在2025春季原动力大会上，字节跳动的技术副总裁洪定坤展示了他如何运用TRAE开发了一款新颖的英语学习应用，现场向观众演示了这一成果。

他进一步分享了整个应用开发的过程，表示在大约三天的时间里，利用零碎的时间完成了这一项目，除了日常的工作、用餐和休息。

仅仅通过8个Prompt，他便成功打造出一款能够理解语义并进行互动的单词学习应用！

有些人可能会疑惑：为何需要8个Prompt？难道一段Prompt就能解决所有问题吗？

与初学者那种“需求无逻辑”的Prompt写法不同，洪定坤的关键在于将程序员的思维拆解为工程化的方式，并用自然语言准确传达给AI。

简而言之，就是以“与同事讨论技术方案”的方式来撰写需求。

接下来，以这款单词应用为例，让我们一同体验一下吧：

从业务需求的角度分析，此款单词学习应用的逻辑可以视为“单词复习任务的调度”。因此，向AI发出指令时：

智能单词学习应用的创新设计与实际应用

利用表格中的words_resite_record字段，系统能够筛选出用户需要复习的单词。接着，通过word_id进行表的关联，从answer_list中随机挑选干扰项，从而生成三种基本题型。

如此一来，AI便能清晰地把握应用的逻辑，从而迅速生成包含题干和选项的完整考题。

想要了解单词的复习进度吗？在实际业务中，这可以看作是“算法调度”，简而言之，就是将算法逻辑输入给AI。通过设计“判错逻辑 → 数据更新 → 曲线计算”的流程，使其能够像后端服务一样处理状态变化和调度。

如果希望在此基础上增加更多的迭代功能，这就意味着需要扩展接口、添加业务校验并修改业务规则。这时，需将工程化逻辑交给AI，AI将会依照给定逻辑生成涵盖“需求 → 开发 → 测试”的工程化流程。

当然，您还可以为这个应用添加个性化标签，通过创建标签表来存储相关配置，使单词复习过程能够根据这些配置进行动态调整。

在大会现场，洪定坤展示了该应用的实际效果：界面简洁，用户只需输入问题即可与系统互动，并且支持中英文流畅对话。此外，该应用还整合了由扣子（Coze）开发的Agent能力，能够自动提取高频词和专业术语，加入个人的学习词库，随时收集生僻词汇。

此外，这款应用还能够根据用户的掌握程度设计题目，比如“中文释义填空”或“英文场景造句”，实现智能互动。用户登录后，可以将单词加入“我的学习”页面，并通过标签进行分类管理，如“熟练掌握”或“听懂看懂”。在复习时，系统会依据掌握程度出题，真正做到私人定制的学习助手。

AI Coding的全新升级：超越编程的可能性

洪定坤指出：“这并不是演示版本，实际产品已经在昨晚正式发布，后续我们也将把完整的代码上传至GitHub。”

有兴趣的同学可以提前体验，以下是访问链接。

https://sstr.trae.com.cn

在观众们惊叹于“AI发展的速度真是惊人”之际，洪定坤补充道，AI Coding的潜力远不止于此。

这一案例所展现的，不仅反映了字节跳动对AI Coding编程效率的深入思考，也是其生态能力的具体体现，进一步彰显了字节跳动在技术普惠方面的实践。

洪定坤透露，此次推出的AI Coding功能“进化”主要集中在两个方面。

• 动态上下文补全

在代码补全的方面，TRAE打破了传统IDE插件的局限，通过“上下文感知与流程预判”的双重功能实现了新的突破。过去，程序员在编写代码时常常需要手动查找和输入大量细节，既耗时又容易出错。而现在，在TRAE的帮助下，程序员可以根据当前代码光标位置迅速完成上下文补全。与传统的单次操作不同，TRAE还能够预判下一个修改位置，完成当前代码后自动将光标跳转至下一个逻辑节点，确保流畅的操作。这种“智能引导”机制显著提高了编程效率。

洪定坤强调：“这种补全和生成效率的提升是显著的，而且实用性更强。”

• 自然语言编程的崭新模式

与Vibe Coding不同，自然语言编程的方式并不是单一的“需求转化为代码”，而是工程师通过自然语言表达技术方案，AI基于此生成可以执行的代码。这种模式形成了一个“人类主导逻辑框架，AI负责填充技术细节”的高效协作闭环。

一方面，工程师能够将更多精力放在逻辑构思上，无需陷入复杂的代码编写。通过自然语言描述复杂逻辑（例如背单词应用中的选项匹配算法），AI可以自动生成代码，工程师只需进行细节调整。比如，当描述“优先匹配用户错误率超过60%的词汇，并排除近三天已掌握的单词”时，AI就能生成包含缓存策略和数据过滤的完整代码。

