问世一年后，TRAE 正前往 AI Coding 的下一站
从 TRAE IDE 到 TRAE Work，AI Coding 已经不只是写代码。
从 TRAE IDE 到 TRAE Work，AI Coding 已经不只是写代码。
👦🏻 作者: GaKi
🥷 编辑: Koji
🎨 排版: NCon
从 TRAE IDE 到 TRAE Work，AI Coding 已经不只是写代码。
2026 火山引擎 Force 原动力大会刚刚在北京国家会议中心二期结束。
6 月 23 到 24 日两天，会场里几乎找不到空座位，连过道都站满了人，相信这个场景在很多人的朋友圈里都看到了现场照片。
这场大会中豆包 2.1 Pro 模型、Seedance 2.5、Seedream 5.0 Pro、Seed Audio 1.0，一批新模型集中亮相。火山引擎还公布了一组数字：豆包大模型日均 Token 调用量超过 180 万亿，一年增长十倍以上，而在中国公有云 MaaS 市场，火山引擎占到 49.5% 的份额...... 诸如此类的数据披露还有很多。
新东西很多，但现场讨论最集中的方向之一，还是这一年最热的 AI Coding。而在 AI Coding 这条线上，字节这次给 TRAE 想好的去处，可能不只是程序员的「 IDE」，还有面向所有人的「Work」。
现场，字节跳动技术副总裁洪定坤有一场专门讲 AI Coding 的主题分享，在这场演讲里，提到了一些让我们意外的结论。
🚥 「十字路口」团队在现场听完，把这场关于 AI Coding 以及 TRAE 的内容做了一次完整梳理：
AI Coding 为什么会在这场大会上被摆在这么靠前的位置，TRAE 这一路又是怎么走过来的。
Force 大会上，AI Coding 被摆在了什么位置？
先说这场主论坛演讲本身，整场听下来，有大致 2 个信号值得关注。
【1】模型 豆包 2.1 Pro 这次主打三个方向：Coding（编程）、Agent（智能体）、VLM（视觉语言模型）。官方给出的评测里，它在 Terminal Bench 2.1、SWE-Pro、SciCode 这类代码基准上进入了第一梯队，部分项目的表现超过了 Claude Opus 4.6，综合使用成本据称比后者低近 80%。
这个模型已经接入了 豆包、TRAE、扣子等产品，ezona、WPS、沐瞳、OPPO、美的等企业完成了测试。
对一个做 AI 编程的人来说，国产模型在编程这项核心能力上，已经追到了第一梯队的「边」上。
【2】方向 180 万亿日均 Token、49.5% 的市场份额，这些数字说明模型调用量本身已经不再稀缺。当算力和模型都开始变成基础供给，比拼的重点就从「谁的模型更强」转向了「谁能让模型进入工作里干活」。
火山引擎给出的答案大致是两条路径：
一条是 Seedance 从短剧、漫剧走向更多实体产业； 另一条就是让大模型进入研发、工具调用和企业工作流。
AI Coding，正是第二条路最成熟、最先见到收入的场景。
放到全行业看，这个判断仍然有依据。
海外这边，Anthropic 的 Claude Code 在 2025 年 5 月公开发布，到 2026 年初，它的 run-rate revenue 规模已经超过 25 亿美元，而且这个数字在 2026 年开年之后又翻了一倍。
所有方向里，编程是少数几个已经被验证能直接换来真金白银的场景。模型厂商在别处还在讲故事的时候，Coding 已经赚到钱了。
AI Coding Agent 在真实世界里，如何表现
这两年，金融机构算是把 AI Coding 用得最积极、同时也最谨慎的一类客户。
比如，高盛给 1.2 万名开发者配上了 GitHub Copilot，之后又引入 Devin 这类更自主的编程 Agent。花旗也把 Copilot 开放给了 4 万名开发者。
但在真正全面铺开之前，这类金融机构遇到的问题，还不是模型能力问题。
据 Futurum Group 2026 年上半年的一份调研，已经有六成企业在开发里用上了 AI，但可合规要求高的行业，却是用得最少、最难推动的。
我注意到像 Saxo 银行这样的机构就公开提到过，只是把这些 AI 服务放进内部，就必须先过一整套审核和评估流程。
「臭又长」，是行业积弊。
