大家好啊，我是甲木。
年底了，如果要说今年AI落地最好的方向是什么，
无疑是AI编程 ，
回顾这一年各行业的AI应用，很多都在经历摸索 + 阵痛，
但 AI 编程这个领域，却一骑绝尘。
2025 年，不仅仅是技术参数的叠加，它更像是一个“分水岭”。
什么意思？
在这一年之前，我们看 AI 编程工具，更多地是用它的Tab功能「自动补全」。你写上半句，它帮你接下半句。它是一个坐在副驾驶上，偶尔帮你递个水、指个路的“助理”。
但是到了 2025 年，随着整个Agent生态的完善，AI 开始抢着握方向盘了。
它从单纯的辅助工具，向真正的“协作者”乃至“自主执行者”演进。
而这一年开始，越来越多AI工具把“行动”搬到了台面上：能读项目、能拆任务、能跑脚本、能改到你能合并为止。
我想，对于开发者而言，2025年的关键词可能只有一个：进化 。
今天，我想和你坐下来，像老朋友一样聊聊。
聊聊AI Coding这一年经历的那些“进化时刻”。
1、那份承载故事的年度报告
关于AI Coding之类的平台，有非常多，
Trae、Cursor、Claude Code、CodeX、Windsurf等等，
但这里还是以甲木日常用的比较多的，同时也是深度参与其生态的Trae为例，
“
TRAE (The Real Al Engineer)，是字节跳动旗下产品，一个能理解需求、调动工具、独立完成开发任务的AI工程师。TRAE 目前拥有双重开发模式，IDE模式保留原有流程，控制感更强；SOLO模式让AI主导任务，自动推进开发任务。你可根据任务需求自由切换。
Trae Expert成员（小小打个码emm）
TRAE 在12月25日给每位用户发布了一份用户年度报告。
你这一年问了多少次问题、改了多少次方向、哪些深夜的 bug 最常见、哪些场景最依赖它。
数字背后其实都是开发者的生活 。
我看了看自己的那份报告，很有意思。
部分报告，没有列全
半夜一点多还在改bug，
另外就是12号那天我在狂按Tab，搞了个小插件，包括在Trae里面搭建了五六个自用智能体。
另外也能看到，获得了「开服玩家」的身份🤣
陪伴着TRAE一起成长...
当然，这个只是统计的TRAE中国版的使用记录，平时用的最多的其实还是TRAE国际版。
但更让我有记忆点的，反而是报告之外的部分：Early Access 和线下活动 。
我参加过很多次 TRAE 的一些线下交流。那种感觉很像什么？
像你在产品还没被“规模化叙事”包裹之前，先看到它的“工程味”。
那时候，我们这群开发者和字节的研发团队坐在一起，面对面地“拆解”产品。
我提一个小建议，甚至是一个极细微的交互痛点，没过几天，我发现那个功能竟然真的在下个版本上线了。
这种感觉，非常爽。
你知道这意味着什么吗？ 在 2025 年，TRAE 的中国版和国际版，各自完成了超过 100 次的功能迭代和优化 。
100 多次啊，各位。
这相当于平均每三天，这个产品就在进化一次。
这种对用户反馈的极致响应速度，在整个 AI 工具行业里都是非常罕见的。
这说明什么？
它是切切实实在真实的开发场景里，“长”出来的。
从 1.0 阶段至今，TRAE 已集成 3 种产品形态：插件、IDE、SOLO。
同样地，我们从TRAE迭代的三个阶段，
能一窥今年AI Coding板块的发展。
2、进化：AI Coding 插件-> IDE -> Agent
AI 编程工具迭代这么快，它到底在进化什么？
我觉得，它进化的本质，是人和机器的关系 。
我们来看，
AI Coding 1.0 阶段：插件 + IDE，是“更聪明的搭档”
早期的AI Coding产品，基本上都是集成在各家古早IDE中的插件，
比如Trae前身，当时还叫 MarsCode 编程助手，
我们都是一路Tab，自动补全，要么基础的问答，要么生成注释，要么对齐一下风格等等，
