程序员的开发范式彻底要变了

本播客由扣子空间（coze.cn）一键生成

刚看完晚点公众号上火山引擎总裁谭待的采访，再加上最近和火山方舟团队的接触，我的感觉是：字节的这几个团队，真年轻，从一号位到执行层，身上都透着一股冲劲。

而且从做事细节中，我发现他们的做事风格，一点都不像大公司那样迟缓，反而有点像我们这样的创业公司，行动迅速，快速调整，极为强调认知的重要性。

挺佩服的。火山引擎入局云计算并不算早，比同行晚了近十年。估计前些年，很多人和我一样，谨慎悲观的看待火山引擎的发展。就像现在有人说他要做个抖音，我们也照样不相信他能做成。

但有意思的是，火山引擎很快抓住了 AI 的机会。2024 年，他们的营收规模已经达到 110 亿，今年要冲刺 200 多亿。能看出来，增速迅猛。

包括我们公司，从去年开始，AI 相关的服务，都已经在用火山引擎。诸如豆包大模型、知识库、向量库，还有多模态的能力。

我们团队做过测评，就 AI 相关的能力而言，火山引擎的效果、价格，确实都是行业内最好的。这个一点都不夸张。举个例子，我们墨问现在的文本转音频功能，我测试过大大小小很多产品，最后只有火山的音频听起来比较自然。还有他们刚刚发布的语音播客模型，行业内基本也找不到同等水准的云能力。

这么讲吧，墨问的产品，论功能大概可以分为两类：一类是我们熟知的 Web 应用，目前这部分还老老实实跑在传统的云厂商中。而新增的 AI 类应用，就已经切换到火山引擎。

我感觉这是一个分水岭。举个不太恰当但挺贴切的例子：就像以前家里的老电视还接着有线，而智能电视基本都在用 Wifi 了。老电视和新电视，完全不是一个时代的产物，所以，与之对应的基础设施也发生了变化。

火山引擎一直在提一个词：AI 云原生。这个词，值得说道几句。

其实云原生对工程师并不陌生。早几年，它一度是行业热词，各个技术大会的主题演讲，必定绕不开云原生。它代表的是一整套以 Docker、Kubernetes、微服务为核心的新型应用架构。

为什么当时要强调“云原生”？很简单。云计算刚诞生的时候，主要就是把传统的 IDC 的场景搬到线上，用云的方式统一管理。所以，那些年我们能看到，云厂商主要售卖的是云服务器、云数据库这类产品。

但随着云计算的逐步发展，大家又发现其实以服务器为单元的云计算使用方式，对资源的利用率并不高，无法真正发挥云计算的规模优势。

于是，以 Docker 为代表的容器技术诞生之后，云计算迅速跨入到第二个阶段：云原生。云原生，简而言之就是为云而生的新一代技术栈，云厂商们也顺势搭建出一整套开发、部署、管理应用程序的体系。

这套架构放到今天，依然是主流。我们今天提到的 AI 云原生并不是云原生的升级版本。而是说，AI 时代，Agent 应用和过去 PC、移动互联网时代的应用已经发生了天翻地覆的变化。就像我前面举的电视例子一样。看起来都是电视，但内核已经不同。

传统的云原生，是为 App 和 Web 服务的，解决的是怎么让应用部署得更快、资源利用率更高、扩容更灵活这些问题。而 AI 云原生，关注的是怎么围绕大模型本身，更高效地开发 Agent。这里的核心已经不是单纯的运维效率或者弹性扩容，而是要让模型理解需求、自动调度资源、交付结果。

二者大相径庭。显而易见，AI 时代，开发范式已经发生变化。开发者需要一套与之对应的工具链和基础设施。这也是为什么火山引擎一直在提 AI 云原生的原因。

上周火山引擎举办的 Force 大会，就发布了很多 AI 云原生的能力。最重磅的当然是豆包大模型 1.6 系列，它由三个模型组成：All-in-One 的综合模型 Doubao-Seed-1.6、侧重深度思考能力的 Doubao-Seed-1.6-thinking、侧重响应速度的 Doubao-Seed-1.6-flash。

我重点说下 Doubao-Seed-1.6，它最高支持 256K 的上下文，而且可以根据提示词的难度来决定是否开启深度思考模式。这一点很酷。未来，我觉得模型的发展方向肯定是自己来决定是否进行深度思考，而非每次都让用户进行选择，这多麻烦。

1.6 这代模型在推理和多模态上的提升非常明显。前段时间，海淀区模拟考试，总分 750 分，豆包 1.6  理科考了 706 分，文科考了 712分，这绝对是学霸级别的成绩了。你要知道，文科和理科的考试中，有物理、化学、生物、地理、数学等学科，其中涉及很多图形题，对多模态和推理的要求极高。你只要自己测试过就知道。

多模态这里豆包应该是国内最强的。无论是 1.6 的多模态理解能力，还是他们新发布的视频生成模型。昨天我家人已经测试了视频生成，比上一代有质的提升，画质、任务动作的连贯性。真是感慨，去年的这会我玩即梦时，他们视频生成还很初级，一年时间，变化飞快。

这些模型都可以在火山引擎中体验到。而且豆包 1.6 统一了定价模式。简单点讲，不管开不开深度思考，不管做的是文本还是视觉，tokens 的价格统统一个价，直接按输入的上下文长度来分区计费。算下来，豆包 1.6 的综合成本比 Doubao1.5-thinking-pro 和 DeepSeek R1  便宜了 63%。

