洪定坤是字节跳动技术副总裁，2014年加入字节，与陈雨强共同搭建头条机器学习系统和广告体系，2023年起任 AI 部门 Flow 技术负责人，主导豆包、Cici 等 AI 产品开发。在 2026 年 6 月的内部分享中，他对 AI Coding 实践提出三个反思——「Harness 不是 Agent 框架，更核心的是工程基建」。
2024 年 9 月，字节新成立的 Flow 部门接棒成为大模型主力团队。据公开报道梳理，Flow 部门的高管配置呈"业务 + 技术 + 产品 + 协同"四线架构：
| 职责线 | 负责人 | 背景 |
|---|---|---|
| 业务线 | 朱文佳 | 大模型团队负责人，同时负责 Flow 业务线 |
| 技术线 | 洪定坤 | 负责 Flow 技术线，主导豆包、Cici 等 AI 产品 |
| 产品线 | 朱骏 | 字节产品与战略副总裁，负责 Flow 产品线 |
| 协同线 | 齐元俊 | 飞书产品副总裁，加盟 Flow 部门 |
Flow 部门的核心产品包括豆包、Cici等 AI 应用。洪定坤作为技术负责人，是这些产品背后的研发掌舵者——在 AI 浪潮中，他的工作直接决定了字节大模型产品的技术上限。
洪定坤在字节内部以对技术标准极高著称。一段广为流传的轶事来自《如何做出好产品》一文：
设计部门负责人丁华勇提到，有时一个设计做出来，老研发可能会说「因为什么什么所以实现不了，不能做」，但新来的研发有可能就能做。
洪定坤听到这个段子后 立即生气了。他说：
「把具体是什么功能不能实现，什么原因，哪个研发，找出来。我们的标准应该是：如果我们做不了，全行业没有公司能做。」
这一事件体现了洪定坤对技术能力的极致要求和底气，也反映了字节研发体系的超高标准文化——技术问题不应当作借口，而是必须正面攻克的命题。
2026 年 6 月，洪定坤在一次内部分享中对 AI Coding 实践提出三个反思，核心观点经字节同事整理后在网络传播。这三个反思直指当下 AI Coding 落地的核心痛点：
TRAE 团队过去半年 94% 代码由 AI 生成，但人均需求吞吐率仅提升 60%（1.6 倍），并非外界设想的 5-10 倍。
洪定坤指出：AI 写代码速度至少是人的 10 倍以上，但写代码只是研发流程的一个环节——需求理解、Spec 编写、功能验证、提交发布这些环节若不同步加速，整体效率提不上去。
字节将这一思路称为「系统化 AI Development」：让 AI 进入更多研发环节，而非只负责编码。
字节内部实验将三个模型与三个 Agent 框架两两组合，针对同一需求每组跑 100 次共 900 次测试：
| 维度 | 裸模型 + Agent 框架 | 引入工程基建后 |
|---|---|---|
| 功能正确率 | 80%+ | ≈90% |
| 工程质量得分 | 40-60 分（不及格） | ≈80 分 |
| 典型问题 | UI 不对齐、组件未复用、性能问题 | 结构规范、技术债可控 |
结论：影响 AI Coding 成败的绝非裸模型本身，而是「裸模型 + Harness」——Harness 不等于 Agent 框架，更核心的是工程基建（上下文工程、架构约束、知识沉淀、技术债清理）。
产品经理用 AI 实现功能后交给研发上线，但代码存在权限和安全问题无法直接交付。
代码生成门槛下降不代表系统复杂度下降。字节的应对思路是将内部实践产品化，沉淀到 TRAE 中统一开放，用同一套工具和规范约束不同角色的输出质量。
Harness ≠ Agent 框架。AI Coding 真正的护城河是工程基建：上下文工程、架构约束、知识沉淀、技术债清理——这些才是字节体系最深的护城河。
洪定坤是字节跳动技术体系的核心构建者之一。他从最早的推荐系统和广告体系做起，一路走到 AI 时代 Flow 部门的技术掌舵者，是字节「技术驱动」基因的重要承载者。
在字节内部，他的管理风格以标准极高、对技术能力有底气著称——「如果我们做不了，全行业没有公司能做」这句话是这种文化的注脚。这种文化也深刻影响了字节研发体系的整体气质：技术问题不应当作借口，而是必须正面攻克的命题。
在 2026 年这个 AI Coding 元年，洪定坤的三大反思给整个行业提供了一个冷静的对照：94% 的 AI 代码占比 ≠ 10 倍的研发效率，真正的差距在 Harness（工程基建）而非裸模型本身。