越來越多的玩家開始涌入 AI Coding 賽道。

從面向普通用戶的低代碼平臺(tái)，到服務(wù)專業(yè)程序員的 IDE，幾乎每個(gè)場(chǎng)景都在嘗試 AI 的可能性。

作為國(guó)內(nèi)首個(gè) AI Native 的 IDE，TRAE 對(duì)于 AI 如何更好參與程序員的工作流程，甚至于軟件開發(fā)的全流程，有很多自己的想法。

TRAE 的產(chǎn)品經(jīng)理 Leon 認(rèn)為，真正的未來在于「AI+工具」的模式，即構(gòu)建一個(gè)以 AI 對(duì)話為核心的統(tǒng)一工作空間。也是基于此，TRAE 推出了 Solo 模式。

在 AGI Playground 2025 上，Leon 詳細(xì)分享了構(gòu)建一個(gè)真正的「AI 工程師」所需的核心能力、對(duì)于 AI Coding 產(chǎn)品未來形態(tài)等思考，以及 TRAE 的核心功能及使用場(chǎng)景。

以下內(nèi)容基于演講內(nèi)容，由 Founder Park 整理。

超 7000 人的「AI 產(chǎn)品市集」社群！不錯(cuò)過每一款有價(jià)值的 AI 應(yīng)用。

邀請(qǐng)從業(yè)者、開發(fā)人員和創(chuàng)業(yè)者，飛書掃碼加群：

進(jìn)群后，你有機(jī)會(huì)得到：

• 最新、最值得關(guān)注的 AI 新品資訊；
  

• 不定期贈(zèng)送熱門新品的邀請(qǐng)碼、會(huì)員碼；
  

• 最精準(zhǔn)的AI產(chǎn)品曝光渠道

01編程語言的發(fā)展是不斷抽象和求簡(jiǎn)的過程

代碼和軟件作為基石，塑造了互聯(lián)網(wǎng)時(shí)代的繁榮。在 AI 驅(qū)動(dòng)的今天，它正在開啟下一輪的躍遷。

讓我們把時(shí)鐘撥回到計(jì)算機(jī)誕生之初，寫代碼這件事情是如何一步一步演進(jìn)到當(dāng)前這個(gè)階段的？

最開始的一個(gè)階段是機(jī)器語言和匯編語言。那個(gè)時(shí)候的開發(fā)者，需要在紙帶上進(jìn)行穿孔來表示 0 和 1，用這種方式來進(jìn)行編程。隨著 50 年代左右高級(jí)語言的誕生，程序開發(fā)者們逐漸地從直孔打帶的編程方式中解脫出來；到了 60、 70 年代， C 語言橫空出世，奠定了面向過程的函數(shù)式編程的基礎(chǔ)，同時(shí) C 語言的出現(xiàn)也為大型軟件的出現(xiàn)提供了可能；80 年代，整個(gè)軟件開發(fā)的范式逐漸面向了一些對(duì)象化、封裝化；直到 90 年代到互聯(lián)網(wǎng)的興起，Java、Python、 Javascript 這些語言的出現(xiàn)，真正讓編碼這件事情走向了大眾化，

但編程語言的改進(jìn)始終沒有停滯，從 2000 年開始到現(xiàn)在，隨著語音技術(shù)的不斷發(fā)展，不斷有新興語言出現(xiàn)。比如像 Go、Rust、 Scala 等語言的出現(xiàn)，都在圍繞著一種更高效、更加并行化、更加穩(wěn)定的方式去演進(jìn)。

縱觀整個(gè)編程語言的發(fā)展史，其實(shí)是一個(gè)不斷抽象和求簡(jiǎn)的歷史。在同一個(gè)功能上，最開始的匯編語言可能需要 2000 行代碼來實(shí)現(xiàn)；用 C 語言的時(shí)候可能 500 行就可以了；到了 Python 可能 100 行就能完成整個(gè)邏輯的書寫，這大大降低了大家重復(fù)工作的成本。

