在 Copilot 的协助下编程白皮书——2023 年的数据显示了代码质量面临的挑战 [译]

原文:Coding on Copilot
作者:William Harding,Matthew Kloster
译文:https://baoyu.io/translations/llm/coding-on-copilot-2024-developer-research

摘要

2023 年是 GitHub Copilot 大放异彩的一年。在短短不到两年的时间里,这款 AI 编程助手已从一个初步的原型迅速成为众多开发者和企业中不可或缺的重要工具 [1]。它的迅猛发展开启了编写代码的新纪元。

GitHub 已经发布了数份关于 AI 如何影响软件开发的增长和影响的研究。他们的一项重要发现是,开发者在使用 Copilot 时,编码速度提升了“55%”。面对大量由 LLM 生成的代码,我们不禁要问:这些代码在质量和可维护性上与人工编写的代码相比如何?它们是不是更像经验丰富的高级开发者的精心作品,还是更接近短期合同工的零散拼凑?

为此,GitClear 收集了从 2020 年 1 月到 2023 年 12 月之间的 153 百万行代码变更记录 [A1]。这是目前已知最大的用于分析代码质量差异的高度结构化代码变更数据集 [A2]。

我们发现了一些关于代码可维护性的令人担忧的趋势。代码变更率 —— 指在编写后不到两周就被修改或撤销的代码行所占的比例 —— 预计在 2024 年将是 2021 年 AI 出现之前的两倍。我们还发现,“新增代码”和“复制/粘贴代码”的比例相比于“更新的”、“删除的”和“移动的”代码在上升。从这个角度来看,AI 生成的代码更像是一位频繁更换工作的合同工写的临时代码,容易违反他访问的代码库的 DRY(Donot Repeat Yourself,不重复自己)原则。。

我们以一些针对管理者如何在这种逆流中保持代码高质量的建议作为本文的总结。

GitHub: “使用 AI 编程,提升效率 55%,增加代码量 46%,为 GDP 贡献 1.5 万亿美元”

这样惊人的数据背后,GitHub 的 CEO Thomas Dohmke 不仅忙于日常的 CEO 工作,还专门抽时间撰写了关于 AI 革命的博客文章和研究论文。他在 2023 年发布于 GitHub 的作品,详细叙述了 Copilot 快速普及的激动人心的故事。
在这里插入图片描述
来自 Dohmke 2023 年的博客文章《AI 驱动开发者生命周期的经济影响及从 GitHub Copilot 学到的经验》

Dohmke 在博客中提出,目前已有超过 20,000 家组织在使用 GitHub Copilot for Business。这紧随其在 2023 年 2 月宣布的消息,即在 Copilot for Business 推出时,“已有超过一百万人”在使用个人版 Copilot。GitHub 在提高 AI 质量和公开透明地分享其成果方面取得了令人赞赏的进展。

到底有多少开发者正在使用 AI 编写代码?在 GitHub 2023 年 6 月与 Wakefield Research 合作的一项独立研究中,他们指出:“在美国大型公司工作的开发者中,有 92% 使用 AI 编程工具。”他们还强调,有 70% 的开发者认为使用 AI 带来了显著好处。不过,O’Reilly Publishing 在 2023 年 8 月的一项调查显示,67% 的受访开发者表示他们还没有使用 ChatGPT 或 Copilot。这暗示了 GitHub 在市场上仍有很大的增长潜力。

AI 生成代码存在的问题

开发者之所以采用 Copilot,是因为他们相信这款工具能够加快编码速度。GitHub 的研究发现,使用 Copilot 的开发者的满意度提高了 75%。这表明开发者普遍接受了这款产品。但是,这并不意味着那些负责维护代码的人也会感到同样满意。资深代码研究员 Adam Tornhill(著有《Your Code as a Crime Scene》)对此表示怀疑:
在这里插入图片描述
开发者研究人员对 AI 辅助编程的影响持担忧态度

GitHub 声称,使用 Copilot 编写代码的速度提高了 55%。但问题是,有些本不应编写的代码怎么办?正如《Clean Code: A Handbook of Agile Software Craftsmanship》的作者 Robert Martin 所说,代码的阅读时间是编写时间的十倍。更快地写出低质量代码,意味着后续阅读代码的人将面临更多困难。

这只是使用 AI 助手的开发者所面临的众多挑战之一。其他挑战包括:

  1. 频繁收到增加代码的建议,却很少有关于更新、移动或删除代码的建议。这是源于文本环境中代码编写时的界面限制。
  2. 评估代码建议可能耗费大量时间,尤其是在有多个自动建议系统相互竞争的环境中,如流行的 JetBrains IDEs(参见 [11])。
  3. 代码建议的优化并非基于和代码维护者相同的激励机制。代码建议算法旨在提出最可能被接受的建议,而代码维护者则努力减少需要阅读的代码量(即,理解如何调整现有系统)。

这些问题可能解释了为什么初级开发者比经验丰富的开发者更倾向于接受代码建议。根据 GitHub 的研究:
在这里插入图片描述
GitHub 的数据显示,相比经验丰富的开发者,初级开发者使用 Copilot 的频率高出大约 20%

经验丰富的开发者更深刻地理解维护代码的长期成本。如果他们更不愿使用 AI 的代码建议,那么这是否意味着初级开发者现在正以前所未有的速度贡献更多额外的代码呢?

