字节跳动技术副总裁洪定坤：AI Coding 落地的6个真实体感。
字节 AI 代码贡献率一年增长 6 倍，tokens 消耗增长 5 倍。但洪定坤说：正因为用得多，对 AI Coding 的挑战才有了更真实的体感。

6 月 23 日火山引擎大会上，他分享了字节内部踩过的坑和摸出来的解法。
踩过的坑：
1. 指标失真
AI 代码贡献率是个危险指标。TRAE 团队 90% 的代码由 AI 生成，人均需求吞吐率只提升了 1.6 倍。AI 写代码速度是人的 10 倍以上，结果效率只提升 60%？
本质上是：代码生成只是交付链路里最快的那一段，其他瓶颈一个没动。把这个当 KPI，等于在局部优化自嗨。

2. Vibe Coding 的幻觉
3 个主流模型 × 3 个 Agent 框架，900 次真实业务测试。功能正确率超过 80%，看起来不错。
但考察可维护性、性能、兼容性、工程规范后，得分从 80 分直接掉到 40-60 分，达不到上线标准。
本质上是：Vibe Coding 解决的是"能跑起来"，企业要的是"长期稳定可交付"，两件事差距很大。加入 Harness（上下文工程、架构约束、团队知识沉淀）后，可交付性从不及格提升到 80 分。

3. 协作难题
产品同学用 Vibe Coding 做出了功能原型，问为什么不能直接给她代码仓库权限上线。代码能跑，但性能差、没有扩展性、有安全漏洞。
代码生成门槛降低 ≠ 系统复杂度降低。真正的挑战是：让所有角色都能参与代码生产，但产出必须进入统一的架构和交付流程。

摸出来的解法：
4. 原型驱动开发
流程从"PRD → 设计图 → 技术方案 → 代码"改成"先用 AI 做可交互原型，所有人围绕动态原型对齐"。文档里看起来合理，做出来分歧大——这个问题直接消解掉了。

5. 让 AI 进入全流程
很多团队的现状：写代码用 AI，测试、验证、提交、部署还是人工。齿轮没有咬合。
字节在探索的是：AI 写 Spec → 实现功能 → 用 Browser Use 自动验证 → 自动 Bugfix → 自动提交上线。不只是 Coding 阶段，整条链路都有 AI。

6. 组织化建设
早期 AI Coding 靠少数"懂 Prompt、懂上下文管理"的高手。但组织要的是整体能力提升。
字节的做法是把内部实践文档化、产品化，沉淀到 TRAE 里让所有人用。去年 TRAE token 日均消耗 5.6 万亿，增长 50 倍。用户也从工程师扩展到非技术背景员工。

访问：mp.weixin.qq.com/s/KtFwncQtyfm7x0_s-4Ngyw

#HOW I AI##程序员#