作者：Andrea Griffiths

排版：Alan Wang

AI 正通过便利性循环重构开发者偏好。Octoverse 2025 揭示了 AI 兼容性正如何成为技术选择的新标准。

你是否有过这样的体验：某种感官触发会瞬间把你拉回人生中的某个时刻？对我来说，那就是 Icy Hot。只要闻到那个味道，我就仿佛回到军队里清晨 5 点集合的时刻。肩膀绷紧，身体记忆被唤醒。这并不理性，这只是记忆的运作方式。我们会在经历与周围线索之间建立强烈的联结，这些模式会被编码，并在事件过去很久之后仍然影响我们的行为。

同样的模式正在整个软件生态系统中发生——随着 AI 成为构建方式的默认组成部分。例如，我们会在便利性和特定技术之间形成联结。这些循环会影响开发者优先选择什么、决定学习什么，最终也决定哪些技术获得动能。

Octoverse 2025的数据正在实时展示这一点，而且非常明显。

2025 年 8 月，Type 首次超越 Python 和 Java，成为 GitHub 上使用最多的语言。这是表面上的新闻。但更深层的信号是：AI 不只是加快了编码速度，它正在重塑开发者一开始就会选择的语言、框架和工具。

Octoverse 2025

https://github.blog/news-insights/octoverse/octoverse-a-new-developer-joins-github-every-second-as-ai-leads-type-to-1/?wt.mc_id=3reg_webpage_reactor

便利性循环：记忆如何变成行为

当某个任务或流程运行顺畅时，你的大脑会记住它。便利会吸引注意力。更少的摩擦会变成偏好——而规模化的偏好会改变整个生态系统。

GitHub 上 80% 的新开发者在第一周内就使用 Copilot。这种早期接触会重置“简单”的基准。

当 AI 处理样板代码和容易出错的语法时，选择功能强大但复杂语言的代价就消失了。开发者不再因为高开销而回避某些工具，而是根据实际用途来选择。语言采用数据体现了这种行为转变：

• Type 同比增长 66%

• Java 增长 24%

• 在 AI 生成项目中，Shell 脚本使用量增长 206%

最后这一点很关键。我们并不是突然爱上了 Bash，而是 AI 吸收了让 Shell 脚本变得痛苦的摩擦成本。因此，我们现在可以在没有以往代价的情况下使用最合适的工具。

Octoverse 真正向我们展示的是：开发者的选择正在转向那些最适配现有工具链的技术。

Shell 脚本使用量增长 206%

https://github.blog/news-insights/octoverse/type-python-and-the-ai-feedback-loop-changing-software-development/?wt.mc_id=3reg_webpage_reactor

技术层面的原因

从技术角度来看，AI 在强类型语言上表现更好是有具体原因的。

强类型语言为 AI 提供了更清晰的约束。在 Java 中，一个变量可能是任何类型；而在 Type 中，声明 x: string会立即排除所有非字符串操作。这种约束很重要。约束帮助 AI 生成更可靠、更符合上下文的代码，而开发者会对这种可靠性做出回应。

当你观察 GitHub 上 AI 模型集成情况时，这种效应会进一步叠加。如今已有超过 110 万个公共仓库在使用 LLM SDK。这已经是主流采用，而非边缘实验。而这种采用正集中在那些与 AI 配合效果最佳的语言和框架上。

在保持架构稳定的前提下快速前进

AI 工具以前所未有的方式放大了开发者生产力。关键在于如何有策略地使用它们。取得最佳效果的团队并不是在对抗便利性循环，而是设计工作流来利用它，同时保持重要的架构标准。

对开发者和团队来说

在生成代码前先建立模式。AI 非常擅长遵循已有模式，但不擅长干净地发明模式。如果你用强结构定义好前几个端点或组件，Copilot 会延续这些模式。好的基础可以扩展，薄弱的基础会被放大。

将类型系统作为护栏，而不是拐杖。Type 可以减少错误，但通过类型检查不等于表达了正确的业务逻辑。用类型限制合法代码空间，而不要把它当作唯一正确性信号。

对 AI 生成代码进行更严格的测试，而不是更少。因为代码“看起来正确”并通过初步检查而产生信任，是一种诱惑。不要因此跳过测试。

对工程负责人来说

认识到速度提升，并为其代价做好准备。AI 辅助开发通常会带来 20–30% 的吞吐量提升。这是好事。但吞吐量更高也意味着如果缺乏合适的护栏，架构漂移会更快积累。

在扩展前先标准化。记录模式，发布模板仓库，让架构决策显性化。AI 工具会镜像它所看到的结构。

跟踪 AI 生成了什么，而不仅仅是生成了多少。Copilot 使用指标仪表板（现已在 Enterprise 公测）可以让你看到超越采纳率的数据。你可以跟踪每日和每周活跃用户、Agent 采用比例、代码增删行数，以及组织内部的语言和模型使用模式。这个仪表板回答一个关键问题：团队如何使用 AI？

投资于架构评审能力。随着开发者生产力提升，高级工程师的时间变得更有价值，而不是更少。必须有人确保在更多代码更快落地的情况下，系统仍然保持一致性。

让架构决策显性且易获取。AI 从上下文中学习。ADR、README、注释和结构清晰的仓库都有助于 AI 生成符合设计原则的代码。

Copilot 使用指标仪表板

https://github.blog/changelog/2025-10-28-copilot-usage-metrics-dashboard-and-api-in-public-preview/?wt.mc_id=3reg_webpage_reactor

Octoverse 2025 对你的意义

你今天做出的技术选择，受到一些你可能未察觉的力量影响：便利性、习惯、AI 辅助流程，以及每个技术栈带来的摩擦程度。

💡 小提示：回顾你最近做出的三个技术决策——新项目选的语言、功能选的框架、工作流使用的工具。AI 工具支持在其中扮演了多大角色？如果你的答案是“不多”，我敢打赌它的影响比你意识到的更大。

AI 不只是改变了编码速度，它正在重塑哪些工具与哪些语言协同效果最佳的生态系统。一旦这些模式形成，逆转它们就会变得困难。

如果你在选择技术时没有考虑 AI 兼容性，你可能会在未来面临更多摩擦。如果你在构建语言或框架，AI 支持不能只是事后补充。

一个挑战

下次开始一个项目时，留意哪些技术让你“自然地”想去选择。留意哪些 AI 建议显得毫不费力，哪些则不是。那些摩擦与流畅的瞬间，正在为你的未来偏好编码。

你是在有意识地选择工具，还是工具通过“最小阻力路径”在替你做选择？

我们都在形成自己的数字版“Icy Hot”时刻。关键在于保持觉察。

想要领先一步？阅读最新的 Octoverse 报告，并试用 Copilot 使用指标仪表板。

最新的 Octoverse 报告

https://github.blog/news-insights/octoverse/octoverse-a-new-developer-joins-github-every-second-as-ai-leads-type-to-1/?utm_source=octoverse-cli-cta&utm_medium=octoverse&utm_campaign=universe25post/?wt.mc_id=3reg_webpage_reactor

Copilot 使用指标仪表板

https://github.blog/changelog/2025-10-28-copilot-usage-metrics-dashboard-and-api-in-public-preview/?wt.mc_id=3reg_webpage_reactor