AI Coding 的实践与探索

一句话总结

在火山引擎Force大会，字节跳动技术副总裁洪定坤分享AI Coding实践。过去一年，字节AI代码贡献率增长6倍，tokens消耗增长5倍，但过度关注单一指标可能失真--TRAE团队代码超90%由AI生成，人均需求吞吐率仅提升60%。900次实验显示，主流Coding模型组合代码正确率超80%，但...

详细内容

**AI Coding 的实践与探索**——这件事最近在AI圈引起了不少讨论。

到底发生了什么

在火山引擎Force大会，字节跳动技术副总裁洪定坤分享AI Coding实践。过去一年，字节AI代码贡献率增长6倍，tokens消耗增长5倍，但过度关注单一指标可能失真--TRAE团队代码超90%由AI生成，人均需求吞吐率仅提升60%。900次实验显示，主流Coding模型组合代码正确率超80%，但可交付性仅40-60分；结合Harness基建后提升至80分。AI降低编程门槛但需优化指标、治理、协作。字节探索原型驱动开发，能力沉淀至TRAE（日均文字处理单位消耗5.6万亿，增长50倍），并推出TRAE Work

为什么值得关注

从技术角度来看，这是一个值得关注的进展。它不仅涉及技术本身的突破，更关乎实际应用场景的落地。

对普通用户意味着什么

虽然听起来很技术，但实际上这件事可能会影响到我们日常使用的产品。比如，你用的AI助手可能会变得更聪明，或者你用的AI工具可能会变得更便宜、更好用。

业界怎么看

目前业界对这件事的反应还是比较积极的。不少专家认为，这是一个正确的方向，值得持续关注。当然，也有一些人持保留态度，认为还需要更多时间来验证。

总结

总的来说，这件事是一个值得关注的进展。虽然现在还不确定它最终会发展成什么样，但至少方向是对的。

对于普通用户来说，不用太担心，也不用太兴奋。保持关注，该用就用，该学就学，这才是正确的态度。

数据来源：公众号：火山引擎

更新时间：2026-06-25