代码变更的分类

为了探究代码质量如何随着时间变化,我们研究了在 AI 应用日益广泛的 2023 年与之前几年,代码变更类型的不同。GitClear 将代码的变更动作分为七大类别,本研究分析了其中的六种:

  1. 新增代码。指新增加的独立代码行,不包含对现有代码的小幅修改(这类修改被标记为“更新”)。此外,新增代码也不包括那些被添加、删除后又重新加入的代码行(这些行被标记为“更新”和“变动”)。
  2. 删除代码。指被移除、提交并且在随后的至少两周内没有被重新加入的代码行。
  3. 移动代码。指被剪切并粘贴到新文件或同一文件中新的函数位置的代码行。按照定义,“移动”的操作中,提交时代码内容不变,除了代码前的空格部分可能会有所改变。
  4. 更新代码。基于已存在的代码行,通过修改大约三个词或更少的词汇来提交的新代码行。
  5. 查找/替换代码。这种变更模式中,同一字符串在三个或更多位置被替换为统一的新内容。
  6. 复制/粘贴代码。除了编程语言的关键字(例如,end,},[)外,相同的代码内容被提交到一个提交中的多个文件或函数。
  7. 无效操作代码。微小的代码更改,如空格或同一代码块内的行号变更。这类无效操作的代码变更没有包含在本研究中。

GitClear 对代码操作的具体实例可以在其“Diff Delta”文档中找到。自 2020 年起,GitClear 开始按这些操作分类 git 仓库。截至 2024 年 1 月,GitClear 已分析并分类了大约十亿行代码,这些代码来自于四年间的各种来源,包括商业客户(例如,NextGen Health, Verizon)和知名的开源项目(例如,Facebook 的 React 项目,谷歌的 Chrome 浏览器)。在这些代码中,有 1.53 亿行是有意义的非无效操作的代码变更,被用于本次研究。

随着代码变更操作的不断演进,我们也在研究所谓的“变动代码”(Churned code)的变化趋势。它并不算是一种标准的代码操作,因为一行变动代码可能涉及到多种不同的操作,如代码的“新增”(Added)、“删除”(Deleted)或“更新”(Updated)。一行代码要被视作“变动的”,它必须被创建并推送到 git 仓库中,之后在随后的两周内被回退或进行重大修改。可以将 Churn 理解为最初由作者编写、提交并推送到公司 git 仓库时,那些不完整或错误的更改。

Copilot 对代码编辑操作趋势的影响

为了深入了解 Copilot 如何影响代码质量,我们对 GitClear 观察到的各种代码行操作进行了分析,这些操作按照代码编写的年份来分类(依据 git 提交记录中的 authored_at 日期 [12])。相关的详细数据可以在附录中找到。下面是各年份的操作百分比:

新增删除更新移动复制/粘贴查找/替换代码波动
202039.2%19.5%5.2%25.0%8.3%2.9%3.3%
202139.5%19.0%5.0%24.8%8.4%3.4%3.6%
202241.0%20.2%5.2%20.5%9.4%3.7%4.0%
202342.3%21.1%5.5%16.9%10.5%3.6%5.5%
202443.6%22.1%5.8%13.4%11.6%3.6%7.1%

这些数据在图表中的展现方式是这样的:左轴显示了代码变更操作的比例(这些百分比总和为 100%)。右轴和浅蓝色线条则展示了与之相应的“代码波动”变化。
在这里插入图片描述

对于 2024 年的预测,我们利用 OpenAI 的 gpt-4-1106-preview 模型,通过对现有数据进行二次回归分析得出。附录中详细介绍了我们如何使用 OpenAI 模型进行这一分析。鉴于 GitHub 报告的 Copilot 的迅猛发展以及 AI 智能体的普遍应用,可以预见 2024 年的趋势将延续 2022 年开始显现的模式,并在 2023 年得到加速。单从 2022 年到 2023 年各种操作频率的变化来看,我们可以发现三个可能影响代码质量的警示信号:

操作同比变化
添加+3.1%
删除+4.8%
更新+5.2%
移动-17.3%
复制/粘贴+11.3%
查找/替换-1.3%
代码变动率 (Churn)+39.2%

解读代码操作变化的含义

2023 年最显著的代码操作变化发生在“代码变动率 (Churn)”、“移动”和“复制/粘贴”这几个方面。我们在这一节将详细探讨这些变化背后的意义。

代码变动率的显著增长

所谓的“代码变动率 (Churn)”是指代码被推送到仓库后,接着在两周内被撤销、移除或更新的比例。在开发者亲自编写所有代码的情况下,这种情况相对较少见——2023 年之前,只有 3-4% 的代码会发生这样的变动。不过,在 2022 年就已经出现了这种趋势的上升,当时代码变动率跃升至 9%。值得注意的是,2022 年是人工智能编程助手 Copilot 首次以测试版形式推出,同时也是 ChatGPT 开始被广泛使用的一年。

在 2022 至 2023 年期间,AI 辅助工具的兴起与推送到代码仓库的“错误代码”密切相关。根据引用资料 [1] 和 [8],如果我们假设 Copilot 在 2021 年的普及率为 0%,2022 年为 5-10%,2023 年为 30%,那么这些因素之间的相关性极高,皮尔森相关系数高达 0.98(更多关于这一计算的细节,请参见附录中的“代码变动率与 Copilot 的相关性”部分)。这意味着,随着 AI 辅助工具的使用增加,代码变动率也在相应增长。

随着代码变动率的普遍增加,错误代码被部署到生产环境的风险也随之增大。如果这一趋势持续到 2024 年,那么超过 7% 的代码更改可能会在两周内被撤销,这将是 2021 年的两倍。根据这些数据,我们预计 Google DORA 的“变更失败率”将在今年晚些时候发布的“2024 年 DevOps 状态报告”中有所增加,前提是该研究包含了 2023 年使用 AI 辅助的开发者数据。