隨著編程門檻的不斷降低，也帶來了開發(fā)者人群的指數(shù)級(jí)增長(zhǎng)。 90 年代左右，全球開發(fā)者大概有百萬量級(jí)；2023 年，僅 GitHub 的注冊(cè)開發(fā)者就達(dá)到了破億的規(guī)模。每一次代碼的抽象升級(jí)，都在圍繞著代碼更少、效率更高、參與者更多而進(jìn)行。

如今， AI Coding 正在醞釀下一次的飛躍，通過自然語言生成代碼、自動(dòng)補(bǔ)全你的代碼邏輯、智能調(diào)試 debug 的方式，讓寫代碼這件事情不再是少數(shù)人的技能，而成為更多人實(shí)現(xiàn)想法的手段。這不僅是生產(chǎn)力的飛升，更是開發(fā)者邊界的重塑。

02好的AIIDE

模型、產(chǎn)品、工程缺一不可

我們團(tuán)隊(duì)希望通過 AI 的能力，幫助全球開發(fā)者提升整體的研發(fā)效能、加速軟件的創(chuàng)新。不僅是想提供一個(gè)更強(qiáng)大的 AI 編程工具，我們更希望通過構(gòu)建一個(gè)智能的 AI 工程師來實(shí)現(xiàn)這個(gè)目標(biāo)。我們希望它能成為每位開發(fā)者的智能協(xié)作伙伴，就像一個(gè)真正的 AI 工程師。在我們的設(shè)想里，這個(gè) AI 工程師不僅能編寫代碼，更具備自主理解、思考、優(yōu)化和協(xié)作的能力。它不再是被動(dòng)執(zhí)行指令的工具，而是能夠分析需求、優(yōu)化方案、提供智能建議，并且能持續(xù)學(xué)習(xí)，去理解和適應(yīng)開發(fā)者的風(fēng)格，實(shí)現(xiàn)真正的人機(jī)深度協(xié)作。

這其實(shí)正是 TRAE 這個(gè)名字的由來——The Real AI Engineer，一個(gè)能夠與人類協(xié)同工作的 AI 工程師。

如同過去的織布機(jī)能讓織工從手工拋梭中解脫出來一樣，TRAE 也希望能把開發(fā)者從重復(fù)性的業(yè)務(wù)代碼中解放出來，讓他們可以更專注于架構(gòu)設(shè)計(jì)和產(chǎn)品構(gòu)建。

一個(gè)好的AIIDE，應(yīng)該是產(chǎn)品能力、工程能力和模型能力三者的有機(jī)結(jié)合。

首先，產(chǎn)品得「聽得懂人話」，這樣它才能參與到和工程師的協(xié)作中。在 TRAE 里，我們不是通過寫命令或點(diǎn)按鈕的方式來操縱 AI，而是希望從底層構(gòu)建一種目標(biāo)驅(qū)動(dòng)的交互模式。開發(fā)者可以用自然語言描述希望實(shí)現(xiàn)的目標(biāo)和任務(wù)，由 AI 來理解任務(wù)、生成文件結(jié)構(gòu)、自主拆解模塊、補(bǔ)全代碼，并自動(dòng)構(gòu)建出整個(gè)網(wǎng)站的頁面。

AI 要想完成整個(gè)開發(fā)任務(wù)，還需要具備處理執(zhí)行細(xì)節(jié)的能力，比如：如何拆分任務(wù)目標(biāo)？任務(wù)之間如何銜接？流程卡住時(shí)如何中斷和恢復(fù)？為了解決這些問題，TRAE 從底層構(gòu)建了一個(gè)任務(wù)調(diào)度框架來支持 Agent 模式，使其具備并行執(zhí)行、異步控制、中斷回調(diào)與狀態(tài)追蹤的能力。

比如，用戶可能會(huì)對(duì) AI 說：「我需要一個(gè)管理頁面，幫我配置一下權(quán)限，再把這個(gè)頁面和我的數(shù)據(jù)庫打通。」 這時(shí)候，AI 就需要根據(jù)需求自主地拆解任務(wù)，生成一系列子任務(wù)，例如：生成頁面、配置權(quán)限、構(gòu)建數(shù)據(jù)表等等。