所以，金融行业把 AI 编程接入进研发，反复遇到的大致是 3 类问题：数据安全和合规要求很高、没有统一规范、各类工具平台不统一。
可以预见，银河证券作为国内较早推进 AI Coding 工程化的金融机构，也会遇到这些问题。它的做法，是引入 TRAE 企业版，再配上一套 SDD（规格驱动开发）的工作方式。
整条流程，我们梳理过后，大致是这样：
开发者描述高层目标 → AI 生成带有用户故事和验收标准的规格文档（Spec）→ 人工评审通过 → AI 生成技术实现计划（Plan）→ 拆成一个个可审查的任务（Task）→ AI 按任务逐步写出代码。
整个过程可追溯，Spec 还会作为「准源代码」留存为公司的 IT 资产。整个的过程大致可以总结为下图：
我们看到了几个有代表性的数字：
前端这边，团队接入 MCP，把设计稿和业务逻辑绑定进 Spec，Flutter 页面的 UI 还原度做到 90% 以上，H5 页面到了 98% 以上。
研发效能团队还围绕需求拆解、单元测试、Code Review、Git 规范，建了一套组织级的 Skill 库，统一分发给每个 AI 开发成员，其中单元测试 Skill 能减少 60% 的手写测试工作量。
这一整套方法论完整跑下来，研发需求交付周期整体缩短了三分之一到一半，AI 代码采纳率最高到 87%，Bug 率降低 25%，子账户与融券系统的重构周期从 4 个月压到 2 个月。
据字节公开信息，目前 TRAE 企业版已经覆盖银河证券 100 个研发席位，还在往非研发岗位延伸。有意思的是这套方法已经形成了正向循环，比如需求、规范、代码、测试的结果会持续回写成组织级的 Skill 包，每完成一个项目，下一轮任务的触发就更快、执行就更准。
AI Coding 在这里已经变成了公司「能传承」的研发资产。
TRAE IDE 和 TRAE Work
字节跳动技术副总裁洪定坤在演讲中提到，一方面，AI 写代码不能停留在 Vibe Coding 的阶段，要真正进入软件工程，就需要更系统化的治理和基建，这是 IDE 这条线要解的问题；
另一方面，他也观察到一个趋势：
我们也看到了 TRAE 的用户人群逐渐泛化，越来越多的非技术背景的用户使用 TRAE 来完成日常的工作。
这就是 TRAE Work 这条线的由来。
按照官方的说法，TRAE 现在是「两个产品，一个使命」：TRAE IDE 深入软件工程，服务专业开发者；TRAE Work 横向覆盖各种工作场景，服务更广的人群。
但要深入理解这两个产品，得先看看 TRAE 这一路是怎么走过来的。
TRAE 最早只是一个 AI 编程工具。2025 年 1 月国际版上线，3 月国内版跟上，名字取自 The Real AI Engineer，意思是「真正的 AI 工程师」，底子是基于 VS Code 改的一个 AI 原生 IDE。相信很多人当时使用 TRAE，是因为其免费使用「Claude」模型。
真正让它被更多人注意到的，是 2025 年 7 月的 TRAE 2.0。
这一版推出了 Solo 模式，由 AI 主导，自动完成从需求理解、代码生成、测试到预览部署的整条流程，字节把它定义成业界「Context Engineer」（上下文工程师）。到 2025 年 11 月，国内版 Solo 全量免费开放。
2026 年 3 月 31 日，字节把 Solo 从 IDE 里单独拆解了出来，做成了独立的桌面端和网页端。拆出来之后他们发现，很多人用 Solo 已经不只是写代码了，将使用场景延伸到了更广泛的日常工作里。
于是 2026 年 6 月 9 日，TRAE Solo 正式更名为 TRAE Work，品牌内涵也从 The Real AI Engineer 改成了 The Real AI Enabler，从「真正的 AI 工程师」变成「真正的 AI 使能者」。
这次改名，与其说是换个说法，不如说是把已经发生的事写进了名字里。
Solo 这个词强调的是一种能力：AI 能不能听懂目标、拆解任务、调用工具、推进执行。这套能力本来就不限于编程。更名之前，已经有大量用户在用它处理偏「工作」而非「写代码」的任务，Work 只是把这件事的定义梳理清晰了，顺便降低了非技术用户的理解门槛。
到这一步，TRAE 的两条线就清楚了：
【1】IDE 这条线继续服务程序员；
