创造一个AI Coding的产品，再用这个产品来做AI Coding是什么体验？
未来的AI开发范式究竟是什么样子的，开发者+AI能够迸发出多大的创造力？
也许字节跳动研发负责人洪定坤可以帮你回答这个问题。
就在最近，他把自己用AI Coding完成的首个项目——英语学习应用「积流成江」 （Streams to River），给开源了。
GitHub地址：https://github.com/Trae-AI/stream-to-river
更难以置信的是，洪定坤说这次开发大概85%的代码是通过自然语言对话的方式让AI生成的，甚至这3天里他还被「公务缠身」。
而他使用的工具正是字节研发的TRAE——一款AI原生IDE，名字取自The Real AI Engineer的缩写。
技术层面，积流成江是一个基于Hertz和Kitex框架构建的单词学习与语言处理微服务系统。
可提供包括用户认证、单词管理、复习进度跟踪、实时聊天、语音识别和图像转文本等功能模块的完整解决方案。
采用前后端分离的系统架构，主要分为以下几层：API服务层、RPC服务层、数据访问层、智能处理层。
系统架构
组件调用关系
技术高管和AI合作写的代码到底什么水平？感兴趣的读者可以直接到GitHub查看。
3天「写」出一个上线产品
过去想要开发一个像积流成江这样的应用，可能至少需要几周甚至一个月的时间。
但是洪定坤用他的亲身实践中证明，现在的AI Coding已经完全可以做到使用「自然语言」快速完成一个项目。
想象一下，一场重要的发布会（火山引擎Force原动力大会）只有几天就要开了。
作为技术副总裁，洪定坤要上台分享公司在AI编程领域的核心产品——TRAE。
他可以准备一份精美的PPT，列出各种数据和功能，告诉大家这个工具多么强大。
但他觉得，这还不够。
「要怎么才能让大家真正感受到AI编程的魔力？」
「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」他心里想。
玩的就是真实。
洪定坤说他在工作中有学英语的需求，但是常规的背英文单词软件有两个问题：
1. 学习背诵的单词和工作生活中用到单词是割裂的
2. 工作中要用的单词又没有合适场合进行练习
怎么解决？
正好现在大模型，比如字节的豆包，都可以很好地和我们对话。
那么是不是就可以把这两种功能结合在一起了。
于是积流成江就诞生了。
在大会上，洪定坤现场演示了用「语音」的方式让积流成江生成一段介绍一下火山引擎的文本。
并且，生成的文本中还自动将一些特定的、需要学习的英文单词自动进行了划线标注。
值得一提的是，这个功能是依靠字节的另一款产品Coze智能体实现的。
洪定坤说他已经有一段时间没在一线写代码，「自己有点生锈」，但是在TRAE的帮助下，开发这个完成度相当高的英语学习应用，仅仅用了3天。
这个过程中，最关键的是，洪定坤大部分时候是用编程逻辑的「自然语言」实现过去的工程化开发过程。
用他的话讲：
一个300行的代码功能，可能只需要200字的方案描述。
这个产品不是纯Demo，也已经上线了，体验地址：https://sstr.trae.com.cn
我们全流程体验下来的感觉就是，很难相信这是一个只花了3天时间就做出来的产品，完成度几乎可以说是100%了：
- 融入了Chat聊天界面，能够主动定位/制定学习语料
- 并且能够自动定位到对话中的英文单词
- 点击英文单词可以切换「流程」到学习分支
- 顺手就可以把单词收录在学习合集中
- 还有背单词软件都有的复习功能，从发音、释义、单词拼写等各个方面加强学习
积流成江如何教你背单词？
积流成江这款产品的复杂度有多高，为什么值得洪定坤在Force大会重点介绍？
其实主要是通过这款产品的复杂度来说明现在的AI Coding究竟已经进化到了什么地步。
积流成江共有两个页面选项卡。
第一个选项卡集成了豆包的大模型能力，可以通过文字和语音的方式来询问大模型。
生成特定的学习的文本。
在生成内容后，积流成江会把特定的单词用下划线进行标记，点击后即可打开单词卡。
单词卡中设定了学习目标，通过「添加」按钮即可添加到学习选项卡页面。
点击开始复习，就可以就可以进入学习界面，学习界面中有诸多功能帮助你巩固单词，比如补全单词和选择单词对应的中文释义。
使用起来，积流成江最舒服的一点是，通过将大模型的能力引入学习英语的工作流以后，大家可以按照自己的兴趣来自定义学习文本，学习动力大大地增强。
比如我想学习显卡相关的知识，就可以让积流成江先用英语生成显卡相关的文本，看着满屏幕的RTX 4090，确实极大的增强了我的学习动力。
同样，也可以根据工作需要，生成相关的文本。
字节为什么坚定投入AI Coding赛道？
今年AI Coding带火了国外Cursor、Copilot和Windsurf等诸多产品，国内有对标的产品吗？
有的！就是字节在今年年初发布的TRAE。
字节是一家技术研发比重很高的公司，所以研发效率间接决定着企业的效率。
洪定坤说他们在AI Coding方面的探索已经有一段时间了，GPT-3.5出来的时候，就意识到这也许是大模型一个很好地应用方向。
所以TRAE的意思就是「真正的AI工程师」——寓意AI大模型确实会给Coding带来真正的变革。
不过大模型一开始并没有足够的能力来很好地完成Coding任务，但是过去仅仅不到一年，大模型的进化就超过所有人的预料。
GPT-4.1、Gemini 2.5 Pro、Claude Opus和DeepSeek-R1-0528等底层模型都在编码能力上实现了重大的突破。
同样地，字节在火山引擎Force原动力大会上发布的豆包大模型1.6，在编程能力上也有很大的进步。
这让AI Coding真正有了落地的可能，并且极有可能带来编程领域的范式革命——就像洪定坤一样，用自然语言完成一个真实的、可用的工程项目。
首先，TRAE有两个基础功能「代码补全」和「局部代码生成」，能在写代码的过程中，根据上下文自动推测和补全代码，助力编程效率的提升。
其次，借助 TRAE 所实现的「自然语言编程」，并非一般意义上的「产品经理描述功能，然后让 AI 来开发」。
积流成江APP 的打造过程仍然是典型的工程师开发，在功能之外，更多是编码逻辑和技术方案本身。
更重要的是，底层模型能力的提升，让TRAE的开发效率获得了质的提升。
洪定坤表示，他们想要做TRAE这件事其实有几个重要的愿景：
· 技术普惠，AI让人人都是开发者
每一次大的技术革命都是一次巨大的筛选。
在上一次互联网数字革命中，编程语言作为计算机历史上的伟大发明，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，字节都相信，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。
· 提升研发效率
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。
今天，在字节跳动内部，有超过80%的工程师，在使用TRAE这样的产品辅助开发。
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，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，是洪定坤和他的团队决定认真做AI Coding这个事情的原因。
洪定坤用积流成江给我们演示了什么是真正的AI原生开发范式。
在TRAE的加持下，也许每个人都有机会成为「真正的AI工程师」。
AI Coding的未来，或许已经悄然抵达。
TRAE体验地址：https://www.trae.cn/
参考资料：
洪定坤：我与 TRAE 合作的第一个开源项目，欢迎下载
文章来自公众号“新智元”
