3天上线一个学英语应用，字节跳动技术副总裁：我是这样用TRAE写代码的

在火山引擎2025春季原动力大会上，字节跳动技术副总裁洪定坤把AI Coding玩出了新花样——当场拿出手机，给大家展示了一个自己用TRAE开发的学英语应用：

随后，他也公布了整个开发过程：大概三天里，除去工作、吃饭、休息的时间，完全是用一些碎片时间做出了这个应用。

通过8个Prompt，一个能理解语义、能交互的背单词应用就做好了！

有人可能会问：为什么需要8个Prompt？通常不是一段Prompt就能搞定吗？

区别于小白“说需求无逻辑”的Prompt 写法，洪定坤的核心逻辑是把程序员的逻辑拆解为工程化思维，用自然语言精准传递给AI 。

简单来说，就是用“和同事同步技术方案”的方式写需求。

话不多说，以这款背单词应用为例，先来感受一下：

从业务需求角度看，我们可以把这个背单词的应用逻辑理解为“单词复习任务调度”。此时，向AI提出指令：

通过words_resite_record表的next_review_time字段，筛选出用户待复习单词，再利用word_id做表关联，从answer_list表随机选干扰项，生成三类基础题型。

这样一来，AI就能更好地理解应用逻辑，即刻生成带题干、选项的完整的考题。

想知道单词的复习进度？对应到实际业务里，其实就是“算法调度”，简单来说，就是要把算法逻辑喂给AI。通过“判错逻辑 → 数据更新 → 曲线计算”的流程设计应用功能，让它像后端服务一样处理状态变更和调度。

如果在此基础上，还想再增加一些迭代功能，这就意味着接口需要扩展、业务校验需要新增、业务规则需要更改，此时，就需要把工程化逻辑交给AI，AI会根据逻辑生成覆盖“需求 → 开发 → 测试”工程化流程。

当然，你也可以给这个应用增加一些个性化的标签，通过创建标签表来存储配置，让单词复习流程根据配置动态调整。

大会现场，洪定坤还展示了这款应用的实际效果：不仅页面简单，输入问题即可交流任何问题，并且支持中英文流畅对话。同时，应用还集成了扣子（Coze）开发的Agent能力，可自动提取高频词汇、专业术语，加入个人学习词库，随时随地汇总生僻词汇。

除此之外，应用还能够针对不同掌握程度设计题目（如“中文释义填空”“英文场景造句”）进行智能交互。登录之后，可将单词加入我的学习页面，并通过标签分类管理，如“熟练掌握”或“听懂看懂”。复习时，系统还会根据掌握程度出题，堪比私人定制的学习助手。

洪定坤表示：“这并不是一个Demo，产品在昨天晚上已经发布了，后续也会将整个代码放到GitHub上。”

体验地址如下，感兴趣的同学可以提前去尝尝鲜了。

https://sstr.trae.com.cn

在观众惊呼“这届AI进化太快了”之余，洪定坤进一步表示，AI Coding的潜力还远不止于此。

AI Coding升级：不仅仅是编程能力的跃迁

这个案例的背后，不仅仅是字节跳动对AI Coding编程生产力的思考，也是字节跳动生态能力的体现，更是字节跳动技术普惠理念的实践。

据洪定坤介绍，此次上线的AI Coding应用能力“进化”主要集中在两个方面。

• 动态上下文补全

在代码补全方面，区别于传统的代码补全，TRAE突破了传统IDE插件的局限，实现“上下文感知 + 流程预判”的双重进化。以前，工程师在编写代码时，往往需要手动查找和输入大量细节，耗时且易出错。现在，在TRAE的辅助下，工程师基于当前代码光标位置，即可快速补齐上下文。同时，区别于传统代码补全的单次操作，TRAE还能预判下一步修改位置，补全当前代码后自动将光标跳转至下一逻辑节点，实现无缝衔接。这种“智能引导”机制，大幅提升了编程效率。

“这样的补齐效率和生成效率都是大幅提升的，并且也更实用。”洪定坤表示。

• 自然语言编程

区别于Vibe Coding，其自然语言编程方式并非简单的“需求指令生成代码” ，而是工程师通过自然语言描述技术方案，AI据此生成可执行代码的协作模式，即“人类主导逻辑框架，AI填充技术细节” 的协作闭环。

