股票配资网首页公司有同事用TRAE教11岁的孩子编程

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。”