【2】Work 这条线服务更广泛的所有人。
从 AI Coding 到 AI Productivity 从真实世界的案例能够看到，TRAE 这两个产品背后，是字节面对 AI Coding 时正在动态变化、适应的「态度」。
这次的动作，可以概括成一句话：从 AI Coding 走向 AI Productivity，从帮程序员写代码，扩展到帮公司里每个岗位完成工作。
对于这件事，几家大厂的切入点是不一样的。
单看字节的话，切入点明显是工作台和工作流，关注的是 Agent 把活干到什么质量，而不是它能分发给多少人。
短期看，多家 AI 厂商想吃的的还不是同一块市场。但往长了看，这三条路最后一定会进到彼此的领域里。
TRAE Work 这个工作台 可以分为个人和企业两端。
底层基本一致，分为 Work 和 Code 、Design 3 种模式，共用一套账号。
Work 模式面向产品、运营、市场、数据分析、行政这些非技术岗；Code 模式面向开发者和有轻量开发需求的业务同学。Design 则能快速出设计前端。
比如在 Work 模式里，我直接让它做一项日常工作，整理并分析全球 AI 行业近三年的市场增长数据：
整个执行过程，电脑端的 TRAE Work 和手机端是互通的。Mac 端、手机端和云端共用同一套数据，工作流程会同步显示在手机上。
然后就能快速生成一份有多个交互式可视化图标的展示报告：
所有相关的数据引用也都被列在这份报告下面：
再比如，我先用 Design 模式做一个观鸟主题的网站，布局选的是便当网格风格，整体定成一种可编辑的绿色调。它会先和我确认整体的设计风格，再生成一个完整的设计项目，包括网站首页、鸟类相关页面和图片主视觉。
很快它就出了一版观鸟网站的前端，用的是便当式卡片布局。
页面里内嵌了可播放的音频动态卡片，也有观鸟图片的展示。
里面还做了一些可交互的动态滑轨。
整体风格的转换也比较方便。我把这套风格存成风格文件，也就是前端文件，再用 TRAE Work 的 Code 模式，基于这些前端文件做出别的风格的应用。我用它做了一个应用，可以从富士相机导入图片，再自己选出图片放进收藏待定。
在这个应用里，可以同步传输富士相机里的图片，每一张观鸟图片都能单独放大，也带有基础的裁切功能。我还给它接入了一个 AI 修图的 API 后台。
但我们发现 TRAE Work 更想做大的，其实是企业这一侧。
让员工愿意用，只是第一步，一个产品要在公司里全面推开，还得回答至少两个问题，也就是企业能不能用，能不能看清它到底带来了多少价值。
TRAE Work 企业版给了一套企业管理后台。
管理员可以统一配置可用的模型、设置用量上限，还能把公司内部文档传上来当作 AI 的知识背景，全员共用同一套知识和规范，输出质量更稳定，公司过去积累的经验也能留在平台里。
安全部分同样有比较高的优先级，AI 执行命令之前，沙箱机制会先隔离运行，越权操作会被拦下来，不会直接动到真实环境。管理员还能设命令黑名单、MCP 白名单、内容安全策略，在整个组织层面统一生效。
所有关键操作都有日志，可查可导出，方便事后审计和复盘。
这套理论听起来是比较完整的，但它到底能不能在真实的公司里用起来，还需要实际的案例来佐证。
🚥 这一年 AI Coding 的变化，可以拆成两个方向。
一个方向是做得更深，模型的编程能力追进第一梯队，开发者手里的工具从「补全下一行代码」升级成能独立完成整条流程的工程师，再变成银河证券这样贯穿研发全流程的企业资产。
另一个方向是覆盖得更宽，同一套理解目标、拆解任务、调用工具的能力，从程序员的编辑器扩展到产品、运营、市场、数据分析这些岗位的日常工作。
TRAE IDE 和 TRAE Work，对应这两个方向。
模型越来越便宜、越来越强之后，稀缺的是把这份能力接进真实工作场景的产品形态。
这大概就是这场大会的主旨，也是 AI Coding 走到 2026 年中之后，下一程要回答的问题。
十字路口正在寻找独立撰稿人，撰写 AI 产品和模型评测。
如果你写过类似文章：《实测 PixVerse C1[1]》、《实测 LibTV[2]》，请联系 zeo0811@gmail.com ，邮件内容请包括：① 个人介绍、② 你写过的 AI 评测文章。
我们会提供有竞争力的稿酬。期待与你一起观察与记录 AI 时代 🎪
