進入Agentocene：AI時代編碼的統計調查
通過對5,009個Git倉庫的統計分析，研究發現AI工具在提交信息中的提及率從幾乎為零飆升至2026年7月的每8個提交中就有1個，同時開發者提交信息的長度也顯著增加。這標誌着編碼領域進入了一個名為“Agentocene”的新紀元，但AI是否真正帶來了更多代碼尚未得到證實。
這篇題為《進入Agentocene：AI時代編碼的統計調查》的文章，通過挖掘5,009個Git倉庫的歷史數據，試圖從統計上證明AI輔助編碼是否真正改變了軟件開發的方式。作者借鑑流行病學中“超額死亡率”的概念，將AI工具的採用視為一種類似熱浪的外部衝擊，通過觀察超出基線水平的異常指標來推斷其影響。
文章首先回顧了編程歷史上多次將工作交給機器的過程：從彙編語言到編譯器，從高級語言到包管理器，再到IDE和自動補全。作者認為，每一次進步都曾遭受質疑，但最終都被接受。而AI的不同之處在於，它可以同時取代多個層次的勞動，甚至讓從未學過編程的人也能構建軟件。
研究的核心方法包括：分析10,812名開發者的提交歷史，使用兩種無偏信號——公開的AI工具提及和提交信息長度的意外變化。結果發現，AI工具提及率在2023年3月後急劇上升，到2026年7月已達到八分之一；同時，約15%的開發者提交信息出現了統計顯著的變長趨勢，這被認為是一個更難偽造的信號。
然而，作者強調，這些發現僅表明AI工具的使用正在普及，但並未直接證明其提高了生產效率或產生了更多代碼。文章最後指出，真正的里程碑可能不在於代碼倉庫中的統計數字，而在於那些從未學過編程的人現在也能構建完整軟件。
在方法論上，作者特別處理了沒有對照組、採用時間錨點、個體開發者分析等問題。數據集包括4種語言的5009個倉庫，經過連續性篩選後保留了2084個倉庫用於前後對比，涵蓋10812名開發者。信號設計中，除了公開提及，還使用了一種“超額變動”方法，類似於流行病學中的超額死亡率。
總而言之，這項研究為AI對編碼的影響提供了統計證據，但也明確指出，我們尚未證明AI是否真正增加了代碼產出。Agentocene的到來是可見的，但其最終影響仍有待觀察。