北京
IT时代网6月24日消息，6月23日，字节跳动技术副总裁洪定坤在火山引擎FORCE原动力大会上发表《AI Coding的实践与探索》主题演讲，分享字节内部在AI编程落地过程中的真实体感与挑战。
洪定坤透露，过去一年字节跳动的AI代码贡献率增长超过6倍，AI Coding上的Token消耗增长5倍，AI代码合入率也增长超过2倍。但这些数字不代表AI Coding已做得非常好，反而因为用得越来越多，对挑战有了更真实的体感。
挑战一：过度重视AI代码贡献率。洪定坤指出，单一指标容易失真。字节TRAE团队过去半年超90%的代码由AI产出，人均需求吞吐率仅提升60%。AI写代码速度是人的10倍以上，理论上应有几倍甚至数量级的提升，但实际只有1.6倍，说明单一指标很难衡量全局效率。
Vibe Coding：感觉快了，可能慢了。洪定坤分享了用3个主流Coding模型和3个Agent框架做实验的结果。900次运行数据显示，所有组合功能正确率均超过80%，但关注UI易用性、可靠性、可维护性、性能和兼容性时，得分骤降至40到60分的不及格水平。模型加框架表现出非常强的随机性，距离真正上线交付还有一定距离。
Harness基建是关键。真正决定AI能否落地的，往往是更基础、更工程化的问题——上下文工程、架构约束、团队知识沉淀、技术债梳理等。引入Harness后，正确率从80%提升到近90%，可交付性从40到60分普遍提升到80分的不错水平。
人人都是程序员，如何协作？洪定坤举了一个真实例子：产品同学用Vibe Coding做出需求，但研发表示还要排期。原因是代码虽然能跑，但性能不够好、扩展性没考虑、存在权限安全问题。AI让不同角色都有机会把想法变成代码，但代码生成门槛下降不代表系统复杂度下降，产出仍需进入统一的架构、规范和交付流程。
洪定坤总结，字节跳动在AI Coding上的关注已发生变化，更加关注三件事：找到更合理的指标衡量全局效率；用更稳定的方式让Vibe Coding走向真正的软件工程；围绕AI Coding让软件开发上下游角色更好地协作。字节内部已探索原型驱动开发模式和系统化AI Development，TRAE日均Token消耗量已达5.6万亿，相比去年增长50倍。近期还推出了TRAE Work，集成到TRAE企业版之中。
创作声明：本文借助AI辅助创作
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