除了大模型本身的更新，火山引擎还带来了一整套围绕 Agent 开发的工具链。我简单说几个印象比较深刻的。

第一个工具就是 PromptPilot，名字其实一目了然，就是帮我们优化提示词的。平时用大模型多的同学肯定懂，AI 和传统工具完全不是一个玩法。你和它怎么沟通，怎么描述需求，最后出来的效果，差别特别大。对于普通用户来说，随着产品能力的提升，提示词变得不再重要。但就构建 AI 产品而言，提示词影响还是蛮大的。

我们去看一些 AI 产品的系统提示词，有的居然能写到六七页。我们自己团队做产品，也深有体会。一个好的提示词，直接影响最后的输出结果。所以我们也经常花很多时间去测试和调整提示词，保证它在不同的场景中，都能取得不错的效果。

PromptPilot 就是帮我们解决这些问题。不会写提示词没关系，可以直接用自然语言描述需求，这工具能帮我们自动结构化、拆解，生成更专业的提示词。并且还可以像改文章一样，进行局部的优化。

而且更强的是，PromptPilot 还支持智能优化提示词。我们把自己的测试数据和理想回答传上去，再给每个回答打个分，模型就会在这些数据的基础上，自动帮我们把 Prompt 改得更贴合目标。

说白了，就是你不用反复试错、猜测模型到底喜欢什么表达方式，直接让它自己学着调，省心省力。像我们平时做产品测评，遇到那种怎么说都不对的场景，就特别能体会到这个功能的实用性。

第二个是 MCP Servers。不得不说，今年整个圈子对 MCP 的关注度是真的高。MCP 就像是给大模型接上了手和脚。有了 MCP，模型就能快速调用各种第三方工具，实现真正意义上的工具调度。其实市面上很多厂商都在做 MCP 市场，这也是明牌，火山引擎的特别之处是：

火山引擎把很多云服务也已经 MCP 化。像下面我的截图，包括 ECS、数据库、云搜索、TLS 等等都支持了 MCP。它意味着，我们可以在字节的 AI IDE TRAE 中，进行端到端的开发。因为 TRAE 支持 MCP，只要把 ECS 的 MCP 接入到 TRAE，那开发者就可以在这里直接操作云服务，而不需要再二次跳转。

说到 TRAE 这款 IDE，我再多说一句。目前，大众的焦点都是使用 TRAE 或者 Cursor 之类的产品来写代码。但其实，一个典型的软件开发过程中写代码大概占比不到 40%，其他的都是在使用各种工具在做额外的事情。AI 接下来，肯定会介入到软件开发的全流程。

而 TRAE 作为 AI 原生的入口，它肯定会超脱过去我们所理解的传统 IDE 的范畴。基于 AI Agent 的能力，我相信它会真正成为软件开发的超级界面，用户可以在这里写代码，梳理需求，和知识库互动，部署，运维。未来所有与开发相关的工作，都有可能会在这里流转。

目前我们看到的 TRAE 或者 Cursor，都还只是以写代码为主，但这绝非终局。TRAE 的下一个版本会通过模型 + Agent + 工具调用，以 AI 为中心打造全新的 AI 协作型开发空间。

第三个工具是扣子。扣子的定位是零基础开发 Agent 的平台。特别是去年，他们上线应用 IDE 后，我们完全可以通过拖拉拽的方式，搭建出来一个 AI Native 的、具备前后端能力的完整应用。

发布会那天，我看到猫王音响在硬件里集成了通过扣子开发的智能体。它可以记住用户偏好，自动关联前后聊天的内容，动态调整推荐策略。甚至能根据最近的聊天语气，主动切换陪伴和推荐模式。

说实话，这种体验和传统音响完全不是一回事，智能和个性化都上了一个新台阶。挺有意思。扣子对应还发布了新的硬件解决方案，在扣子官网的模板菜单中就能找到。

很多人没注意到，扣子最近上线了一个叫罗盘的新功能。这个功能其实就是给 Agent 做数据观测和调优，相当于给智能体配了个随身监理。以前我们搭好一个 Agent，效果好不好，完全靠主观感觉和用户吐槽。现在有了罗盘，开发者可以直接拉一套评测集跑一圈，看看模型是不是掉链子、用户用的过程中到底卡在哪儿。

还有扣子空间，我之前已经介绍过。它是在扣子的基础上长出来的一个通用智能体产品。我最近文章中生成的双人对谈播客，其实就是通过扣子空间完成的。扣子空间还能够连接到小红书等平台，日常信息深度检索的需求，我现在都习惯交给它异步来完成。

发布会上，火山方舟的负责人吴迪有句话让我印象很深：“到今天为止，MCP 和 AI 应用开发其实还很不成熟。现在正是 AI 应用的黎明，正是我们开发者大展拳脚的好时候。”

这句话其实挺实在的。工具和技术还远没到完美，但也正因为这样，才有足够多的新机会。等行业完全成熟、格局坐实，机会大概率已经被瓜分完了。

开发者天生拥有对新技术的嗅觉。AI 发展到此刻，我们已经看到应用范式的转移，以及新的机会正徐徐展开。如果要说点建议的话，我觉得就两点：

第一，意识到 AI 云原生开发逻辑的变化，及早拥抱新的技术栈，踏准时代的浪潮。第二，参与到时代中来，无论以怎样的方式。