另一方面，所生成的代码不仅仅是简单的示例，而是符合企业级开发标准的工程化成果。这种方式不仅大幅节省了开发时间，还确保了代码的高质量，真正实现了技术与需求的深度融合，使工程师能够从繁杂的编码工作中解放出来，专注于创新与优化。

洪定坤指出：“如今，字节内部使用AI编程的比例已经相当高，超过80%的工程师在利用TRAE等工具来辅助开发。截至目前，TRAE的月活跃用户已突破100万。这一数据表明，AI编码在程序员的工作中确实发挥了重要作用。”

这一切的背后，实际上是字节跳动内部生态系统的完善。

首先，TRAE团队利用豆包1.6模型的强大编程能力，针对工程开发场景进行了额外训练，提升了逻辑解析和代码生成的能力，相较于1.5版本，代码的准确率大幅提升；其次，TRAE整合了字节跳动的内部工具链（例如Meego需求管理、Argos故障诊断），实现了“自然语言描述 - 代码生成 - 测试部署”的完整闭环。

此外，从AI编程工具的发展趋势来看，TRAE的前身MarsCode以插件形式集成于VS Code/JetBrains，仅提供基础的代码补全功能。然而，随着大模型能力的不断迭代，传统的插件形态和代码补全功能已经无法完全满足开发者对高效、全面开发流程的需求，开发者对IDE提出了更高的期望——如何通过AI与IDE的深度融合，构建更完整的开发流程。这正是TRAE IDE为AI编程打造原生开发环境的基本初衷——“AI只有做到‘听懂人类语言’、‘理解上下文’，才能成为真正的AI工程师，迈向AI开发的新时代。””

AI编码到AI开发的未来展望

回顾编程语言的发展历程，从机器语言到高级编程语言，编程语言始终是技术进步的重要基石。而AI的出现，进一步降低了编程语言的门槛，使得数百或数千人的专业技能，有望扩展至数百万的普通人。未来，AI不仅会成为工程师的得力助手，更将成为全民创新的催化剂，推动生产力实现质的飞跃。

字节跳动作为一家致力于大规模模型研发和技术创新的企业，正积极参与从“AI 编码”向更广泛的“AI 开发”转型。这一变革不仅局限于代码的自动补充或生成，AI将彻底改变软件开发的整个过程及角色分配。

• 开发模式的提升：从“编写代码”转向“需求定义与结果验证”

未来的开发者将更加专注于问题的识别、需求的拆解、架构的设计以及高级逻辑的构建。AI将负责大量的基础、重复性和模式化的编码工作，甚至能够根据模糊的自然语言描述，自动生成原型、设计接口及编写测试用例。

TRAE的实践已经让我们初步看到了这一趋势的形成。无论是资深工程师还是刚入门的学习者，皆可通过与AI进行自然语言的互动来表达自己的意图，而AI则负责将其转换为可执行的代码。这意味着开发的重心已经从“如何实现”（How）转向了“实现什么”（What）以及“是否正确”（Validation）。

• 开发主体的多元化：人人皆可成为“创作者”

AI的下一个演变阶段是赋能非专业的开发者。例如，教师可以迅速构建教学工具，业务人员能够自主开发数据分析脚本，创业者能够以低成本验证产品原型。这与字节跳动所倡导的技术普及理念十分契合。

正如洪定坤所指出的：“模型能力的提升为像TRAE这样的产品落地提供了真正的机会。”

• 研发效率的飞跃性提升

对于专业的工程师而言，AI Development代表着效率的显著提升。AI不仅能够生成代码，还具备理解上下文、智能重构、自动修复Bug、性能优化、生成详尽文档，甚至预测潜在风险的能力。这将极大释放工程师的创造力，让他们更专注于战略性和创新性任务。

字节跳动的未来愿景：推动技术普及与智能发展

字节跳动的长远目标在于追求智能的极限，力求技术的普及化，使更多人能够掌握编程工具，从而提升工作效率。TRAE的愿景不仅局限于AI编程，更是致力于实现全面的AI开发。

2025年将是一个充满变革与惊喜的年份。从年初的DeepSeek到后来的AI编程热潮，我们正在逐步见证人工智能时代的奇迹。这些变化实际上都指向了AI技术的普惠性。随着强大技术的涌现和全民级AI产品的门槛不断降低，AI开发的新时代正逐渐逼近。