助开发。我们也有相当比例的代码是通过 AI 生成的。

· 追求智能上限

最后，字节做大模型工作，我们最重要的任务之一是追求智能上限。

Coding 作为一种高度结构化、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都有很高的要求，能很好地助力模型智能上限的探索。

因此，帮助更多人掌握代码做更多复杂的任务、提升专业工程师工作效率和助力模型追求更好的智能上限，是我们决定认真做 AI Coding 这个事情的原因。

我的 AI Coding 实践：用自然语言写代码

接下来，我想和大家具体分享一下，我们的产品 TRAE。

最开始，这部分内容我是列出了一些产品核心能力，打算做成 PPT 来介绍。但写完后总感觉不是特别理想，不够生动、具体。我自己平时也会使用 TRAE 工作，做一些开发。我在想，也许作为一个开发者和用户，把自己使用 TRAE 的过程分享出来，会更生动、真实。

所以，上周端午节假期之后，我和两个同事一起开发了一个新的学习英语的应用“积流成江”（体验地址：https://sstr.trae.com.cn）。今天，我想就着这个应用和开发过程，把 TRAE 的一些核心功能更好地呈现给大家。

英语学习应用现场演示

可以看到，这是一个相对复杂且完成度已经比较高的英语学习应用。产品里包含和模型对话、单词管理&复习、用户登录以及其他一些复杂的交互。

而且这并不是一个 demo，产品在昨天晚上已经发布了。因为我和团队讨论了一下，觉得不能做一个 demo，应该直接发布，这样，大家如果有兴趣也可以直接体验一下。后面，我也会把整个代码放到我们的 Github，大家有兴趣可以下载，看看 TRAE 和我一起写的代码是什么样子。

过去开发这样一个产品，可能需要几周甚至一个月的时间。尤其是像我这样，有段时间没有在一线写代码了，在这次开发其实还有很多“重新捡起来”的过程。

不过这次，我在 3 天时间里就陆续完成了开发。接下来，我就把开发过程中的实践和大家分享一下，看看我是怎么通过 TRAE 来提升开发效率的。

首先，TRAE 的两个最基础的功能是“代码补全”和“局部代码生成”。

我们的 AI，会在工程师编写代码的过程中，根据上下文自动推测和补全代码，提高编程效率。

不过，典型的代码补全和局部代码生成，主要就是在当前用户光标所在位置，推测后面的代码。TRAE 在这个基础上更进一步。TRAE 能根据用户的编辑行为以及上下文，精准预测接下来要修改的地方，直接跳转对应位置，并持续进行代码补全和生成。

我们发现，用这样的方式，补全和生成的效率都会得到较为大幅的提升，并且更实用。

代码补全是很基础也很重要的能力。我们最早做的产品就是编程插件，叫 MarsCode。MarsCode 用插件的形式，帮助开发者在使用VS Code、jetbrains 等传统 IDE 中提效。这也是目前被开发者最广泛使用的 AI 能力。

直到今天，也还是有很多用户喜欢豆包 MarsCode 插件这类产品。但作为一个轻量级的形态，插件很难承载更完整的真正基于 AI Coding 的体验。尤其是随着模型能力快速提升，以及开发者群体的快速扩大，越来越多的用户、开发者，都期待 AI 能够承载更完整的开发流程，而不仅仅是补全代码。

所以，为了把 AI 能力与 IDE 更深入、自然的结合，我们研发了 TRAE IDE。TRAE IDE 是一个为 AI 编程量身打造的原生开发环境，不仅具备代码生成、项目导航、上下文感知等基本能力，也支持代码重构、批量修改、知识问答等复杂任务。这些能力，可以说占到了我的开发中用到的 80% 的场景。

那这次，在 TRAE 的帮助下，我使用了一种完全不同的方式来写代码。我自己把它称作用自然语言来编程。

这里的自然语言编程，并不是一般意义上理解的，产品经理把功能描述一下，然后让 AI 来开发。我的开发过程，仍然是典型意义上的工程师开发。我描述的，除去功能，更多是编码逻辑和技术方案本身。只是，这种逻辑是用自然语言，而非代码的方式呈现。

一个 300 行代码的功能，我可能只需要 200 字的方案描述。这有点像我给另外一个程序员说，咱们实现这样一个功能，技术方案是这样的，核心流程要这样这样。然后，AI 把这些方案变成真正的代码。

左滑查看更多

我统计了一下，这次开发，大概 85% 的代码是通过这种自然语言对话的方式让 AI 生产。得益于 TRAE 的帮助，我们最终用 2 天时间完成了超过 3000 行代码的开发和调试。而且两天里还有一些事情和会议，也不是很完整的时间，我也没有特别仔细地统计。但差不多就是从端午之后，大概到周五，我就基本把核心功能开发完了。