代码移动越少意味着重构和复用的减少

通常在重构现有代码系统时,我们会发现代码的移动。重构的系统,尤其是代码的移动,是实现代码复用的关键。随着产品的不断扩展,开发者往往需要将现有代码重组到新的模块和文件中,以便于新功能的复用。对于经验丰富的开发者来说,代码复用的优势非常明显——与新编写的代码相比,已经在实际环境中被测试并证实稳定的代码显得更加可靠。而且,经过多人修改的代码往往包含了丰富的文档,这大大加快了新手开发者对模块的理解速度。

结合“复制/粘贴”代码的增加,可以清楚地看到,当前的 AI 助手似乎在一定程度上阻碍了代码的复用。相较于进行重构和遵循 DRY(“不要重复自己”)原则,这些助手更倾向于提供一种快捷方式,让开发者重复使用现有代码。

复制/粘贴的代码会导致未来的维护困难

复制/粘贴的代码可能是长期维护代码中最大的难题之一。当开发者重复使用非关键字的代码行时,实际上是在暗示他们没有时间去深入研究之前的实现方式。这种重复添加代码的做法,将整合实现重复功能的任务留给了未来的维护者。

大多数开发者更喜欢“实现新功能”而不是“审视潜在可复用的代码”,因此复制/粘贴的代码往往会过期仍然被使用。尤其在经验不足的团队中,可能缺乏有权威的代码维护者来移除这些重复的代码。即便是资深开发者,也需要付出巨大的努力和决心去充分理解代码,以便将其删除。

如果没有 CTO 或工程副总裁定期安排时间来减少技术债务,那么由于高层的时间压力,新添加的复制/粘贴代码可能永远不会被整合到支撑长期开发速度的组件库中。

根据 GitClear 的操作,只有在单次提交中重复的代码才会被计算。因此,2023 年测量到的 11% 的复制/粘贴比例,可能只是 2024 年代码库中悄然增加的总复制量的一小部分。

修订代码年龄趋势分析

我们使用了一个独立的方法来评估 2023 年相比之前代码质量的变化:分析 GitClear 提供的“代码溯源”数据。所谓“代码溯源”,其实就是要看代码从被写出到最终被更新或删除的时间长度。

年份少于 2 周少于一个月少于一年1-2 年
202065.9%8.7%21.8%3.6%
202166.7%9.0%20.5%3.8%
202264.7%9.9%21.1%4.4%
202371.3%9.3%16.4%3.0%
202474.4%9.1%14.1%2.4%

根据这些数据,我们可以看到:
在这里插入图片描述

解读代码年龄的趋势

对“代码溯源”的数据分析揭示了一个有趣的现象,即在 2022 年到 2023 年间,代码的更新速度加快了。特别是,不到两周就被替换的代码比例增加了 10%。同时,超过一个月的代码更新频率在 2023 年比 2022 年下降了 24%(2023 年为 19.4%,而 2022 年为 25.5%)。

这一趋势显示,在 AI 助手普及之前,开发者更可能会选择最近编写的代码进行改进和再利用。根据 Techreport 的一项调查[5],早在 2020 年代初,大约 70% 的项目采用了敏捷开发方法。在敏捷方法中,每个 Sprint(通常持续 2-3 周)都会规划和执行新的功能。这与我们的数据相符,表明大约在 2020 年左右,团队在每个 Sprint 结束后,可能会聚在一起讨论最近的工作成果,以及如何在接下来的 Sprint 中再次利用这些成果。

后续研究的思考题

我们能否设定激励措施来应对 2024 年代码建议引擎中普遍的“添加后即忘记”的问题?

尽管我们可以训练 AI 识别代码整合的机会,关键在于它何时被触发?我们需要一个新的用户界面来复查代码的删除和更新,以及潜在的新增内容。同时,那些导致团队今天无法腾出时间来减轻技术债务的管理层压力,可能也会妨碍他们采用一种假设性的“代码清理”工具。但如果有代码助手的开发者对探索如何整合代码感兴趣,GitClear 愿意与他们合作,详细联系方式见附录。

另一个值得关注的问题是:额外代码对开发进度的影响速度有多大?特别是对于复制/粘贴的代码,库中代码行数与开发者修改这些代码的速度之间几乎肯定存在负相关关系。现在的疑问是:“累积的复制/粘贴技术债务何时变得不可忽视?”了解这种减速效应发生的速率可以帮助未来的工具指导管理者何时应该减少开发新功能的时间。

最后一个探索的问题是:与 2020-2022 年相比,现在发生的复制/粘贴代码的总比例是多少?由于 GitClear 目前仅测量单个提交中的复制/粘贴代码,因此整体的复制/粘贴量(文件中重复的所有非关键字、非注释代码行)可能是 GitClear 当前测量值的两倍。2024 年,复制/粘贴代码真的会占到所有代码操作的 20-25% 吗?

GitClear 将在未来的研究中探讨这些问题,并鼓励该领域的其他研究人员共享他们的数据。如果您有兴趣与 GitClear 合作进行进一步研究,请查阅附录中的联系信息。

结论:开发者为何保持谨慎?