同時(shí)，我們希望 AI 能夠根據(jù)這些任務(wù)間的依賴關(guān)系，按順序進(jìn)行調(diào)度執(zhí)行。在執(zhí)行任務(wù)的過程中，AI 難免會(huì)遇到失敗，但它也能夠自動(dòng)回滾或重試。所有這些交互和執(zhí)行的底層邏輯，其實(shí)仍然是基于模型本身的能力，比如模型的自然語言理解、結(jié)構(gòu)化推理、代碼生成等能力，這些決定了 AI 對(duì)用戶意圖的把握程度和對(duì)復(fù)雜上下文的處理深度。再比如說，你可能會(huì)給 AI 一段業(yè)務(wù)代碼，對(duì)它說：「你幫我優(yōu)化一下這段代碼。」 這時(shí)，AI 就必須去理解當(dāng)前代碼的業(yè)務(wù)邏輯，識(shí)別出其中的冗余和可改進(jìn)之處，并生成語義上等價(jià)的優(yōu)化代碼。

這三種能力其實(shí)并非孤立，而是相互支撐的。就像人一樣，在這個(gè)過程里我們覺得，模型能力更像是負(fù)責(zé)理解問題的「大腦」，工程能力則像是負(fù)責(zé)執(zhí)行任務(wù)的「手和腳」，而產(chǎn)品能力就是與人溝通的「語言」。通過 TRAE，我們正試圖將這三者有機(jī)地結(jié)合起來，希望讓一個(gè)懂意圖、會(huì)思考、能動(dòng)手的 AI 成為可能。

03發(fā)布一年，月活突破 100 萬

接下來，我通過對(duì) TRAE 最新版本的介紹，帶大家了解它的核心功能和使用場(chǎng)景。

第一個(gè)場(chǎng)景是代碼補(bǔ)全，我們把這個(gè)功能叫做 「cue」，也就是「提示」的意思。在最新版本中，我們新增了兩個(gè)核心能力：一是預(yù)測(cè)代碼的補(bǔ)全位置，二是支持連續(xù)補(bǔ)全。當(dāng)你在編輯區(qū)寫代碼時(shí)，AI 會(huì)根據(jù)當(dāng)前整個(gè)文件的上下文，以及你之前的編輯歷史，來揣測(cè)你接下來的編輯意圖，并給出下一步的代碼和位置推薦。你可以非常方便地使用 Tab 鍵來采納這些建議。

我們從用戶訪談和數(shù)據(jù)分析中發(fā)現(xiàn)，「cue」 這個(gè)功能對(duì)專業(yè)開發(fā)者來說非常重要。一方面，它能實(shí)實(shí)在在地幫助開發(fā)者提升效率；另一方面，我們也發(fā)現(xiàn)，在使用「cue」的過程中，開發(fā)者非常容易進(jìn)入「心流」?fàn)顟B(tài)。

第二個(gè)場(chǎng)景是用自然語言寫代碼。也就是用聊天的方式來開發(fā)，把 AI 當(dāng)成一個(gè)非常了解項(xiàng)目的開發(fā)搭檔，或者一個(gè)非常懂你代碼的專家。

比如說，當(dāng)你想在當(dāng)前項(xiàng)目中新增一個(gè)需求，按傳統(tǒng)做法，你可能要先弄明白這個(gè)需求的項(xiàng)目背景，再去做方案調(diào)研和技術(shù)預(yù)研，最后還要對(duì)整個(gè)代碼庫有足夠的理解，才能真正動(dòng)手去寫代碼、改代碼。

