2026 火山引擎 FORCE 原动力大会 · 主旨演讲 | 演讲人：洪定坤（字节跳动技术副总裁、TRAE 业务负责人） | 主题：AI Coding 的实践与探索：在字节的应用现状和思路
核心洞察：当全行业都在吹捧“10 倍编码提效”时，字节跳动技术副总裁、TRAE 负责人洪定坤在 2026 火山引擎原动力大会上抛出了一组极具冲击力的真实数据：过去半年，字节激进团队的 AI 代码贡献率已飙升至 94% 以上，但团队人均需求吞吐率仅提升了 60%（1.6 倍）。为了探究这一“效率悖论”，字节开展了震惊业界的3×3×100（900 次）盲测实验，揭示了“功能正确率超 80%，但工程可交付性仅 40~60 分”的残酷真相。洪定坤直言：“能跑和能上线之间，隔着一整套软件工程。AI 已经能写出 90% 的代码了，剩下那 10% 叫软件工程。”通过构建底层的Harness 工程基建、推行原型驱动开发与端到端 Loop 自动化流水线，字节正推动 AI Coding 向系统化的 AI Development 全面跃迁。
01 反常识的“效率悖论”：94% 的代码由 AI 生成，为何效能只涨了 60%？
过去一年，AI 智能编码在字节跳动内部经历了爆发式增长：AI 代码贡献率增长超6 倍，代码合入率提升逾2 倍，TRAE 日均 Token 消耗量同比暴涨50 倍达到5.6 万亿。然而，洪定坤却在高速增长的数字背后发现了深刻的“效率悖论”：
- 10 倍打字速度 ≠ 10 倍交付效率：在字节内部最激进的团队中，AI 代码生成占比已超过 94%（十行代码有九行半由 AI 编写），AI 单点写代码的速度是人类的 10 倍以上，但最终人均需求吞吐率仅提升 60%（1.6 倍）。
- 单一指标失真的陷阱：如果团队过度考核“AI 代码贡献率”或“Token 消耗量”，会导致严重的指标失真。AI 快速吐出海量代码，反而让后续的集成联调与代码审查沦为新的堰塞湖。
- 八车道高速与单窗口收费站：行业基准显示，AI 让编码阶段提速近 60%，但 PR 代码审查等待时间却拉长至原来的 4.6 倍，安全漏洞增加 15%~18%。写代码拓宽成了八车道，但审查与测试收费站却被彻底堵死。
02 3×3×100 盲测实验与 Vibe Coding 幻觉：功能正确 ≠ 可上线交付
为什么 AI 写出的代码难以直接转化为生产交付？洪定坤团队用一场严谨的900 次正交实验给出了答案——选取3 个主流 Coding 大模型 × 3 种主流 Agent 框架 = 9 种组合，针对同一个真实需求（豆包视频编辑预览功能）各跑100 遍：
残酷的实验剪刀差：在基础功能层面，9 种组合的功能正确率全部超过 80%（跑五次至少四次功能是对的）；但当拆解到UI 易用性、交互逻辑、性能、可维护性、兼容性等软件工程维度时，所有组合的可交付性得分瞬间暴跌至 40~60 分（不及格线）。
极强的长尾随机性：900 次运行中，每次暴露出的缺陷千奇百怪——有时将极简逻辑过度设计出多层抽象，有时完全忽略防御性编程与异常捕获，单看局部代码没毛病，放回全局链路却埋下巨雷。
Vibe Coding 的跨角色冲突：一位产品经理曾用 AI 快速做出了一个“能点能跑”的功能原型，直接找洪定坤申请代码仓库权限想要自己提交上线。但工程团队审查发现，该代码在并发性能、架构扩展性与权限安全上存在严重隐患——“人人皆可写代码”降低了原型门槛，但从未降低企业生产系统的安全与架构底线。
03 破局底座：Harness Engineering 是通往“可交付”的最后一公里
如果大模型是一匹日行千里的骏马，那么Harness（马具、缰绳与马鞍）就是让人类骑上去并精准控制方向的工程化基建。洪定坤特别强调了一个核心误区：Harness 绝不等于单纯设计单/多 Agent 框架，真正决定交付质量的底座是以下四项看不见的基建：
| Harness 基建核心维度 | 需要解决的工程痛点 | 字节跳动的落地实践与评测跃迁 |
|---|---|---|
| 上下文工程（Context） | 模型缺乏全局视野，靠猜测编造接口 | 精准喂入与当前任务强相关的跨服务调用拓扑与数据字典 |
| 架构约束与规范 | AI 随意引入外部依赖、破坏分层架构 | 将代码规范、目录职责、安全红线以声明式规则硬性注入执行环境 |
| 团队知识与踩坑沉淀 | 历史故障与隐性业务规则只留在老员工脑中 | 将历史 Postmortem 复盘与领域知识转化为 AI 可实时检索的结构化记忆 |
| 存量技术债梳理 | 老系统腐化代码误导 AI 模仿错误范式 | 动态标记并清理高危遗留模块，经过 Harness 加持后，900 次实验的功能正确率升至 90%，可交付性评分从 40~60 分跃升至 80 分以上 |
04 范式跃迁：原型驱动开发与端到端自动化研发 Loop
在夯实 Harness 基建之上，字节跳动正在全面重构软件研发的组织协作流，从局部的 AI Coding 迈向全流程的AI Development：
方向一：原型驱动的开发模式（Prototype-Driven Development）：彻底告别过去“写几十页 PRD 文档 -> 设计师画图 -> 漫长评审 -> 排期开发”的串行高损耗模式。在大会前 4 天改造 TRAE 用户反馈功能时，团队不再写文档，而是先用 AI 在几十秒内生成可真实点击的 V1 粗糙原型；团队围着真实原型体验，瞬间发现“为何不融入对话流、自动附带上下文截图、自动生成问题标签”等文档阶段根本想不到的盲点，几小时迭代出 V2 原型，从灵感到正式上线仅耗时 4 天。
方向二：端到端研发闭环（loop-trae）与全员协同（TRAE Work）：让 AI 像齿轮一样咬合进软件工程的每一道工序——理解需求拆解任务 → 编写业务代码 → 自动拉起浏览器运行验证与自修复 → 自动创建 PR → AI 预审代码逻辑与测试覆盖率 → 创建发布单，人类工程师只在关键节点做最终决策。同时推出面向非技术角色的TRAE Work，将产品、运营纳入统一的架构规范与协作链条。
终局思考：知道自己在哪，比假装已经到达终点更有价值。** AI 已经能写出 90% 的代码了，而决定企业成败的剩下那 10%，叫作真正的软件工程**。
来源：2026 火山引擎 FORCE 原动力大会主旨演讲《AI 智能编码在字节的应用现状和思路》（主讲人：字节跳动技术副总裁、TRAE 负责人洪定坤）。内容经深度技术精编与工程拆解，仅供技术讨论与架构参考。