根据我们分析的两项关键数据,2023 年代码质量面临明显下滑,这与大语言模型 (LLMs) 特别是 AI 代码助手的广泛应用密切相关。

GitHub 与 Wakefield 研究所在 2023 年的一项调查显示,开发者已经意识到代码质量的降低。当被问及“在没有 AI 的情况下,应以哪些指标评估你的工作?”时,他们最关注的是“协作和沟通”,其次是“代码质量”。

但当问题转向“在使用 AI 时,应以哪些指标评估你的工作?”时,他们的关注点发生变化,“代码质量”成为了最关注的问题,而“生产事件数量”上升为第三大关注点:
在这里插入图片描述
摘自 GitHub 关于 AI 影响的调查

尽管开发者个人可能没有足够的数据来解释为什么使用 AI 时“代码质量”和“生产事件”成为更加紧迫的问题,我们的数据提供了一个可能的解释:当开发者被大量快速且简单的短期有效建议所淹没时,他们往往会不断增加代码行数,却忽视了检查现有系统是否可以优化重用。

对于那些通过 Tab 键得到复制/粘贴建议的经验不足的开发者来说,解决这一问题并非易事。工程领导们需要密切关注新数据,并思考这些数据对未来产品维护的潜在影响。开发者分析工具,如 GitClear,能够帮助识别问题代码的累积速度。需要考虑的关键问题有:

  1. 代码复用比例是否在下降?
  2. 代码的移动和复制/粘贴量是否有所变化?
  3. 开发者发现代码复用机会的难易程度如何?

关于 GitClear 如何应对这些问题的进一步讨论见 [A3]。

AI 助手和 Copilot 如何重塑开发者的角色?无疑,随着 AI 的普及,我们进入了一个代码行数增加速度空前的时代。2024 年更值得关注的问题是:谁将负责整理这一切留下的烂摊子?

引用

  1. 探索 AI 驱动的开发者生命周期带来的经济效益:GitHub Copilot 的案例分析 [GitHub]
  2. GitHub Copilot for Business:企业级智能编程助手 [GitHub]
  3. 软件开发领域的重大变革:AI 驱动下的开发者生命周期经济与生产力分析 [GitHub]
  4. 深入了解 Diff Delta 和 Commit 组 [GitClear]
  5. Techreport 调查显示:超过七成团队采用敏捷开发模式 [Techreport]
  6. 代码溯源:它是什么,为何重要? [GitClear]
  7. 调查显示 AI 如何改变开发者的工作体验 [GitHub]
  8. 领略下一代开发者生产力的风采 [O’reilly]
  9. 当你的代码变成犯罪现场 [Pragmatic Programmers]
  10. 敏捷软件工艺中的代码洁净之道:实用手册及其引用 [Robert C. Martin, 作者]
  11. [JetBrains AI:提升你的编程工具,迎接新的自由 (https://www.jetbrains.com/ai/) [JetBrains]
  12. Git 提交指南:深入了解 git-commit [Git 文档]
  13. 如何使用 Tech Debt 浏览器优化代码 [GitClear]
  14. “不要重复自己”原则的智慧 [Wikipedia]
  15. X:Adam Tornhill 分享的思考 [X/Twitter]

附录

关于这项研究的数据细节如下。

A1: 变更行数的原始数据

年份新增删除更新移动复制/粘贴查找/替换行数变更变动量
20209,071,7314,508,0981,202,4805,786,7181,911,855676,00023,156,882769,493
202114,464,8646,969,7781,826,5799,043,6493,087,5301,234,21336,626,6131,331,278
202216,868,3788,280,0312,146,7688,407,6773,873,2401,512,70841,088,8021,630,703
202322,626,71411,288,9622,938,8009,040,6595,607,3731,942,19453,444,7022,952,912
202428,708,80314,535,3533,803,2758,804,1217,599,9702,355,66265,800,6024,665,263

这里是一些次要特征,有助于评估此数据集的有效性和适用性,以及与读者可能已有数据集的比较:

年份提交数量提交者数量分析的仓库数量更改的代码文件数量
2020381,34712,7614971,368,549
2021623,26417,5776432,207,498
2022723,82318,4469932,616,263
20231,019,68021,7001,2943,414,136

为了方便您重新分析,以下是 CSV 格式的数据(2024 年数据未包含,因为它是一个您可以用自己的数据进行替换的预测):

Year,Added,Deleted,Updated,Moved,Copy/pasted,Find/replaced,Lines
changed,Churn
2020,9071731,4508098,1202480,5786718,1911855,676000,23156882,769493
2021,14464864,6969778,1826579,9043649,3087530,1234213,36626613,1331278
2022,16868378,8280031,2146768,8407677,3873240,1512708,41088802,1630703
2023,22626714,11288962,2938800,9040659,5607373,1942194,53444702,2952912

用于生成数据的查询 数据被储存在 Postgres 数据库中,通过 Ruby on Rails 的 ActiveRecord 查询得到。

# Operation by year
2020.upto(2023).map { |year| CodeLine.where(authored_at: Time.new(year, 1,
1)..Time.new(year + 1, 1, 1), commit_impacting:
true).group(:operation_em).count }
# Commits by year
Commit.impacting.where(authored_at:
Time.local(2020,1,1)..Time.local(2024,1,1)).group("EXTRACT (year from
authored_at)").count
# Committers committing by year
2020.upto(2023).map { |year|
Committer.joins(:commits).merge(Commit.impacting).where(commits: {
authored_at: Time.local(year,1,1)..Time.local(year+1,1,1)
}).group(:id).count.size }
# Repos changed by year
2020.upto(2023).map { |year|
Repo.joins(:commits).merge(Commit.impacting).where(commits: { authored_at:
Time.local(year,1,1)..Time.local(year+1,1,1) }).group(:id).count.size }
# Files by year
2020.upto(2023).map { |year|
CommitCodeFile.impacting.joins(:commit).where(commits: { authored_at:
Time.local(year,1,1)..Time.local(year+1,1,1) }).group(:id).count.size }