这个阶段 AI 帮我们节省了很多“低价值重复”：
比如同类接口的样板代码、某个组件的基本骨架、某段逻辑的单测起手式。
这些事你说难吗？不难。 但它们会不断打断你的思路。
这阶段的关键收益，不是“它写了多少”，而是：
我能把注意力留在真正需要我判断的地方 。
这个时候，我是主体，它是辅助 。
Nano Banana 作图
AI Coding 2.0 / 3.0：SOLO 时代，是“能自己跑起来的协作者”
后来随着上下文工程的发展，
很多IDE推出了Agent模式，比如七月份TRAE 进入了 2.0 时代（SOLO Beta）。当时就被称为：The First Context Engineer。
什么意思？
就是 AI 开始尝试去理解你整个项目的“上下文”，它不再是只看你光标停留的那一行，而是开始看全局。
它集成了编辑器、终端、浏览器，打通了从构思到落地的完整链路。
这时候的关系变成了：“我点，它跑” 。
后来 SOLO 从 Beta 走到更稳定的版本，也就是3.0时代，变成了 The Responsive Coding Agent。能自主执行任务的“超级个体”了。它能理解你的最终目标，承接上下文，自己去调度工具，独立推进各个阶段的开发任务。
简单来说，你不再是给它下“写个循环”这种微观指令，而是给它一个“帮我实现一个登录功能”的宏观目标。
我很喜欢这种节奏。因为它没有剥夺感，反而更像你带了一个执行力很强的同事： 你不需要把键盘交出去，但你可以把“繁琐且可验证的推进”交出去。
这时候的关系，变成了：“它做，我审” 。
Nano Banana 作图
Trae还有一个很直接的体感是：它对前沿模型的接入速度很敏感 。
对开发者来说，“模型能力升级”不是新闻，是生产资料。
更强的推理、更稳的工具调用、更好的长上下文，都会直接影响你今天能不能把需求做完。
👈🏻国际版，👉🏻国内版
所以当一个工具能保持持续升级，开发者会更愿意把它放进自己的主工作流里，而不只是“偶尔玩玩”。
那么到底怎么用呢？给大家简单分享两个场景。
3、实践：AI Coding 释放的创造力
很多人听到 AI Coding，会以为是“随便和 AI 聊聊就能出产品”。 我更愿意把它理解成：用更自然的方式驱动工程化产出 。
也就是说：你依然要对“目标、边界、验收”负责； 只是你不必把每一颗螺丝都亲手拧完。
下面两个案例，一个是日常需求，一个偏实际生产。
Case 1：从一个念头，到“坐姿守护助手”
我今年用 TRAE 做过几个小工具，其中一个很生活：帮助家长实时监督孩子学习坐姿的监视器 。 还有一些小体量的小游戏，用来验证交互、顺便自娱自乐。
很多家长需要监督孩子们学习的坐姿，这种需求没有工具能够满足，
但实际生活中确实有此痛点，
我们就可以使用AI模型结合AI IDE直接帮我们完成此需求。
第一步，选择SOLO模式
打开TRAE，左上角有一个SOLO模式，你可以直接去选择你喜欢用的一些模型，比如豆包、Kimi、智谱GLM等等，它都是支持的。
可以选择国内任意模型
当然如果你懒得选择的话，可以直接用默认Auto Mode模式，它可以根据任务复杂度自动调用相关模型。
第二步，描述需求
我们可以直接在输入框里输入需求，简单的几点描述就行，然后点击右下角的「魔法符号」，它会自动帮我们优化提示词
优化之后的提示词它就是一个项目的一个完整描述，我们直接去点击发送，
第三步，Agent规划
打开PLAN模式，它会跟我们进行确认，接着就开始按照任务规划推进
在过程中也会有很多失败的情况，比如说模型参数有误，场景有失败情况等等，在这个过程里，你直接口述需求，指哪让它改哪即可。
第四步，场景测评
当然，中间还有很多试错和需要修改的地方，重复十几轮对话下来，我们就能得到一个基本可用的项目。
最终效果如图所示，
