令人难以置信的是，洪定坤透露，本次项目大约有85%的代码是由AI通过自然语言对话技术所生成，而且在这短短的三天时间里，他本人也一直忙于公务。
他所采用的工具是字节跳动公司研发的TRAE——一款AI原生集成开发环境，其名称来源于“The Real AI Engineer”的缩写。
在技术领域，积流成江系统系依托于Hertz及Kitex框架所构建，该系统专注于单词学习及语言处理的微型服务。
本方案涵盖了用户身份验证、词汇管理、学习进度的监控、即时通讯、语音到文本的转换等多项功能模块，旨在提供一整套全面的解决方案。
该系统架构采用前端与后端分离的设计理念，具体可细分为以下几个层级：负责接口服务的API层、执行远程过程调用的RPC层、进行数据访问的数据层以及执行智能处理的智能层。
系统架构
组件调用关系
技术高管与人工智能协作编写的代码质量究竟如何？对此感兴趣的读者不妨直接前往GitHub平台进行查阅。
3天「写」出一个上线产品
若要打造一款类似积流成江的应用，恐怕至少得耗时数周，甚至可能长达一个月。
然而，洪定坤通过自身的实际操作，证实了当前的人工智能编程技术已能运用自然语言迅速地完成项目开发。
设想一下，一场备受瞩目的盛大发布会——火山引擎Force原动力大会——即将在短短数日之后拉开帷幕。
身为技术副总裁，洪定坤将登台进行演讲，内容涉及公司AI编程领域的核心产品，即TRAE。
他能够制作一份精致的多媒体演示文稿，详细展示各类数据与功能，向众人展示该工具的强大之处。
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？」
或许，身为一名开发者与使用者，若能将个人运用TRAE的经历娓娓道来，定能使得描述更加鲜活、贴近实际，他心中这般思忖。
玩的就是真实。
洪定坤提到，他在工作中需要学习英语，然而，他使用的常规英文单词背诵软件存在两个弊端：
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。
在此次会议中，洪定坤亲自进行了现场展示，通过「语音」输入，使得积流成江软件自动生成了一段对火山引擎的介绍性文字。
而且，生成的文本内容中还会自动对那些必须掌握的英文词汇进行突出显示。
值得一提的是，这一功能的实现得益于字节公司旗下另一款产品——Coze智能体。
洪定坤表示，他已有一段时间未曾亲临前线编写代码，自感技艺生疏，「有点生锈」，然而在TRAE的协助下，他仅用3天时间便成功开发出了一个完成度颇高的英语学习应用。
在此过程中，最为关键的一点在于，洪定坤大多数情况下，都采用编程逻辑的“自然语言”来完成了以往工程化开发的任务。
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。
这款产品并非仅是演示版本，它已经正式投入使用，您可以在此体验：https://sstr.trae.com.cn。
经过全程的体验，我们不禁感到惊讶，这个产品竟然仅仅用了3天时间便完成，其完成度之高，几乎可以称得上是完美无缺，达到了近乎100%。
积流成江如何教你背单词？
这款积流成江产品其设计之复杂，究竟有何独特之处，以至于洪定坤在Force大会上不惜重点推荐？
实际上，这款产品的复杂性正是用来展示当前人工智能在编码领域的进步程度究竟达到了何种水平。
积流成江共有两个页面选项卡。
该选项卡整合了豆包所具备的大型模型功能，用户能够通过文字输入或语音指令与该模型进行交流。
生成特定的学习的文本。
在内容生成过程中，系统会将特定的词汇以下划线标注，用户只需点击这些下划线，即可查阅对应的单词卡片。
学习目标在单词卡中已设定，只需点击「添加」按钮，便可以将其加入至学习选项卡页面。
点击“开始复习”按钮后，您便能够进入学习页面，该页面集成了多种辅助功能，旨在助力您强化词汇记忆，例如通过“补全单词”和“选择单词的中文解释”等方式。
在使用过程中，积流成江的一大优势在于，将大型模型的功能融入英语学习流程后，用户可根据个人兴趣自由定制学习材料，从而显著提升学习积极性。
若我渴望掌握显卡领域的知识，那么可以请积流成江首先以英语编制有关显卡的资料，浏览着充斥屏幕的RTX 4090显卡，这无疑极大地激发了我的学习热情。
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，国外诸如Cursor、Copilot和Windsurf等AI Coding相关产品备受关注，那么，我国是否也有类似的产品与之相匹配呢？
有的！就是字节在今年年初发布的TRAE。
字节公司技术研究的投入比例相当高，因此其研发的效率在一定程度上影响着整个企业的运作效率。
洪定坤提到，他们对于AI Coding领域的探索已经持续了一段时间，当GPT-3.5问世之际，他们便察觉到这或许是一个大模型极为合适的应用领域。
因此，TRAE的含义便是“真正的AI工程师”——这一表述暗示着AI大型模型确实能够为编程领域带来深刻的变革。
起初，大模型在执行编程任务方面尚显不足，能力有限，然而，仅仅在不到一年的时间内，其发展速度便已远远超出众人的预期。
GPT-4.1、Gemini 2.5 Pro、Claude Opus以及DeepSeek-R1-0528等基础模型在编码领域取得了显著的进展。这些模型均展现了卓越的编码性能。
字节公司于火山引擎Force原动力大会上推出的豆包大模型1.6版本，在编程方面的能力同样实现了显著提升。
这使得AI Coding的实践应用成为可能，同时，它极有可能引发编程领域的重大变革——就如同洪定坤所做的那样，通过自然语言实现了一个既真实又实用的工程项目。
TRAE具备两项核心功能，即“代码自动补全”与“局部代码自动生成”，在编写代码时，它能够依据代码上下文进行智能推测与填充，从而有效促进编程效率的提高。
其次，通过TRAE所实现的“自然语言编程”并非仅仅指“产品经理描述功能，再由AI进行开发”这一常规流程。
积流成江APP的构建过程依旧体现了工程师开发的典型特征，其核心不仅在于功能的实现，更在于编码逻辑和技术方案的本身。
尤为关键的是，底层模型能力的增强，显著提高了TRAE的开发速度。这不仅意味着效率的飞跃，更带来了质的飞跃。
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。
在上一次的互联网数字变革浪潮中，编程语言这一计算机历史上的里程碑式发明，凭借其简洁而优雅的语法以及语义规则，设定了明确且易于理解的指令，从而使得计算机能够执行各式各样的任务。
而且，不论技术进步到何种程度，字节始终坚信，代码依然是未来最为关键，甚至可以说是唯一的，使计算机能够执行各种繁复任务的工具与途径。
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
精心打造开发工具，不仅对公司整体发展具有深远影响，而且对每位开发者的个人成长同样意义重大，此举可有效促进工作效率的显著提高。
今日，在字节跳动公司内部，超过八成的技术人员正借助TRAE等工具进行软件开发。
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。
编码工作是一项结构严谨、逻辑性强的任务，它对模型在理解复杂语义、进行逻辑推理、设计算法以及实现精确表达等方面提出了较高的要求，从而有效促进了模型智能潜能的挖掘。
因此，洪定坤及其团队致力于AI Coding项目，旨在让更多的人学会编写代码以完成更复杂的任务，同时提高专业工程师的工作效率，并推动模型向更高的智能水平发展。
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。
得益于TRAE的助力，或许每个人都能有望成为“真正的AI工程师”。
AI Coding的未来，或许已经悄然抵达。