A2: 目前已知的最大结构化代码数据集

截至 2024 年 1 月,我们还没有找到任何公开可用的、用于记录代码更改的数据集。目前发布的关于代码统计的数据仅来自少数几家持有或分析代码数据的公司。这些公司,包括 GitHub、GitLab、Bitbucket、Azure Devops、GitKraken 和 SonarQube 在内,通常只将代码更改简单分类为“添加”或“删除”[例子]。但 GitClear 是唯一一个识别了更多种类操作的公司:

  1. 添加的代码
  2. 更新的代码
  3. 删除的代码
  4. 复制/粘贴的代码
  5. 查找/替换的代码
  6. 移动的代码
  7. 无操作的代码

GitClear 所拥有的数据中,约有三分之二来自选择匿名共享数据的私人企业,剩下的三分之一则来自开源项目(主要是谷歌、Facebook 和微软运营的项目)。

除了代码操作类型的数据,GitClear 的数据集还会区分并排除那些位于自动生成文件、子仓库提交中或满足本文档所列其他排除条件的代码行。根据 2024 年 1 月的资料,这项研究中的 1.5 亿行代码中,有不到一半会被传统 git 统计工具(如 GitHub)计入“更改行数”,而符合 GitClear 分析标准的则更少。研究内容包括了注释行,未来的研究可以对注释行和非注释行进行对比。此外,研究也可以比较“测试代码”和“其他类型的代码”,这可能对复制/粘贴的频率有所影响。

如果您知道其他报告代码操作细节与 GitClear 相当的公司,请通过 hello@gitclear.com 与我们联系。我们会更新这一部分内容,并上传新的 PDF 文档,对提供信息的贡献者表示感谢(如果他们愿意的话)。

A3: GitClear 的解决方案

GitClear 提供了多种报告,全面回答了三个关键问题:操作是否被系统认可、具体的操作报告,以及操作的来源报告。除此之外,GitClear 还提供了一个用于浏览技术债务的工具,并能够在代码质量开始下降时通过电子邮件进行提醒。

修订代码行数的统计数据

年份不足 2 周不足一个月不足一年1-2 年
2020550,36272,471182,42030,074
2021891,008120,029274,12550,825
20221,136,604173,370369,92577,463
20231,941,351254,082445,86982,405

为方便您进一步分析,我们提供了可直接复制粘贴的 CSV 格式数据:

Year,Less than 2 weeks,Less than one month,Less than one year,1-2 years,Sum
2020,550362,72471,182420,30074,835327
2021,891008,120029,274125,50825,1335987
2022,1136604,173370,369925,77463,1757362
2023,1941351,254082,445869,82405,2723707

生成数据的查询方式

这些数据存储在 Postgres 数据库中,通过 Ruby on Rails 的 ActiveRecord 技术进行查询。

# ruby
# Revision (provenance) query
2020.upto(2023).map { |year| CodeLine.where(authored_at: Time.new(year, 1,
1)..Time.new(year + 1, 1, 1), commit_impacting:
true).group(:provenance_em).count }

OpenAI Assistant 数据预测

在这里插入图片描述

Churn 与 Copilot 使用率的相关性分析

在这里插入图片描述

从 2020 年到 2023 年的数据显示,根据 O’Reilly 出版社的独立调查[8],截至 2023 年 8 月,大约有不到三分之一的开发者使用 Copilot 或 ChatGPT 进行编码。GitHub 在其博客文章[1]中提到,Copilot 自一年前推出以来,已经吸引了数百万开发者。我们估计,2022 年 Copilot 的使用率大约为 5%,但即使这样,也不会对 Pearson 相关系数产生重大影响。

在这里插入图片描述

最新更新

● 2024 年 1 月 26 日 我们对数据的表述进行了改进,使其更加清晰,更好地与语言表达一致。同时,我们提供了联系方式以供交流。 如需讨论这项研究或有任何改进建议,请直接通过 hello@gitclear.com 或 bill@gitclear.com 与我们联系。我们非常欢迎关于如何提高这篇文章的清晰度或如何理解 GitClear 帮助团队测量本研究涉及指标的建议。

相关推荐

开源鸿蒙社区月度优秀评选|9 月批次获奖名单公示

开源鸿蒙社区月度优秀评选由,面向高校学生开发者,秉持小任务、快认定、强反馈、持续贡献原则,搭建高校常态化贡献评优体系,沉淀开源鸿蒙优质生态成果。2026 年 6 月—12 月6-8 月开展统一评选,合并批次获奖名额为三个月名额总和。9 月、10 月、11 月、12 月每月独立评选。目前,9 月批次优秀评选名单已正式产生,现予以公示。以下名单。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 5

全国第一课!启元T1 Pro走进北邮研究生课堂

北京邮电大学研究生课程《机器人认知计算》迎来一位特殊的“助教”——上纬启元旗下的启元T1 Pro机器人。在启元“具身智能产教融合创新实践平台”的支持下,方斌老师以启元T1 Pro为示范,为60余名研究生讲授“基于VLM的具身智能技术”。这是启元T1 Pro在全国高校课堂上的第一课,也标志着启元具身智能产教融合平台在高校教学中正式落地。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 4

KMP 鸿蒙电脑快捷键实战:用 Kotlin 状态机接管 Ctrl+S 与右键菜单

本文介绍Kotlin Multiplatform鸿蒙社区推出的kmp-ohos-pc-shortcut库,解决鸿蒙电脑端快捷键实现难题。基于KMP共享层构建状态机,精准处理修饰键、焦点切换、输入法干扰等复杂场景,支持Ctrl+S、Ctrl+Shift+S等多组合键,并在2in1模拟器中实现自由窗口右键菜单自动适配。全链路由Kotlin决策,ArkTS仅订阅事件,确保跨端一致性与可靠性。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 5

