看完字节 TRAE 的年度报告，我突然理解了 Karpathy 的暴论

AI 真大佬 Andrej Karpathy 的 X 帖子大家周末应该看到了吧，又刷屏了。

今年这一年，不用我多说，咱都能感觉到，程序员的工作方式正在经历这几十年来的巨变。

AI 已经能够在编程中承担起越来越多的任务，然后 AI 工具正在重新定义编程的方式。

用一句可能让人焦虑的话来讲，程序员需要适应这些新的变化，才能不被淘汰。要不然，小米加步枪根本打不过坦克大炮。

Andrej Karpathy 说，如果能够充分地利用这些新出现的 AI 工具，他可以快速提升十倍以上的工作效率。

但如果没有掌握这些新工具，就会显得像是能力不足。

这句话，太真实了。

周日晚上，刷到字节旗下的 TRAE 的年度产品报告。我是真的没想到，TRAE 已经有 600 万用户，而且月活超过 160 万。

从这个体量来看，TRAE 已经是国内第一的 AI IDE。放在全球市场，也进第一梯队了。

我一直感觉 TRAE 的产品体验挺好的，是我心目中最接近 Cursor 的国产 IDE。

当然它和 Cursor 在体验上还有差距，但我发现 TRAE 从后半年开始，已经不是简单的跟随，而是有许多的创新。

列如最近我已经习惯使用 SOLO 模式。好多人以为 SOLO 模式是给小白用的，但我发现根本不是这样。

我理解，TRAE 的 SOLO 模式可能就是他们在探索下一代 AI IDE 的可能性。毕竟目前无论是 Cursor、Claude Code 还是 Codex，大致率都只是过渡态。