在线体验：https://posture-guardian.onrender.com
我还加入了历史记录，摄像头选择，监控时间调优等等功能。
我把这个小项目也开源在GitHub上，感兴趣的小伙伴可以去看： https://github.com/Zuiyn2017/posture-guardian
你会发现：
当一个工具能持续把你从“想法”推到“可运行”，创造力就会从脑子里落到屏幕上。
不是每个小工具都要做成产品。
但每个小工具都会让你对“我能做出来”这件事更确信。
一个小时，一个“坐姿守护助手”就落地了。这就是 SOLO Builder 的魅力：让创意到成品的路径，缩短到了以“小时”计。
Case 2：线上 DAU 10w+ 项目的重构与老代码迁移
另一个是我工作中的场景：公司一个线上 DAU 10w+ 量级的项目需要重构，外加一批老项目代码迁移。
这种活的难点，不是某一个技术点，而是“复杂 + 风险 + 牵一发动全身”。
传统做法里，你会反复经历： 读代码 → 画依赖 → 改一处 → 崩一片 → 查日志 → 写兜底 → 再改。 耗时，也很消耗心态。
现在使用TRAE之类的AI IDE就可以“人机协作的项目推进”：
- 我负责： 拆目标、划边界、定验收、控风险
- 它负责： 在代码层面推进、补齐样板、定位影响面、生成迁移方案草案
- 然后我再： review、压测、灰度、合并
效率提升最明显的地方，是这三类工作被显著加速了：
1）老代码的理解与定位 ：快速找到关键路径和改动点
2）批量迁移的体力活 ：重复但必须正确的改动（并且可回溯）
3）文档与说明 ：把“我脑子里的迁移逻辑”变成团队可共享的文字
涉及到生产代码，这里不方便展示，基本上都是由不同的Rules组合搭配，定义一个User_rules文件，再根据不同的项目，去定义project_rules等等
我会刻意给它设“护栏”（Rules）：
- 重要改动必须分阶段提交
- 每一步必须可运行、可回滚
- 不允许为了“看起来优雅”去做大范围重写
- 关键逻辑必须有测试或验证脚本
这样做的结果是：你不会失去工程控制力，反而更稳。
因为你把精力花在判断上，而不是花在搬砖上。
这，就是 TRAE 想要实现的：让开发者回归“创造者”的本色。
4、结语：你的想法，值得被看到
从AI代码补全的插件，再到对话式编程助手，
以及现在的Agent主导的自主开发，
这两年我越来越明显地感到：
代码的“入口”正在被重新定义 。
过去写代码像一门手艺，门槛高、成本也高；
而在 AI Agent 出现之后，很多实现工作更像是“把需求说清楚，然后让它去把第一版跑起来”。
因此，“能不能写”这件事的稀缺性在下降，稀缺的反而变成了：
你能不能定义好问题、设好边界、把结果验证到可上线。
这种变化带来的一个直接结果是：以前我们会下意识过滤掉很多需求。不是因为它没价值，而是因为“做它不划算”。
但当一个 Agent 可以很快给出可运行的版本、还能陪你快速迭代验证时，
很多小功能、一次性工具、服务少数人的长尾场景，就突然从“先放放”变成了“顺手做掉也不难”。
这其实是在扩展开发者的创造半径：
让更多被忽略的想法有机会落地。
从这个角度看，TRAE 这类工具的价值，不只是“更快写代码”，
而是把开发这件事的覆盖面拓宽了：
让更多“小而具体”的需求，值得被实现，也更容易被维护。
把“编程”这件事，真正意义上地民主化了。
这就是科技的意义。
这也很贴合我理解的 “The Real AI Engineer”：它是一种工作方式——能把 AI 当作可靠协作者的人，能更快把想法做成现实。
如果你也是这一类有想法的人，欢迎一起加入TRAE社区玩，
期待看到你的**「进化」**
以上。
我是甲木，热衷于分享一些AI干活内容，同时也会分享AI在各行业的落地应用，我们下期再见👋🏻