Flutter 修复 flutter_tts 鸿蒙分段等待与 WAV 导出:折叠屏双栏讲义朗读

针对折叠屏双栏有声讲义场景,修复了 oh-flutter/flutter_tts_ohos 在首次朗读引擎未初始化、播放等待早退及离线 WAV 导出缺失的问题。通过串行化引擎重建与播放完成等待逻辑,并按分片序号拼接带标准文件头的 WAV 文件,实现三段朗读逐段等待(模拟器18,658ms)、单次导出246ms生成173,204B有效WAV。修复后在真机上稳定运行,捕获并重排跨进程乱序分片,完整代码已开源于 atomgit.com/oh-flutter/flutter_tts_ohos

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 6

Flutter 修复 device_calendar 鸿蒙重复规则与服务链接:让周期会议日程准确展开并保留入会入口

本文修复了鸿蒙版 device_calendar 插件在周期日程同步与会议链接读取中的关键问题,包括重复频率映射错误、链接转换缺失及周期实例查询异常。通过对比模拟器与真机测试,验证了修复后可正确返回每日/每周重复日程(如7天晨会、4周研讨),并完整回读会议链接。完整代码已开源至 oh-flutter/device_calendar,支持鸿蒙系统Flutter开发,欢迎提交Issue或参与社区交流。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 5

Flutter 修复 screen_retriever 鸿蒙电脑屏幕工作区检索:让桌面贴边窗口精准避让系统 Dock 栏

基于 oh-flutter/screen_retriever 0.4.0 单包分支,修复鸿蒙端缺失实现及 Dart 3.11.5 兼容问题,恢复标准 MethodChannel 桥接,补全逻辑像素折算、系统可用工作区读取、监听注销闭环与窗口内光标采样。解决贴边窗口越界、底部按钮被遮挡等问题,实现工具窗精准贴靠桌面右下角,代码已开源至 oh-flutter/screen_retriever。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 7

Flutter 适配 wearable_rotary 鸿蒙穿戴旋转表冠:圆屏长列表单手平滑浏览

为解决鸿蒙圆屏模拟器上Flutter应用表冠滚动失效问题,作者在wearable_rotary基础上新增鸿蒙原生支持,通过onDigitalCrown接收旋转事件,实现焦点容器绑定、角度换算与整数幅度解析,使列表可双向滚动。适配后支持表冠浏览与触屏标记协同操作,代码已开源至oh-flutter/plugins,欢迎参与共建。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 6

读徐直军《走进华为的创新之旅》:让创新成为可持续的能力

华为轮值董事长徐直军在美国《时代》杂志发表署名文章《走进华为的创新之旅:看见、亲历、引领》,回顾三十余年来亲历和推动华为创新发展的历程,分享关于人才投入、研发体系建设与基础研究的思考。对于服务开发者的 AtomGit 而言,这些实践经验也带来了启发:我们应该如何支持人的创造力,如何帮助协作形成合力,又如何让今天的积累成为未来创新的基础?以下分享这篇文章,与广大开发者共同学习,并结合平台实践展开思考。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 13

启元机器人 Developer Playground 深圳开发者见面会圆满落幕

当「整活」的开发者遇上具身智能,代码不再只停留在屏幕之内,而是驱动实体机器人听懂指令、跑通一套新 Skill。11 月 14 日,启元机器人 Developer Playground 开发者见面会暨启元机器人深圳旗舰店开业仪式,在深圳卓悦中心正式启幕,来自 AI 应用、企业研发、机器人与嵌入式及高校技术团队的开发者们齐聚现场,围绕T1 变形机器人、Q1 人形机器人完成技术分享与 Robot Challenge 双赛道实操。为活动致辞。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 8

AtomGit 10月:“建设人工智能开源社区 AtomGit,释放开源活力。”

10 月 19 日,国务院新闻办公室新闻发布会上,工业和信息化部科技司司长魏巍在介绍“人工智能+制造”专项行动成效时明确提及:“建设人工智能开源社区 AtomGit,释放开源活力。未来,AtomGit 将持续携手开发者与生态伙伴,汇聚开源创新力量,共同推动人工智能技术创新与应用。AtomGit 企业版正式上线;开源实践中心上线,同步推出城市坐标计划 · 活动日历、开源人物志与五阶段开源成长路径;OpenAPI 文档全新改版;模型硬件匹配能力、企业版、热门专题页上线。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 41

诚邀报名 | 相约南京!2026 开源鸿蒙技术大会即将启幕,共探操作系统与 AI 共生演进新方向

随着人工智能技术加速发展,操作系统正迎来新一轮变革。面对、具身智能等前沿技术带来的新需求,操作系统将如何与深度融合、协同演进?二者的融合创新又将为软件开发与产业发展带来哪些新机遇?大会信息时间2026 年 11 月 28 日地点南京扬子江国际会议中心主办开源鸿蒙项目群技术指导委员会(TSC)看点主论坛 · 二十场技术分论坛 · 创新成果展区。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 26

开源鸿蒙跨平台直播|AI 时代,用 cj-tauri 开发鸿蒙 PC 应用

AI 已经把写代码这一段压平了,可改完到看见结果之间还隔着编译、重启和打包:一次全量编译要等 11 分 09 秒,一天能试几轮?要把桌面应用交付到开源鸿蒙 PC,又不想为这一端单独维护一套代码和一层桥接,路径该怎么选?开源鸿蒙跨平台系列直播第 24 期将结合 cj-tauri 的实践,分享「仓颉后端 + 系统 WebView 前端」这套组合。内容覆盖仓颉在开源鸿蒙生态里的位置、宿主与 IPC 双向桥的分工、能力白名单的最小权限模型,以及前端热更新给迭代节奏带来的变化;