一方面，工程师可以更专注于逻辑构思，而非繁琐的代码编写，仅用自然语言描述复杂逻辑（如背单词应用的选项匹配算法），AI即可自动生成代码，仅需调整细节。例如描述“优先匹配用户错误率 > 60%的词汇，并排除近3天已掌握单词” 的逻辑，AI可自动生成包含缓存策略和数据过滤的完整代码。

另一方面，生成的代码并非简单Demo，而是符合企业级开发规范的工程化产物。这不仅节省了开发时间，更确保了代码质量，真正实现了技术与需求的深度融合，让工程师从繁琐的编码中解放，专注于创新和优化。

洪定坤表示：“今天，字节内部AI编程的使用率已经非常高了，超过80%的工程师在使用 TRAE 这样的产品辅助开发。截止目前，TRAE的月活用户已经超过了100万。这个数字也说明，AI Coding已经在程序员的工作中切切实实的起到了重要的作用。”

这一切的背后，事实上也是字节跳动内部生态链条的补齐。

其一，基于豆包1.6模型的强大编程能力，TRAE团队针对工程开发场景进行了额外后训练，强化逻辑解析与代码生成能力，对比1.5版本代码准确率大幅提升；其二，集成字节跳动内部工具链（如Meego需求管理、Argos故障诊断）等，实现“自然语言描述 - 代码生成 - 测试部署”的闭环。

此外，从AI编程工具的演进趋势来看，TRAE 的前身MarsCode以插件形式集成于VS Code/JetBrains，仅提供基础代码补全。但随着大模型能力的迭代升级，传统插件形态、补全代码功能已经不能完全满足开发者对高效、全面开发流程的需求，开发者对IDE提出了更高要求——如何通过AI与IDE的深度融合，实现更完整的开发流程。而这正是TRAE IDE为AI编程打造原生开发环境的初衷——“AI也只有做到‘听得懂人话’、‘看得懂上下文’，才可能是Real AI Engineer，迈向AI Development。”

从AI Coding到AI Development的未来图景

回看编程语言的进化历史，从机器语言到高级编程语言，编程语言始终是技术进步的基石。而AI的出现，将编程语言的门槛进一步降低，使得数百人、数千人的专长，有望扩展至百万计的普通人。未来，AI不仅是工程师的助手，更是全民创新的利器，生产力将因此迎来质的飞跃。

字节跳动作为一家深度投入大模型研发与技术创新的公司，正亲身经历着这场从“AI Coding”向更广阔的“AI Development”的范式演进——AI对开发领域的变革绝非仅限于代码的自动补全或生成，它将深刻重构软件开发的整个生命周期和角色分工。

• 开发范式的升维：从“写代码”到“定义需求与验证结果”

未来的“开发者”将更聚焦于问题定义、需求拆解、架构设计和高阶逻辑的构建。AI将承担大量底层、重复性、模式化的编码任务，甚至能根据模糊的自然语言描述，自动生成原型、设计接口、编写测试用例。

TRAE的实践已经让我们看到了这一趋势的萌芽。无论是专业工程师还是初学者都能够通过与AI的自然语言交互来表达意图，AI负责将其转化为可执行代码。这本质上是将开发的核心从“如何实现”（How）部分转移到了“实现什么”（What）和“是否正确”（Validation）。

• 开发主体的泛化：人人皆可成为“创造者”

AI的下一步进化是赋能非专业开发者，例如教师可以快速搭建教学工具，业务人员能自行开发数据分析脚本，创业者能低成本验证产品原型。而这正与字节跳动的技术普惠理念不谋而合。

正如洪定坤所言：“模型能力的进步使得像TRAE这样的产品有了真正落地的机会。”

• 研发效能的革命性提升

对专业工程师而言，AI Development意味着效率的指数级提升。AI不仅能生成代码，更能理解上下文、进行智能重构、自动修复Bug、优化性能、生成详尽的文档，甚至预测潜在风险。这将释放工程师的创造力，使其专注于更具战略性和创新性的工作。

而字节跳动的愿景是追求智能上限，实现技术普惠，让更多人掌握代码工具，提升生产力。即TRAE 想做的不只是AI Coding，更是AI Development。

2025年是充满变化和惊喜的一年，从年初的DeepSeek到爆火的AI 编程，我们似乎正在一步步见证着AI时代的奇迹，而这些变化的背后事实上都在指向AI的普惠性，当强大的技术和国民级别的AI产品不断降低门槛，AI Development的时代也在渐行渐近。