研究分析GitHub高星AI工具中编码智能体提交占比

GitHub AI 工具类话题下 52 个星标最多的仓库的完整 git 历史（324,088 次提交），检查了 AI 签名、代码流失以及每个项目对自身结果的公布情况。 在中位仓库中，其最后 180 天活动内的提交有 16.9% 带有 AI 签名（整个历史为 13.6%）。52 个仓库中有 21 个达到 25% 或以上，10 个达到 50% 或以上。38 个仓库至少有 5% 的提交带有签名，另有 9 个提交了面向编码代理的指令但签名比例较低，还有 5 个既无签名也无指令（情况未知，而非“没有 AI”）。 星标数与 AI 签名占比之间未发现可检测的关联（Spearman ρ = -0.05，p = 0.72）。星标最多的十个仓库，AI 签名占比从 0% 到 73.6% 不等。 在第 180 天，这些仓库将 2.0 倍于修复的提交标注为修复（34.1% 对 17.3%），代码流失更低（1.92 倍对 3.77 倍），并且保留了自己编写的更多代码（67.1% 对 41.7%），对比对象是 12 个 Copilot 出现之前的著名项目。 修复占比、代码流失和代码存活方面的差距集中在 2025 年或之后启动的 31 个项目中：在这些项目里，至少 5% 提交带签名的仓库与签名较少的仓库之间未发现可检测的差异，而更早启动的 10 个仓库与基线之间也未发现可检测的差异。大量使用 AI 的情况集中在最新的项目中（AI 占比与启动日期：ρ = 0.72），因此这个样本无法将 AI 使用与项目新近程度区分开。在一年时（有 20 个仓库历史足够长），修复占比的差距仍然存在，但代码流失和存活差距已不再可检测。 24 个仓库发布了带有已提交结果的基准测试工具；其中 15 个衡量工具是否完成了本职工作（节省的 token、准确性、成本、任务成功率），11 个带有 AI 签名。有几个公布了对自身不利的数据。3 个没有发布任何量化数据。 “带签名”指在整个历史或最后 180 天活动中，至少有 5% 的提交带有 AI 共同作者 trailer、以 AI 代理作为作者或提交者，或带有“Generated with”页脚。52 个仓库中有 44 个还提交了代理指令（CLAUDE.md、AGENTS.md 等），7 个在 CI 中运行编码代理。 按最后 180 天活动中 AI 签名占比划分的仓库数量。 36,892 次带签名的提交中，85.3% 来自 Claude。Claude Code 默认添加 trailer，因此签名频率较低的工具会被低估。 最后 180 天活动的 AI 签名占比比整个历史高出至少 15 个百分点。 其余 5 个（anything-llm、PageIndex、QwenPaw、conductor、open-webui）签名比例低于 5%，且未提交任何代理配置。它们的 AI 使用情况未知。 星标数与 AI 签名占比之间的 Spearman ρ：整个历史为 -0.15（p = 0.30），最后 180 天活动为 -0.05（p = 0.72）。星标数与修复占比：ρ = -0.0（p = 0.99）。 星标更多的仓库代码流失更高（ρ = 0.33，p = 0.017）。 代码流失取决于项目年龄，因此每个仓库在其首次提交后第 180 天和第 365 天的最后一个主线提交处检出，并以相同方式测量。 基线是 12 个著名项目（超过 4 万星标），其第一年在 GitHub Copilot 正式可用（2022-06-21）之前就已结束。在 HEAD 处，此处中位仓库的修复占比为 36.3%，代码流失比为 2.08 倍，存活率为 65%。 第 180 天的中位数：这些仓库中的 41 个对 12 个基线项目。 p 值：双侧 Mann-Whitney U 检验，10,000 次置换，未针对检验数量进行校正。基线在两个年龄点均显示 0% 的 AI 签名提交，这验证了检测器的假阳性率。 在第 180 天，比较了 52 个仓库中的 41 个：8 个历史不足 180 天（deepseek-harness、elephant-goldfish-model、get-shit-done、gsd-2、holaOS、munder-difflin、ponytail、thinkrail），3 个快照早于 Copilot。 第 180 天是主要比较点：在第 365 天只有 20 个仓库符合条件，而且它们在那个年龄时 AI 使用程度远低得多（中位数 0.8% AI 签名）。 在这些仓库内部，AI 占比与修复占比相关，与另外两项的关系则不明确：修复占比 ρ = 0.46（p = 0.003）；代码流失 ρ = -0.22（p = 0.17）；存活率 ρ = 0.21（p = 0.18）。但 AI 占比也随着项目启动时间越近而上升 （ρ = 0.72，p < 0.001）：31 个 2025 年或之后启动的项目中，有 23 个到第 180 天时至少 5% 的提交带签名，而更早启动的 10 个中为 0 个。 修复占比、代码流失和存活差距集中在 2025 年或之后启动的 31 个项目中：在这些项目里，至少 5% 提交带签名的仓库与签名较少的仓库之间未发现可检测的差异，而更早启动的 10 个仓库与基线之间也未发现可检测的差异。大量使用 AI 的情况集中在最新的项目中（AI 占比与启动日期：ρ = 0.72），因此这个样本无法将 AI 使用与项目新近程度区分开。签名较少的项目不一定是没有代理的项目，因此最新项目内部的比较是在更明显和更不明显的 AI 使用之间进行的。 在 24 个拥有基准测试工具和已提交结果的仓库中，15 个衡量工具是否完成了本职工作（节省的 token、准确性、成本、任务成功率） 9 个仅衡量软件本身的运行速度（AutoGPT、Paradev、agent-orchestrator、cmux、deepseek-harness、happy、orca、transformers、yao）。 有几个公布了对自身不利的结果，其中包括 ECC、archify、context-mode 和 caveman。3 个仓库（agents、conductor、elephant-goldfish-model）完全没有发布量化结果。 结果是项目自己的声明，在审计提交中按文件和行号定位，并按证据类型分类。没有一项被重新运行。 点击某一行可查看该仓库发布内容的摘要以及指向确切文件的链接。

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）