新智元报道

编辑：LRST

【新智元导读】「软件正在吞噬世界，但AI将吞噬软件。」—英伟达CEO黄仁勋的预言正加速照进现实。

最近，来自加拿大女王大学的一项最新研究，首次揭示了AI编程智能体如何大规模渗透开源社区。

论文地址：https://arxiv.org/abs/2507.15003

数据集地址：https://huggingface.co/datasets/hao-li/AIDev

代码地址：https://github.com/SAILResearch/AI_Teammates_in_SE3

研究团队通过分析45.6万条GitHub Pull Request（PR，代码修改请求）发现，OpenAI Codex、GitHub Copilot和Claude Code等AI编程智能体已超越简单的代码补全角色，正作为真正的「AI程序员」活跃在开源一线：

它们能独立发起PR、参与评审，甚至与人类开发者就修改方案展开「讨论」。

这标志着软件工程正式迈入知名AI科学家Andrej Karpathy所预言的3.0时代—AI从工具升级为协作伙伴，全球已有超过6.1万个开源项目开始接纳AI编程智能体作为「同事」。

这些项目涵盖各种规模，使用者包括4.7万名人类开发者。

其中，OpenAI Codex表现最为活跃，提交PR达41万次（截止发文已达到80万次），堪称「卷王」；Devin和GitHub Copilot分别以2.4万和1.6万次提交紧随其后。

效率爆炸：3天干完3年的活

AI编程智能体带来的效率提升令人咋舌。数据显示，GitHub Copilot平均仅需13分钟就能完成一个代码修改请求的核心工作，远快于人类开发者通常所需的数小时甚至数天。

更极端的案例显示，一位开发者借助OpenAI Codex在短短3天内提交了164次代码修改，几乎相当于他过去3年（提交176次）的工作总量。

这如同为每位程序员配备了100个不知疲倦的实习生，他们可以24小时不间断地产出代码。

质量困境：快不等于好

研究揭示了一个关键矛盾：AI代码的接受率普遍低于人类。

OpenAI Codex的代码合并率为65%，GitHub Copilot仅为38%，而人类开发者平均达到76%。

这种差距在核心功能开发中尤为明显：在核心功能开发（feat）和缺陷修复（fix）任务中，差距尤为显著（低15-40个百分点）。

不过，AI在文档编写（docs）方面展现出独特优势。OpenAI Codex的文档类修改接受率高达88.6%，显著超过人类的76.5%。研究推测，文档生成更依赖语言能力而非复杂逻辑推理，这正契合当前大语言模型的核心优势。

更具启发性的现象是，高达37%的GitHub Copilot PR经历了「人机联合评审」——AI工具进行初步筛查后，再由人类把关。

然而，新模式也引发担忧：研究发现，Copilot提交的代码通常由其「同门」AI 智能体（copilot-swe-agent[bot]）初审，存在「自己人审自己人」的潜在审查盲点。研究团队建议，未来应探索建立更独立的评审机制以保障公正性。

未来已来：GitHub进化为AI训练场

研究预言，开源平台将进化为AI智能体的「训练健身房」。每一次成功的代码合并将成为强化学习的「正反馈」，每一次测试失败或PR被拒则是宝贵的「负反馈」。

其终极目标是培育出能独立、可靠完成软件迭代的成熟AI程序员。

基于海量实证数据，研究团队为AI编程智能体时代勾勒出关键发展方向：

1. 动态评测体系：摒弃传统的静态测试，直接在真实项目环境中评估AI表现

2. 失败模式解析：深入分析被拒PR，建立AI常见错误库，驱动改进

3. 延迟优化：重点解决部分任务响应超时（>1小时）的长尾问题。

4. 评审减负：让AI生成的代码更清晰、更易审查，降低人类负担

5. 专业评审AI：开发专门用于代码审查的智能体

6. 智能评审分流： 根据代码复杂度与风险自动分配评审资源

7. 全周期质量追踪：监控AI生成代码的长期维护成本和缺陷率

8. 需求理解：提升AI对不明确任务意图的理解与规划能力

9. 编程语言优化：针对TypeScrip等AI擅长语言进行深度适配，或开发出AI专用新语言

「这并非取代人类开发者，而是重新定义开发者的核心角色，未来的程序员将更像交响乐团的指挥家，专注于战略目标设定、协调多个‘AI乐手’的协作，而非亲自演奏每一个音符。」