AI 编程才刚刚开始。你想想，去年，在聊人和 AI 的关系时，最常见的定论是：AI 是副驾驶。

今年，这种判断已经彻底变成了：工程师是副驾驶，主驾已经变成 AI。

一年时间，翻天覆地的变化。反正我们团队用完 Solo 模式之后就再也回不去了。

由于工具在不停地进化嘛，所以我这两年一个很强烈的感受是，环境对人的适应性要求真的变高了。

就拿 SOLO 模式来说吧，一开始我实则是抗拒的。总觉得自己已经有一套固定的工作方式了，没必要再折腾。

后来是我们团队的同事一直跟我说，这个东西真的特别好用。我才被拉着认真用了一下。

他给我讲了 DiffView 工具，还有 Plan 模式，我才突然意识到，这玩意儿的确 在解决我当下的一些痛点，只是我之前没意识到而已。

那次后来我就意识到，人得主动去变。愿不愿意换一种工作方式，愿不愿意接受新的工具、新的模式，这本身就成了一道分水岭。

前两天还看到 Claude Code 创始人分享的一个故事，大致意思是，目前模型的能力，基本上每一个季度都会有一次明显的跃迁。

许多时候，有许多经验的老手会被自己的经验误导。他们脑子里会下意识觉得，这个问题 AI 肯定干不好，于是就自己吭哧吭哧上手干。

但经验不多的新手同事反而没这个包袱。他们第一反应永远是，先让 AI 试试。结果一试，当发现 AI 的确 可以做得更好。

这真的是我这一年里感触最深的一件事。

最近年底嘛，大家都在做总结、规划明年的事情。我自己复盘下来，一个特别强烈的感受是，好奇心正在变得越来越重大。

作为一款流行的 IDE，TRAE 的年度报告我还是认真看了下。由于我觉得一年了，就和看体检报告一样，从趋势里我们总能发现一些确定性的结论。

最显著的一点是，AI 的角色已经不再仅仅是提升效率的工具，而是正在快速渗透到工程的核心环节，成为一个硅基员工。

对。硅基员工。

记得十一月在群里讨论问题，有个架构师说，软件行业最经典的图书《人月神话》曾经有个结论：向进度落后的项目中增加人手，只会让进度更加落后。

由于人多了之后，沟通和协调成本也在增加。但目前，我们或许可以加硅基同事。这样就可以避免刚刚的沟通成本问题。

去年前半年，我的感觉是，AI 主要在接管编程中的一些基础任务，列如代码补全、续写和预测跳转。

Cursor 最早出圈就是它突破了 VSCode 这些 IDE 的续写范式，可以不局限于向后追加，而是全方面的进行补全。

Cue 就是 TRAE IDE 中的类似能力，主要提供代码续写、预测跳转等方面的能力。

官方的数据是，Cue 已经累计推荐了近 10 亿次代码，而且采纳率提升了 80%。

为什么觉得这样的数据有意思？由于它意味着 AI 工具的准确率越来越高。

当然，代码补全和续写也只是 AI Coding 工具的冰山一角。

今年后半年，我觉得只要大家用 AI Coding 工具，无论是哪家公司的产品，都会发现，AI 已经不再局限于辅助，而是开始独立承担起越来越复杂的任务。

AI 已经能够独立完成越来越复杂的任务。模型也在朝着这个方向迭代，头部的几个 Coding 模型，一直在强调自己可以在无人干预下，完成多少个小时的工作。

这一点在 TRAE 的使用数据中也得到了体现。

列如，越来越多的用户开始使用 AI 完成项目管理中的关键任务，不再只是依赖 AI 完成简单的代码补全。

报告还提到，许多开发者开始主动管理上下文。

这一点官方没明说，但我觉得核心逻辑就是工程师已经意识到要把更准确的信息给到 AI。

这样 AI 就可以更好地独立完成任务，有点像字节一直推崇的 Context Not Control。

大家逐渐意识到，给 AI 模型提供的语境越清晰、越丰富，它们的表现就越好。

这一点挺有意思，说明 AI 不再只是关注一个小问题，而是已经在理解整个的开发过程。

拉长时间维度来看，我觉得这波 AI 技术，实则并没有取代程序员，而是取代了编程语言。

新一代的编程语言显然已经成为了自然语言，所以工程师就需要像 Karpathy 说的那样，主动学习新的技术栈，新的抽象层。

以前，我们的编程语言是一套严格的语法和规则，程序员通过这些规则来和计算机交流，写出符合要求的程序。

而目前，我们更多是需要用全新的编程模式和 AI 协作。

这种变化对于 Coding 方式而言，的确 是大转弯。

同时，TRAE 也发布了年度报告。下面是我的数据。

过去这些年，我用过 VIM、Eclipse、VSCode 等等 Coding 工具，说实话，我还真是第一次看到自己的 Coding 年度报告。

能看出来，TRAE 是用 ToC 的思路来做 To D 的产品报告。

11 月 6 日，我按了 310 次 Tab 键。哈哈哈哈，看起来那天我进入了自己的心流状态。9 月 15 日，那天我大致是在和同事鼓捣我们的产品网站……历历在目。

挺好的趋势。这证明 IDE 的产品，也开始重点打磨交互和用户体验了。TRAE 这个产品也是我的年度最爱。

最后，从客观角度做一个简要总结。

回顾这一年，对于从事知识工作的群体而言，是否已充分利用现有AI工具，或许是影响生产力水平的一个重大因素。

技术迭代迅速，AI工具层出不穷，学习与适应成本的确 存在。同时，部分产品体验尚不完善，可能导致一些使用者在早期尝试后即放缓探索步伐。

但值得关注的是，已有不少实践者借助AI辅助完成视频制作、独立项目开发、图像生成、数据分析等工作，生产效率呈现明显提升。

如果个人工作效能尚未出现显著变化，可能与未及时跟进工具与技术发展有关，这种滞后可能无形中扩大与高效工作方式之间的差距。

AI技术持续演进，其应用能力往往依赖长期积累。以ChatGPT为例，尽管界面友善、操作简便，但深入有效的使用仍建立在持续实践与经验沉淀之上。

正视并投入学习，或许是适应当前技术发展趋势的可行路径。