在這個(gè)流程里，你完全可以把這些工作都交給 AI。AI 會(huì)根據(jù)你的需求去理解項(xiàng)目、研究技術(shù)文檔，并為你提供合適的解決方案。你可以審查 AI 給出的結(jié)果，如果符合預(yù)期，就可以快速將這些代碼應(yīng)用到項(xiàng)目中；如果不滿意，也可以繼續(xù)向 AI 提出修改要求，或者隨時(shí)回滾到你認(rèn)為穩(wěn)定的版本。

如果說前面的「cue」功能，是幫助開發(fā)者在知道「寫什么」的時(shí)候?qū)懙酶咝В敲醋匀徽Z言編程，則更像是為那些「有想法，但不太確定怎么寫」的用戶服務(wù)的。

我們發(fā)現(xiàn)，在不同的開發(fā)場(chǎng)景中，人與 AI 的協(xié)作模式其實(shí)是動(dòng)態(tài)變化的。開發(fā)者可以根據(jù)自己的實(shí)際需要、業(yè)務(wù)場(chǎng)景和技術(shù)棧，在 AI 主導(dǎo)和 AI 輔助之間自由切換，找到最適合自己的協(xié)作方式。

你可以通過多輪對(duì)話與 AI 協(xié)作完成任務(wù)。TRAE 中引入了多個(gè)智能體（Agent），每個(gè)智能體都集成了自己的工具集（MCP）。用戶可以將 prompt 提交給這些 Agent，它們會(huì)基于不同的上下文，處理用戶在各類場(chǎng)景下的代碼任務(wù)。

比如你希望創(chuàng)建一個(gè)偏前端的 APP，我們可能會(huì)推薦你使用前端智能體。你直接告訴它，「我想實(shí)現(xiàn)一個(gè)類似記事本的功能，用來記錄每天的待辦事項(xiàng)」，TRAE 就會(huì)調(diào)用相應(yīng)的前端智能體，設(shè)計(jì)好代碼結(jié)構(gòu)，并根據(jù)你的代碼風(fēng)格，生成你想要的項(xiàng)目代碼，同時(shí)還會(huì)給出它背后的思路和解釋。

同時(shí)，我們也注意到一些開發(fā)者對(duì) AI 生成代碼會(huì)有「失控感」。但在 TRAE 的 AI 代碼生成過程中，你可以非常清晰地看到 AI 生成的代碼所帶來的每一處變化。如果你認(rèn)可，就能輕松快速地應(yīng)用到項(xiàng)目中。此外，TRAE 還在 IDE 中集成了自動(dòng)運(yùn)行終端命令的能力。比如在任務(wù)過程中，TRAE 可以自動(dòng)幫你安裝依賴、運(yùn)行腳本或執(zhí)行代碼檢查等。同時(shí)，對(duì)于生成的前端頁面，也可以通過內(nèi)置的網(wǎng)頁預(yù)覽實(shí)時(shí)查看效果，幫助你快速調(diào)整和優(yōu)化。當(dāng)然，如果你不滿意，也隨時(shí)可以回滾到之前的版本。

除了功能介紹，我們也來回顧下 TRAE 團(tuán)隊(duì)的開發(fā)歷程。

從 2024 年 6 月發(fā)布豆包的 MarsCode 插件開始，到 2025 年 1 月發(fā)布 TRAE IDE 海外版，再到 3 月上線國(guó)內(nèi)版 IDE。4 月，我們又把豆包的 MarsCode 插件正式升級(jí)為 TRAE 插件，同時(shí)整個(gè)插件的產(chǎn)品能力也與 TRAE IDE 全面對(duì)齊，讓 VS Code 和 JetBrains 用戶也能獲得和 TRAE IDE 一致的 AI 體驗(yàn)與開發(fā)效率。

這里有幾個(gè)數(shù)字：截至 2025 年 5 月底，TRAE 的月活躍開發(fā)者用戶已經(jīng)超過 100 萬，累計(jì)生成了超過 60 億行被采納的代碼，每天都會(huì)源源不斷地處理超過 150 萬次的用戶查詢（query）。

