摘要
字节跳动技术副总裁洪定坤用AI编程助手TRAE三天开发全栈应用，85%代码由AI生成，展示AI Development如何重塑软件开发流程与提升效率。
备选标题：
-
AI 包办 85% 代码之后，人的价值在哪里？字节 VP 用三天时间给出答案
-
字节副总裁洪定坤：用 AI 三天开发一个全栈应用，只是开始
-
别只聊 AI Coding 了，字节已经开始“AI Development”
-
TRAE 的真正目标：不止 Coding，更是 Development
-
字节副总裁洪定坤：AI 的目标从来不只是写代码
-
这次，字节把 AI 开发“玩明白了”
三天开发，几千行代码，从构思到上线——这就是 AI 编程时代的真实速度
6 月 11 日火山引擎 Force 原动力大会上，字节跳动技术副总裁洪定坤宣布将开源其使用 AI 编程助手 TRAE 三天开发的英语学习应用后，开发者社区便对此翘首以盼。6 月 18 日，承诺如期兑现，这款名为“积流成江”（Stream to River）的应用完整代码正式在 GitHub 上线，迅速吸引了广泛关注。
大家可以到网站体验应用：https://sstr.trae.com.cn
这不仅是一个 VP 亲自下场“Coding”的趣闻，更是一次对 AI 编程工具实际效能的有力展示，同时也承载了字节跳动对于“AI Development”的深远思考。
一、“积流成江”：三天速成“麻雀虽小，五脏俱全”的应用
在 Force 大会上，洪定坤分享了他与 TRAE 合作开发“积流成江”的经历：“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’……我在 3 天时间里就陆续完成了开发。”他提到，大约 85% 的代码是通过自然语言对话的方式让 AI（TRAE）生产的，最终用 2 天时间完成了超过 3000 行代码的开发和调试。
如今，我们可以在 GitHub https://github.com/Trae-AI/stream-to-river 上亲眼见证这个项目的全貌。
从项目的 README 和代码结构来看，“积流成江”绝非一个简单的 Demo。它是一个功能相对完善的英语学习应用，核心功能包括：
-
单词学习与管理：支持单词的添加、查询、详情展示，并结合艾宾浩斯遗忘曲线进行复习进度跟踪和智能出题。
-
智能聊天：基于大语言模型（LLM），提供实时聊天功能，支持流式响应、会话管理和内容高亮。
-
多模态输入：集成了语音识别（ASR）和图像到文本（Image-to-Text）功能，丰富了用户的学习和输入方式。
-
用户系统：包含用户注册、登录（JWT 鉴权）、信息查询等基础模块。
-
技术架构：采用了前后端分离的微服务架构。后端基于 Go 语言，API 服务层使用 Hertz 框架，RPC 服务层使用 Kitex 框架，数据存储采用 MySQL，并辅以 Redis 进行缓存优化。前端技术栈则包括 TypeScript, JavaScript, CSS 等。
可以看出，“积流成江”涉及了 API 服务、RPC 通信、数据持久化、缓存、外部服务调用（如 LLM、ASR）等多个层面，是一个具备一定复杂度的现代应用。
洪定坤能在如此短的时间内，借助 TRAE 完成这样一个项目，无疑强有力地证明了 AI 编程工具在提升研发效率方面的巨大潜力。他甚至提到：“一个 300 行代码的功能，我可能只需要 200 字的方案描述。”
这种“自然语言编程”的体验，正在改变传统开发的模式。
二、洪定坤：TRAE 的目标是“AI Development”
在 Force 大会的演讲中，洪定坤深入阐述了字节跳动为何要大力投入 AI Coding 以及 TRAE 的愿景。
-
技术普惠，AI 让人人都是开发者：AI 降低了编程门槛，让更多人能通过代码解决问题，实现创意。他举例说，公司有同事用 TRAE 教 11 岁的孩子编程，并成功搭建了一个奥数竞赛题库网站。
-
提升研发效率：在字节跳动内部，已有超过 80% 的工程师使用 TRAE 等 AI 工具辅助编程，AI 生成代码的比例也相当可观。这对于大规模科技公司而言，效率的提升是巨大的。
-
追求智能上限：Coding 任务的结构化和逻辑性，使其成为衡量和提升大模型智能水平的绝佳场景。
更重要的是，洪定坤强调，TRAE 的目标不仅仅是“AI Coding”（AI 编码），而是“AI Development”（AI 开发）。
“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……AI 是有机会把这些工作统筹起来的。” TRAE 希望成为一个“调度者”，将需求管理、设计、编码、测试、部署、运维等环节整合，实现“软件开发 all in one”。
以调试 Bug 为例，未来 AI 或许能自动从日志定位问题、分析原因、与开发者确认后自动修改代码并上线，将原本耗时半天的工作缩短至数小时甚至更短。
TRAE 引入的 Agent 能力，允许用户自定义工具并串联工作流，正是向这个方向迈出的尝试。
三、人机协作：AI Coding 离不开人的智慧
尽管 AI 展现出强大的编程能力，洪定坤也清醒地认识到，目前阶段 AI Coding 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。”
在他开发“积流成江”的过程中，虽然 85% 的代码由 AI 生成，但他强调：“仍然是我在驱动整个过程。”他负责提出技术方案和核心流程（用自然语言描述代码逻辑），AI 将其转化为代码，之后他会仔细审查（Review）代码，并随时可以接管进行人工修改。
他认为，AI 只有做到“听得懂也理解人的想法”，“懂上下文”，并且能够很好地和人合作，才可能是真正的“Real AI Engineer”（TRAE 的含义），最终实现“AI Development”。
四、未来：AI 重塑软件开发范式
从洪定坤的演讲到"积流成江"的开源，我们看到的不仅仅是一个技术 demo，而是 AI 开发时代的真实缩影。
就像洪定坤说的："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。"
这种全流程 AI 协作的开发方式，可能会在不久的将来成为现实。而字节跳动通过 TRAE 这样的产品，正在这条路上快速前进。
当 AI 能够理解复杂的技术方案，能够生成高质量的代码，能够协助完成整个开发流程时，编程的门槛将大幅降低，创新的速度将成倍提升。
"积流成江"项目的开源，就像是为我们打开了一扇窗，让我们提前看到了这个未来的模样。