看了字节跳动技术副总裁洪定坤在火山引擎 Force 原动力大会上关于 TRAE 的分享，主要观点有 5 个，我简单整理了一下。

1、TRAE 的三个核心驱动力

洪定坤很清楚地阐述了字节做 AI Coding 的三个原因。

技术普惠是第一个，AI 让编程门槛大幅降低。他举了个很生动的例子：一个 11 岁小朋友在 TRAE 帮助下做出了奥数竞赛题库网站。这不是 demo，是真实可用的产品。

提升研发效率是第二个。字节内部超过 80% 的工程师在用 TRAE，相当比例的代码通过 AI 生成。作为技术规模很大的公司，这种效率提升意义重大。

追求智能上限是第三个。编程作为高度结构化、逻辑严密的任务，对模型的理解、推理、算法设计能力要求很高，是探索智能上限的好场景。

2、用自然语言编程的新范式

洪定坤提到了一个很有意思的概念：用自然语言编程。

这不是产品经理描述需求让 AI 开发，而是工程师用自然语言描述编码逻辑和技术方案。就像跟另一个程序员说："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 把方案变成代码。

上周他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”，他统计了一下，这次开发 85% 的代码通过自然语言对话方式让 AI 生成，2 天完成了 3000 多行代码。一个 300 行代码的功能，可能只需要 200 字的方案描述。

3、从 AI Coding 到 AI Development

洪定坤抛出了一个更大的愿景：AI Development。

他指出编程只占软件开发 40% 的工作，越复杂的应用占比越少。还要写文档、做运维、调试、发布、压测等等。传统模式下调一个 bug 可能半天过去了。

未来有没有可能 AI 成为调度者，自动从日志定位问题、分析原因、确认方案、修改代码、提交上线？把原本几天的工作降低到几小时甚至更短。

TRAE 已经在做尝试，引入了 Agent 能力，用户可以选择不同 Agent 工作，自定义工具来串联整个流程。

4、AI 编程离不开人的协作

洪定坤很理性地指出：真正的 Real AI Engineer 离不开人的协作。

纯粹用 AI 做开发，只是提要求点按钮，做出来的程序很难维护，也没有把工程师的创造性和 AI 结合起来。

他们这次开发的学习英语的应用“积流成江”，虽然用自然语言，但也是代码逻辑的自然语言，是他提技术方案和流程，AI 写成代码。他还会仔细 review 代码，可以随时接管直接修改。

昨天晚上的一个 bug，AI 找起来也有难度，最后还是人机协作完成的。

5、模型能力是关键

洪定坤提到，这次开发用的是基于豆包 1.6 的 doubao-dev 模型，TRAE 团队还针对工程开发场景做了进一步训练。

相比之前的 1.5 版本有比较大的提升。模型强大的代码能力是这次顺利开发的重要原因。

这也印证了一个观点：AI 编程工具的效果很大程度上取决于底层模型的能力。随着模型持续进步，AI 编程的想象空间会越来越大。

原文地址：http://t.cn/A6elZTzy
#程序员[超话]##微博新知##人工智能##ai兴趣创作计划##AI创造营##ai编程#