04未來，在 TRAE 中完成軟件開發(fā)的全流程

回到今天的主題——「從代碼生成到軟件生成」，我們想分享一個(gè)字節(jié)內(nèi)部的真實(shí)案例。

這是我們一位產(chǎn)品經(jīng)理王俊強(qiáng)的項(xiàng)目。他是一個(gè)純粹的非技術(shù)背景產(chǎn)品人，之前沒有寫過代碼，更沒有從 0 到 1 開發(fā)并上線過一個(gè)完整的應(yīng)用。但有一天，他特別想做一款用于身材和健康管理的 APP，可以通過拍照識(shí)別食物中的卡路里和營(yíng)養(yǎng)成分。

如果按照傳統(tǒng)方式開發(fā)這樣一個(gè) APP，可能需要一位產(chǎn)品、一位設(shè)計(jì)師、一位前端、一位后端，甚至還得加一位運(yùn)維。可是在這個(gè)案例里，這位產(chǎn)品經(jīng)理獨(dú)自一人就完成了整個(gè)開發(fā)任務(wù)。

他還為自己的工作流程做了非常完整的總結(jié)：從業(yè)務(wù)構(gòu)思、產(chǎn)品計(jì)劃、設(shè)計(jì)稿編寫，到程序測(cè)試、部署上線，甚至還包括后期的營(yíng)銷、客服和商業(yè)化思考。他的目標(biāo)是基于用戶反饋，持續(xù)優(yōu)化和迭代這個(gè)產(chǎn)品。

在這個(gè)過程中，他用了很多 AI 工具來協(xié)助完成每個(gè)環(huán)節(jié)：比如用豆包做戰(zhàn)略分析和產(chǎn)品設(shè)計(jì)，用即夢(mèng)做 UI 和品牌設(shè)計(jì)，而關(guān)鍵的代碼部分則通過 TRAE 來編寫。可以說，正是 AI 在每個(gè)環(huán)節(jié)的加持，讓他具備了獨(dú)立完成項(xiàng)目的能力。

不過，在和他交流的過程中，我們也發(fā)現(xiàn)，雖然 AI 確實(shí)解決了很多問題，但要真正獨(dú)立完成一款產(chǎn)品，對(duì)用戶本身的要求還是非常高的。他必須有非常強(qiáng)的執(zhí)行力，能夠處理長(zhǎng)流程中的各種突發(fā)問題；同時(shí)也要有足夠的好奇心和想象力，才能在多個(gè) AI 應(yīng)用之間手動(dòng)操作、轉(zhuǎn)換上下文。因?yàn)槟壳暗?AI 還不足以端到端地完成一個(gè)完整的復(fù)雜任務(wù)，用戶仍然需要極大的耐心去跟 AI 進(jìn)行多輪對(duì)話，并且需要理解如何組合使用不同的 AI 工具，在它們之間不斷切換。

在此背景下，我想到 Andrej Karpathy 提出的 「Vibe coding」 這一概念。他在一次分享中提到一個(gè)觀點(diǎn)：如果你只想做一個(gè)簡(jiǎn)單的 Demo，展示一下效果，那么目前的 AI 已經(jīng)能很好地解決你的問題了。但一旦你想將這個(gè) Demo 推向市場(chǎng)，打造成一個(gè)真正的工業(yè)化產(chǎn)品，用他自己的原話說，這個(gè)過程會(huì)「非常痛苦」。因?yàn)橹挥腥祟惒拍苷莆胀暾纳舷挛模瑥亩诓煌膽?yīng)用間自如切換。如果我們想把 AI 引入軟件生產(chǎn)流程時(shí)，就必須要有更多的耐心去和 AI 交互。

實(shí)際上，我覺得到今天為止，無論是 AI 模型還是 AI 產(chǎn)品，都還處于一個(gè)相對(duì)早期的階段。在提升用戶體驗(yàn)、降低 AI 產(chǎn)品使用門檻方面，我們還有很大的提升空間。比如，從這個(gè)案例的開發(fā)流程中可以看到，整個(gè)開發(fā)流程實(shí)際上是分散在不同產(chǎn)品和平臺(tái)上的。

