本文的作者是字节跳动的研发负责人洪定坤。

在不久前举行的火山引擎 Force 原动力大会上，我展示了一款在三天内开发完成的英语学习应用，名为「积流成江」（体验地址：https://sstr.trae.com.cn）。

这款 APP 的开发团队除了我和两位技术同事外，还有我们自主研发的 AI IDE「TRAE」的支持。

「积流成江」APP 功能现场演示

现场演讲原文：字节跳动技术副总裁洪定坤：TRAE 的目标是推动 AI 开发。

「积流成江」（Streams to River）是一款旨在帮助用户学习英语的应用。它的设计理念在于通过日常所接触的英语单词、句子及其上下文进行记录、提取和管理，并结合艾宾浩斯遗忘曲线，进行定期的学习与记忆。

在此次开发过程中，约 85% 的代码是通过与 AI 的自然语言对话生成的。得益于 TRAE 的支持，我们快速完成了代码的编写与调试。值得一提的是，在开发期间，我们还参与了一些其他活动和会议，因此并没有完全投入所有时间。

我们充分利用了 TRAE 来进行代码开发、调试、书写注释和单元测试，同时通过 coze workflow 快速集成了图像转文字、实时聊天、语音识别与单词划线等多种大模型能力。

除了直接上线产品，我们还计划将「积流成江」APP 的全部代码进行开源，供开发者们参考，了解 TRAE 与人类开发者共同编写的代码样式。

目前，「积流成江」APP 的完整代码已上传至 GitHub，感兴趣的用户可以随时下载。

GitHub 地址：
https://github.com/Trae-AI/stream-to-river

项目信息

接下来，我想对这次开源的代码进行一些介绍。

Streams to River 是一个基于 Hertz 和 Kitex 框架打造的单词学习及语言处理微服务系统。该系统提供了从 API 服务到 RPC 实现的完整方案，包括用户认证、单词管理、复习进度追踪、实时聊天、语音识别和图像转文本等核心功能模块。

该系统采用前后端分离的微服务架构，主要分为以下几个层次：

1. API 服务层：基于 Hertz 框架，提供 HTTP API 接口，用于处理前端请求。

2. RPC 服务层：基于 Kitex 框架，负责业务逻辑的实现与 API 服务层的请求处理。

3. 数据访问层：包括 MySQL 数据库和 Redis 缓存，负责数据的持久存储及缓存。

AI 编程实践分享：高效开发的秘密武器

4. 智能处理层：综合了大语言模型（LLM）、语音识别（ASR）以及图像转文本等多种功能

系统架构示意图

组件调用关系图

有关该项目的更多信息，大家可以访问 GitHub 项目的主页，也非常欢迎各位提出问题，进行深入讨论。

分享AI编程的实践经验

在火山引擎大会上，我曾分享自己开发「积流成江」APP的经验，以及如何通过使用 TRAE 来提高开发效率。

以下是几个关键点：

首先，TRAE 提供了两个基本功能，即「代码补全」与「局部代码生成」，这两个功能能够根据上下文自动预测和填充代码，从而提升编程的效率。

其次，我们通过 TRAE 实现的「自然语言编程」，并不是简单的「产品经理描述功能，然后让 AI 来开发」。在开发「积流成江」APP的过程中，依然是工程师主导的开发，除了功能外，更加注重编码逻辑和技术方案本身。举例来说，一个包含300行代码的功能，可能仅需200字的方案描述。

此外，强大的底层模型代码能力，也是此次开发顺利完成的重要因素。TRAE 所使用的 doubao-dev 模型，正是基于字节跳动最新发布的豆包1.6系列。TRAE团队在此基础上，针对工程开发场景进行了进一步的训练。最近，TRAE的用户们应该已经更新到豆包1.6，相信这将进一步提升开发的效率。

TRAE 开发过程演示

深入了解 TRAE：未来的人工智能工程师

关于 TRAE 的介绍

接下来，让我们进一步认识一下 TRAE。

TRAE 旨在成为真正的人工智能工程师（The Real AI Engineer）。其推出的 AI IDE 产品，专注于提升智能生产力，能够与您的开发流程无缝结合，形成默契的协作关系，以更高的质量和效率完成每一项任务。

体验 TRAE，请访问：https://www.trae.cn/