所以，整个过程，和传统的开发比起来，是非常非常不一样的，我正好录了一个真实的开发过程的视频，大家可以看一下。

TRAE 开发过程演示过程

模型强大的代码能力，也是这次顺利开发的重要原因。我们这次在 TRAE 用的 doubao-dev 模型，就是基于今天发布的豆包 1.6 模型。TRAE 团队在豆包 1.6 基础上，也针对工程开发场景做了进一步的训练。对比现当前的 1.5 来说，我觉得还是有一个比较大的提升的。这两天我们就会把这个新模型推送给用户，相信可以使开发者的效率进一步提升。

不只是 AI Coding，

更是 AI Development

TRAE 对整个编程的工作有很大的提升，但 Coding 只是软件开发的一个环节，并不是最终的目标。

做过软件开发的人应该都知道，你要写文档、做运维、做调试、发布，还要 Debug，最后你还要做压力测试，很多事情。一个典型的软件开发过程中，写代码可能大概占不到 40% 的工作，并且，越复杂的应用，代码工作的占比越少。

坦白说，这次除了我们 3 个人开发团队外，还有另外的同事，花了一些时间协助我们完成环境搭建、调试、运维等工作。特别是决定这个产品要直接放出来之后，我们又花了一个周末的时间在做各种工作，其实到昨天还在做一些压测。

这次开发，我们用到了 meego 管理需求，飞书多维表格记录问题、内部运维平台上线、trace 系统查 bug，还有代码提交和合并工具等等等等。其实在过程中来回切换上下文，都是非常复杂，也非常耗时间的。

我自己是非常相信在大模型这个时代，随着模型能力的进步， AI 是有机会把这些工作统筹起来的。AI 成为调度者，让软件开发 all in one，更大幅度地降低开发的门槛，提升开发效率。

这其实是一个蛮大的想象空间，我有时候想起来也会觉得很兴奋。举个例子。传统模式下，我调一个 bug，可能先要去找错误日志，然后可能要定位，定位完之后我可能要用 git 拉一个分支。我还要写代码，写完之后我还要部署发布，还要调试，没问题之后我再去上线，这个过程，可能调一个 bug，半天过去了。

未来有没有可能就是 AI 来做这个事情？它来帮我自动从日志里面定位，然后分析可能什么问题，和我一起确认。我觉得没问题的时候，我说你改吧，改完之后他帮我提交上线。

是这样一个未来的话，其实就是从软件开发（software development），到 AI 开发（AI Development）了。我们这次额外的好几天的这些工作，也许会降低成几个小时甚至更短的时间。那这些都是我们想下一步努力的方向，我们希望，TRAE 不只是 AI Coding，更是 AI Development。

现在，TRAE 也在做一些类似的尝试，比如引入了 Agent 能力，用户可以依据场景选择不同的 Agent 进行工作，并且允许用户自定义 Agent。用户可以自定义工具，然后来去做这种上下文切换，把工作串起来。大家可以看一下下面的 demo：

TRAE 自定义 Agent 演示案例

AI Coding 离不开人的协作

当然，这个小的 demo 本身还是个演示，整个过程比较理想化，做的程序也比较简单，现在能使用的工具也还比较少。但它是一个雏形，未来，我相信随着 AI 能力的进步，它可以完成更多、复杂的应用。我们也会努力地往前去走。

另外，我也认为，不管 AI 如何进步，真正的 Real AI Engineer 也离不开人的协作。纯粹用 AI 做开发，自己只是提要求，点点按钮，做出来的程序是很难维护的，而且也没有把工程师很多的创造性和 AI 结合起来。

包括我这次的开发，虽然是自然语言，但也是代码逻辑的自然语言，是我提技术方案和流程，AI 写成代码。当然有一些我会和它探讨，我说你觉得怎么这样写更合适、更好，它也会给我一些建议。之后，我还会比较仔细的 review 代码。我可以随时接管，直接人工修改。

比如昨天晚上，我们突然发了一个 bug，其实 debug 对模型还是一个挑战，昨天的 bug，AI 找起来也有点难度。最后还是我和它一起完成的。所以人是非常重要的。

现在很多人测 Coding 能力，经常让模型做一个贪吃蛇，或者做一个六边形小球游戏。但其实这种测试不全面。因为真实的开发场景是很复杂的，对模型和产品的逻辑能力，和幻觉控制都有很高的要求。而且人也需要仔细的 review 代码，这样做出来的程序才是可以持续维护的。

所以，哪怕85%的代码都是 AI 写的，但仍然是我在驱动整个过程。模型在不断进步，能做越来越多的事情，但编程仍然是离不开人的。而 AI 也只有做到“听得懂也理解人的想法”，也得“懂上下文”，并且能够很好的和人合作，才可能是真正的 Real AI Engineer，做到 AI Development。

TRAE 也会一直向这个方向努力，最后也欢迎大家体验我们的产品 TRAE，还有我新开发的英语学习应用“积流成江”，因为才开发了几天，可能还会有一些 bug，也欢迎大家多给我提建议，谢谢大家。