字节跳动技术副总裁洪定坤在火山引擎 Force 原动力大会上的分享《AI Coding 的实践与探索》： http://t.cn/AXSNUTLX

文中提到的几个挑战总结一下：

1、AI 对研发的提效没有想象的那么高。过去半年 TRAE 里的代码超过 90% 的代码是 AI 写的。但人均需求吞吐率只提升了 60%。单一的代码贡献率，很难完全衡量实际效率的提升，过度重视可能会让你没有找到更好的、全局的优化方法。

2、Vibe Coding 速度很快，感觉很爽；代码准确度也在上升，但不代表在真实软件工程实践中能做到稳定可交付。提到 Harness 很多人会关注在 Agent 框架、工具调用能力上，但决定落地的，是工程化，是基建。

3、“代码门槛”下降了，但“系统复杂度”并没有。
分享里提到一个很经典的协作冲突，也是我们遇到过的非常显示到问题：产品经理用 AI 顺手把需求写成了代码，觉得可以直接上线，却被研发以安全和规范为婉拒了。

AI 确实让产品、运营等非技术角色的代码生成门槛大幅降低，但这并不意味着业务系统的工程门槛也跟着降了。一段代码要安全地融入现有的架构、适配多端环境、同时兼顾维护性，依然需要极强的专业经验。怎么让非研发角色的代码安全合规地融入已有架构，是全新的协作难题。

针对上面的挑战，字节当前的两个探索方向：

1、原型驱动开发： 用动态、可交互的AI原型替代干瘪的静态文档（PRD），直观体验，减少沟通分歧。

2、系统化 AI Development： AI 不能只在 IDE 里当打字员，而是要贯穿写需求、浏览器自动验证、Bug修复到发版的软件工程全链路。