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 26

报名开启|11 月 21 日北京,CANN 油气 & 化工行业 AI Meetup,共探 AI 落地路径

AI 加速走进油气化工行业,前沿技术如何落地业务、解决真实痛点,成为行业开发者共同关注的话题。为推动 AI 技术与行业场景深度融合,分享一线场景实践经验,围绕生态共建研讨,CANN 开源社区「油气 & 化工行业 AI Meetup」!本次活动聚焦三维全波形反演、AI 储层建模、油气 CV 应用、算子优化、图机器学习适配、化工智能体与分子筛选等方向,与行业伙伴、技术专家面对面交流,共探 AI 落地路径。活动时间:2026 年 11 月 21 日(周六)13:30–17:10。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 11

本期精选 G-Star 开源项目推荐|DSH 插件生态

从桌面状态反馈、界面设计和团队协作,到视觉理解、图像创作与应用操作,这些项目展示了 DSH 生态不同的扩展方向。有的解决具体体验问题,有的为 Agent 增加一类能力,也有项目把通用工具带进 DSH 工作区。欢迎前往仓库阅读 README、体验项目,并通过Star、Issue 或 PR支持作者。也欢迎更多开源项目申请加入 G-Star 计划,让你的项目被更多开发者看到。素材使用提示:本文介绍的是开源项目的技术能力。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 41

报名开启|11 月 21 日北京,CANNBot × MegaKernel Meetup,共探智能算子新方向

大模型落地浪潮下,算子开发、性能调优成为模型部署的核心难点。CANN 持续开源开放,依托 Agent 技术探索算子自动生成新范式。为促进算子开发者深度交流、共建 CANN 开源生态,11 月 21 日 CANN 开源社区在北京发起「CANNBot × MegaKernel Meetup」,现已开放报名!🙌。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 30

Flutter 修复 no_screenshot 鸿蒙窗口隐私模式切换:让一次性恢复口令页离开后恢复正常截屏

本文记录了在鸿蒙系统上使用 no_screenshot 插件实现页面截屏保护时,遇到的二次切换失效、恢复接口返回值错误及异步状态不同步问题。通过分析原生实现,修复了状态切换逻辑错误、返回值混淆及监听取消时的竞态问题,确保窗口隐私状态正确同步。修复后,模拟器与真机(畅享 100 Pro Max)均能正常实现进入/退出受保护页面后的截屏恢复,完整代码已开源于 oh-flutter/no_screenshot。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 62

Flutter 修复 audio_waveforms 鸿蒙波形提取句柄与内存驻留:多段语音备忘录预览与切歌释放

修复 Flutter 鸿蒙版 audio_waveforms 库在语音备忘录连续预览与切歌时的资源泄漏问题,补全文件关闭、提取取消与播放器释放逻辑,通过两段式 Worker 停止机制与零字节 EOS 处理,实现 144 轮切换无句柄残留、内存稳定。修复版已提交至 CPF-Flutter/fluttertpc_audio_waveforms,支持鸿蒙系统高效波形提取与资源管理。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 32

Flutter 修复 read_pdf_text 鸿蒙文档选择器 URI 读取:平板双栏讲义导入与摘录

修复鸿蒙平板上读取PDF文件时因授权URI处理不当导致无法复制的问题,通过改用只读文件描述符转存,并接入系统PDFKit实现分页浏览与片段保存。优化缓存清理策略,避免路径失效,确保连续导入与摘录功能稳定。完整代码已开源,支持鸿蒙平台的PDF文本提取与双栏讲义阅读场景。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 44

Flutter 修复 pasteboard 鸿蒙平板图片剪贴板读写:让批注画布复制后即刻无损粘贴

修复鸿蒙平台 pasteboard 库在写入大图后立即读取返回 null 的问题,通过等待系统编码完成并补全标准位图与文件 URI 读取支持。修复版已开源至 oh-flutter/pasteboard,兼容鸿蒙平板双栏批注场景,提升剪贴板跨端可靠性。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 100

Flutter 鸿蒙分布式数字身份实战:基于 HUKS 封装 flutter_did_ohos,实现私钥安全托管、离线凭证验签

本文介绍了一个基于鸿蒙系统的 Flutter 插件 flutter_knock_share,实现去中心化身份(DID)与可验证凭证(VC)的本地闭环。通过整合 HUKS 密钥库、cryptoFramework 与分布式 KV 存储,该方案在离线环境下实现私钥安全存储、身份自证与凭证验签,具备 34ms 身份创建、3ms 签发、58ms 验证的高性能表现。核心创新在于将公钥指纹作为 DID 标识,确保身份与密钥绑定,并通过 ArkTS 插件层保障私钥不外泄,构建了无需依赖外部服务的自主身份系统。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 70

KMP/CMP 接入鸿蒙实况窗:用 Kotlin 状态机驾驭 Live View Kit,把跨端 App 的锁屏进度卡片接起来

本文通过一个运行在API 26模拟器上的KMP实况窗Demo,揭示了状态机、节流与超时回收为何应置于Kotlin共享层:统一状态流转逻辑、精准控制更新频率,并实现跨端一致性。push裁决必须穿过C桥,确保ArkTS仅负责系统翻译,而核心决策由Kotlin全权掌控。六张实测截图完整呈现从启动、运行、暂停到恢复的生命周期,验证了状态机校验、节流策略与统计反馈的可靠性,证明该模式是KMP封装鸿蒙实况窗的理想方案。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 151