在前 AI 時(shí)代，從文檔工具、設(shè)計(jì)平臺(tái)到 IDE 和終端，開發(fā)者一直扮演著「調(diào)度」的角色。作為調(diào)度者，開發(fā)者需要在不同系統(tǒng)間不斷切換、同步上下文，他們需要在不同系統(tǒng)間同步意圖，并解決系統(tǒng)間出現(xiàn)的各種問題和偏差。

而在 AI 時(shí)代，我們面臨著一個(gè)新問題：當(dāng) AI 參與進(jìn)來時(shí)，我們同樣需要在不同的 AI 之間切換上下文，同步意圖，并消除它們之間的理解偏差。

基于此，我們有一個(gè)想法：如果我們能圍繞 AI 打造一個(gè)統(tǒng)一的工作空間，而不是為每個(gè)工具單獨(dú)配備一個(gè) AI Copilot 呢？我們希望將所有工具模塊化、組件化，由一個(gè)統(tǒng)一的 AI 進(jìn)行整體調(diào)度，讓完整、一致的上下文在同一個(gè)工作空間內(nèi)流動(dòng)。這樣，用戶只需要通過與一個(gè) AI 對(duì)話，就能下達(dá)指令。

這個(gè) AI 能夠獲取完整、閉環(huán)的上下文，并調(diào)用足夠豐富的工具來完成用戶的任務(wù)和指令。然后，用戶可以審查結(jié)果并給反饋，這樣能實(shí)現(xiàn) AI 與用戶在同一工作空間內(nèi)的協(xié)同合作。基于這個(gè)認(rèn)知，我們的思路也從「將 AI 集成到工具中」，轉(zhuǎn)變?yōu)椤笇⒐ぞ呒傻?AI 中」。基于這個(gè)思考，我們對(duì) TRAE 進(jìn)行了一次非常大的迭代，并推出了全新的 Solo 模式。

我們未來的產(chǎn)品形態(tài)會(huì)分為兩個(gè)主要區(qū)域：一個(gè)是 AI 交互區(qū)，一個(gè)是工具集區(qū)。關(guān)于這個(gè)產(chǎn)品形態(tài)，我們內(nèi)部也有很多討論和思考。

首先，我們考慮到人類從左到右的視覺習(xí)慣，并且我們相信未來 AI 的能力會(huì)持續(xù)增強(qiáng)，工具也會(huì)愈發(fā)豐富和強(qiáng)大。所以，我們認(rèn)為，人與 AI 的交互界面才是最核心的工作區(qū)，我們將 AI 放在左側(cè)，工具集區(qū)放在右側(cè)。我們的 IDE 也作為一個(gè)工具，被整合進(jìn)了右側(cè)的工具集里。

除此之外，在 TRAE 中，還集成了文檔、Terminal 和預(yù)覽工具。這樣一來，用戶可以在文檔工具里表達(dá)需求、寫創(chuàng)意，在 IDE 中編寫代碼，通過 Terminal 執(zhí)行命令，最后在預(yù)覽工具里看到實(shí)時(shí)的結(jié)果。未來，我們也會(huì)持續(xù)集成更多的智能體和工具，同時(shí)把這種集成能力開放出來。我們也會(huì)與第三方及廣大開發(fā)者們共同構(gòu)建一個(gè)豐富的智能體和工具生態(tài)。我們相信，對(duì)話將成為新的終端，用戶的輸入不再是代碼，而是任務(wù)、目標(biāo)和標(biāo)準(zhǔn)。

AI 在統(tǒng)一的工作空間中理解、組織并交付結(jié)果。從「AI 寫代碼」到「AI 做開發(fā)」，從「工具增強(qiáng)」到「流程重構(gòu)」，這就是我們對(duì)未來開發(fā)形態(tài)的思考，也希望和大家一起見證未來。

轉(zhuǎn)載原創(chuàng)文章請(qǐng)?zhí)砑游⑿牛篺ounderparker