字节跳动技术副总裁洪定坤在火山引擎FORCE原动力大会上，以《AI Coding的实践与探索》为主题发表演讲，深入剖析了公司内部AI编程应用过程中的实际体验与面临的多重挑战。他指出，尽管AI技术在代码生成领域展现出巨大潜力，但实际落地仍需突破多重瓶颈。
过去一年间，字节跳动AI代码贡献率实现超6倍增长，Token消耗量扩大5倍，代码合入率提升逾2倍。然而，洪定坤强调这些数据背后隐藏着效率悖论：某团队AI代码产出占比超90%，但人均需求处理效率仅提升60%，远低于理论预期的10倍加速效果。这种反差暴露出单一指标衡量体系的结构性缺陷——当AI生成速度达到人类10倍时，整体效率提升却不足2倍，凸显全局效率评估的复杂性。
在功能实现层面，实验数据显示三大主流模型与Agent框架组合的功能正确率均超80%，但当引入UI易用性、可靠性、可维护性等工程化指标后，综合评分骤降至40-60分的区间。这种"能跑但不好用"的现象，反映出当前AI编程在工程化落地方面的显著差距。洪定坤特别指出，模型与框架的组合表现出强烈随机性，导致交付质量波动明显。
针对上述问题，字节跳动通过构建Harness基建体系实现突破。该系统通过优化上下文工程、架构约束、知识沉淀等基础环节，使代码正确率从80%提升至近90%，可交付性评分普遍跃升至80分以上。洪定坤以具体案例说明：某产品经理使用AI生成的代码虽能运行，但因存在性能瓶颈、扩展性缺陷和安全漏洞，仍需纳入传统研发流程进行重构，这凸显出系统复杂度管理的核心地位。
在协作模式创新方面，字节跳动正探索原型驱动开发范式。通过将AI生成代码纳入统一架构规范，建立技术债动态梳理机制，使非专业开发者与研发团队形成有效协同。最新推出的TRAE Work系统已集成至企业版开发环境，配合日均5.6万亿Token的消耗量（同比激增50倍），构建起覆盖需求转化、代码生成到工程落地的完整链条。
当前研发重点已转向三个维度：构建多维效率评估模型、建立稳定的软件工程交付体系、优化跨角色协作流程。洪定坤透露，公司内部正在测试系统化AI开发方案，通过将架构设计、测试用例生成等环节智能化，推动开发模式向全流程自动化演进。这种转变不仅需要技术突破，更要求重构传统软件开发的价值分配机制。