Flutter 修复鸿蒙平板方向控制:阅读页与全屏内容切换

本文修复了鸿蒙平台下 auto_orientation_v2 库因上下文错误导致的固定方向设置失败问题,通过改用 AbilityAware 绑定窗口、增加异步代次校验,并新增横竖两轴受限自动旋转功能。修复后,平板阅读页与全屏内容切换场景中方向控制稳定可靠,策略可正确实现 1 → 10 → 1 的流转。完整代码已开源,支持 Flutter 鸿蒙适配交流。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 69

Flutter 修复 desktop_drop 鸿蒙电脑自由窗口文件拖拽:让非原点窗口准确命中并读取附件

修复鸿蒙版 desktop_drop 插件在窗口下半区拖放无响应及文件读取失败问题,通过修正坐标换算(扣除标题栏高度)与路径转换(剥离 file:// 协议头),确保文件准确交付。经双窗口复现验证,修复后可稳定接收并读取同沙箱文件,完整代码已提交至 CPF-Flutter 仓库,支持社区交流与后续维护。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 97

Flutter 鸿蒙电脑三栏窗口适配:修复 desktop_window 尺寸缩水与全屏切换

本文复现并修复了鸿蒙版 desktop_window 插件在三栏布局场景下的三大问题:尺寸缩水(未正确换算逻辑像素)、最小宽高字段写反、全屏切换无法恢复。通过修改原生层单位转换、修正约束参数映射及完善全屏状态回调,实现窗口尺寸精准控制与状态可逆。修复后,1120×720 逻辑尺寸准确生效,最小宽度有效约束,全屏可正常往返。完整代码已提交至 CPF-Flutter/fluttertpc_desktop_window,欢迎交流反馈。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 102

RN 鸿蒙安全三方库落地:react-native-digital-shield,密钥不出 TEE,AES-GCM/RSA-JWT 跨端身份打通

本文基于 RNOH 0.84 与 HarmonyOS API 26,自研数字盾库 react-native-digital-shield,把 ArkTS 专属的 HUKS、asset 能力经TurboModule 桥接给 JS:提供 AES-256-GCM 加解密与密钥托管、敏感资产存储、RSA-2048 签发校验 RS256 JWT,并以 JWK 公钥和 HS256 共享密钥实现跨端身份互认,密钥明文始终不出 TEE。文中还复盘 TurboModule 双侧注册、GCM 需拆分 16 字节

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 34

Flutter 修复鸿蒙 WebView Cookie 同名键丢失:离线回读与开发助手复核实录

修复了 Flutter 三方库 webview_cookie_manager 鸿蒙端因同名键误判导致的 Cookie 名称丢失问题,确保业务键如 path、domain 等在回读时正确保留。修复后,模拟器与真机测试均实现四组数据完整恢复,值中多等号也保持不变。补丁已提交至 CPF-Flutter 官方仓库,提升插件在鸿蒙平台的可靠性。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 34

Flutter 鸿蒙启动图撤销后编译失败:用 DevEco Code 复核三方库修复

本文针对 Flutter 鸿蒙启动图撤销时导致编译失败的问题,修复了 flutter_native_splash_ohos 库在移除启动图时误删仍被引用资源的缺陷。通过保留1×1透明图片并透传自定义模块路径,确保资源引用完整性,使工程可正常构建。修复已提交至官方仓库,支持幂等操作与多场景验证,提升开发体验。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 50

Flutter 接入鸿蒙 ArkWeb 预初始化:帮助页首开时机与主线程成本实测

为解决Flutter鸿蒙版webview_flutter无法在无视图状态下提前初始化引擎的问题,我在其原生实现中新增可选静态入口initializeWebEngine()。实测表明,在2秒预热窗口下,页面首屏渲染(FCP)耗时从中位数1791ms降至1019ms,显著提升首次打开体验;而在零延迟场景下,总路径耗时略有上升,需权衡预热时机与用户等待成本。该补丁已提交至CPF-Flutter官方仓库,支持社区协作优化。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 50

Flutter 优化鸿蒙 printing_ohos 多页 PDF 光栅化:原生资源释放与缓冲复用

针对鸿蒙端 printing_ohos 插件存在的页码映射错误与高内存占用问题,本文提出并实现三项优化:修正页码索引映射、引入原生资源分层释放机制、复用像素缓冲区。修复后,第三页显示正确,内存增长显著降低——在模拟器上PSS增量中位数下降65.8%,真机测试下降64.4%。完整补丁已提交至官方仓库,支持社区协作与问题反馈。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 38

React Native 鸿蒙权限审计实战:让每一项权限都有人认领

本文介绍一款纯 JS 编写的 React Native 鸿蒙权限审计工具,解决权限声明与使用对账难、最小权限集计算矛盾、审核必填字段缺失三大痛点。通过 module.json5 声明、使用台账与源码扫描三路输入对账,自动识别未使用权限、补全 reason/usedScene、生成可粘贴的最小清单,并支持 CI 卡控与风险分评估。工具内核独立,离线运行,兼顾准确性与安全性,助力应用高效通过审核。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 18
上一篇: 【编程英语纠错神器】chinese-programmer-wrong-pronunciation:拯救你的技术英语发音难题
下一篇: 万元补贴助力开源项目!「GitCode 开源摘星计划」已开启
AtomGit 代码君
AtomGit 代码君 企业官方账号 企业官方账号
博客等级 码龄6年 2万+粉丝 880原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值