共计 2682 个字符，预计需要花费 7 分钟才能阅读完成。
在AI技术飞速发展的当下，开发者社区正密切关注着AI编程工具的实际效能。字节跳动技术副总裁洪定坤在火山引擎Force原动力大会上宣布开源其使用AI编程助手TRAE三天开发的英语学习应用“积流成江”，这一消息引发了广泛关注。本文将深入探讨这一项目的开发过程、技术细节以及其背后所承载的字节跳动对于“AI Development”的深远思考。
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。
“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
GitHubhttps://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。
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。
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”。
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。
本文由 @饼干哥哥 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自Unsplash，基于CC0协议
