AI 正在重塑开发者技术选型：Octoverse 数据给出明确信号
你有没有过这种感觉：某个感官触发会在一瞬间把你拉回人生中的某个时刻？对我来说，那就是 Icy Hot。只要闻到一点味道，我就仿佛回到了部队清晨 5 点集合的时候。肩膀会紧绷，身体会自动进入状态。它不讲逻辑，这就是记忆的工作方式。我们会把“经历”和“周边线索”建立起强关联，这些模式会被编码进大脑，在当下过去很久之后仍持续影响我们的行为。
随着 AI 成为软件构建流程里的默认组成部分，同样的模式正在整个软件生态里发生。比如，我们会把“便利”与某些特定技术绑定在一起。这些循环会影响开发者“先拿起什么工具”、决定“接下来学什么”，最终影响“哪些技术获得增长势能”。
Octoverse 2025 的数据正在实时呈现这一变化，而且趋势非常明显。
2025 年 8 月，TypeScript 首次超越 Python 和 JavaScript，成为 GitHub 上使用最多的语言。这是 headline。但更深层的信号是：AI 不只是让写代码更快，它正在改变开发者一开始就会选择哪些语言、框架和工具。
“便利性循环”如何让记忆变成行为
当一项任务或流程进展顺畅时，大脑会记住它。便利会捕获注意力，低摩擦会沉淀为偏好——而当偏好在大规模人群中出现时，就足以推动生态迁移。
GitHub 上 80% 的新开发者在第一周就会使用 Copilot。 这种早期体验会重设他们对“容易”的基准线。
当 AI 能处理样板代码和高错率语法时，选择“强大但复杂”语言的代价就会大幅下降。开发者不再回避高开销工具，而是更倾向按实际效用做选择。语言采用数据已经体现了这一行为变化：
- TypeScript 同比增长 66%
- JavaScript 同比增长 24%
- 在 AI 生成项目中，Shell 脚本使用量增长了 206%
最后这一点很关键。并不是我们突然爱上了 Bash，而是 AI 吸收了让 Shell 脚本“难用”的那部分摩擦。于是我们能在不承担传统成本的情况下，用更合适的工具完成对应任务。
这正是 Octoverse 真正告诉我们的：开发者的技术选择，正在向“与当前工具链配合更好”的技术倾斜。
这次迁移背后的技术原因
AI 在强类型语言上表现更好，是有非常具体的技术原因的。
强类型语言给 AI 提供了更明确的约束。在 JavaScript 里，一个变量可能是什么都行；在 TypeScript 里，声明 x: string 就立刻排除了所有非字符串操作。这个约束非常重要。约束越清晰，AI 越容易生成更可靠、上下文更正确的代码，而开发者也会对这种可靠性做出反馈。
如果再看 GitHub 上 AI 模型集成的规模，这种效应还在叠加：目前已有超过 110 万个公开仓库在使用 LLM SDK。这不是边缘试验，而是主流采用；并且采用正在向那些与 AI 配合效果更好的语言和框架集中。
快速迭代，同时不破坏你的架构
AI 工具正在以前所未有的方式放大开发者生产力。真正的问题是：如何有策略地使用它们。拿到最佳结果的团队并不是在对抗“便利性循环”，而是把工作流设计为“既能利用这种循环，又能守住关键架构标准”。
给开发者和团队
先建立模式，再让 AI 生成。 AI 很擅长遵循已有模式，但不擅长凭空发明清晰结构。如果你先把前几个 endpoint 或组件按高质量结构定义好，Copilot 往往会沿着这些模式继续生成。好地基可以规模化，差地基只会被放大。
把类型系统当护栏，而不是拐杖。 TypeScript 能减少错误，但“通过类型检查”不等于“业务逻辑正确”。应把类型用于约束合法代码空间，而不是作为正确性的主要信号。
对 AI 生成代码做更严格的测试，而不是更少。 因为输出“看起来对”且能通过初步检查，很容易让人过度信任。要克制这种冲动，不要跳过测试。
给工程负责人
认识到速度跃迁，并提前准备其成本。 AI 辅助开发通常可带来 20–30% 的吞吐提升。这当然是好事。但吞吐上去后，如果缺少护栏，架构漂移会更快积累。
先标准化，再扩规模。 文档化模式，发布模板仓库，把架构决策显式化。AI 工具会镜像它看到的结构。
跟踪 AI “生成了什么”，而不只看“生成了多少”。 Copilot usage metrics dashboard（Enterprise 版现已公开预览）让你看到的不只是接受率。你还能追踪组织层面的日/周活跃用户、Agent 采用比例、代码新增与删除行数，以及语言和模型使用模式。这个仪表盘回答了一个关键问题：团队到底把 AI 用得怎么样？
利用这些指标识别模式。如果某些团队 Agent 采用率高但代码质量问题多，这通常说明他们需要更好的 prompt engineering 培训，或更严格的评审标准。如果特定语言或模型与更高缺陷率相关，那就是可执行的数据线索。API 还提供用户级粒度，便于做更深分析，你可以搭建自定义 dashboard，持续跟踪对组织最关键的指标。
投资架构评审能力。 开发者效率越高，资深工程师时间不是更不值钱，而是更值钱。必须有人确保在代码更快落地时，系统整体仍保持一致性。
让架构决策显式且可访问。 AI 从上下文学习。ADRs、README、注释以及结构清晰的仓库，都会帮助 AI 生成更符合你设计原则的代码。
Octoverse 2025 对你意味着什么
你今天做的技术选择，可能正被一些你不易察觉的力量塑造：便利、习惯、AI 辅助流，以及不同技术栈引入的摩擦大小。
💡 Pro tip： 回看你最近三次技术决策：新项目选什么语言、某个功能选什么框架、日常流程选什么工具。AI 工具支持在这些选择里占了多大权重？如果你的答案是“几乎没有”，我打赌它的影响比你意识到的更大。
AI 改变的不只是写代码速度。它正在重塑“哪些工具与哪些语言组合效果最好”的生态结构。一旦这些模式固化，想逆转会变得很难。
如果你在做技术选型时不考虑 AI 兼容性，未来很可能要为摩擦买单。如果你在构建语言或框架，AI 支持更不能是事后补丁。
给你一个挑战
下次开启项目时，观察一下你会“自然地”先拿起哪些技术。也留意什么时候 AI 建议让你感觉顺滑、什么时候不顺滑。那些“顺”与“卡”的瞬间，正在把你的未来偏好编码进大脑。
你是在有意识地选择工具，还是工具正沿着“最小阻力路径”自行完成选择？
我们都在形成自己的数字版“Icy Hot”时刻。关键在于先意识到它们的存在。
作者
Andrea 是 GitHub 的高级开发者布道师，在开发者工具领域拥有超过十年经验。她兼具技术深度与“让先进技术更易用”的使命感。她从军队服役与建筑管理转型到软件开发，因此在“将复杂工程概念落地为可执行实践”方面有独特视角。她与威尔士伴侣、两个儿子和两只狗定居佛罗里达，并持续通过 GitHub 的全球倡议推动创新、支持开源。你可以在网上通过 @acolombiadev 找到她。
相关阅读
探索更多 GitHub 内容
Docs
掌握 GitHub 所需的一切内容，都在这里。
GitHub
在 GitHub 上构建下一代产品——这是一个让任何人在任何地方构建任何东西的平台。
Customer stories
认识那些使用 GitHub 进行构建的公司与工程团队。
The GitHub Podcast
收听 GitHub Podcast，这档节目聚焦 GitHub 开源开发者社区内外的话题、趋势、故事与文化。
