GitHub 年报：超过四成 PR 由 AI 起草，开发者的工作变在哪里？

GitHub 的 2026 年报给出了一个很直观的变化：到今年 9 月，超过四成 pull request 从智能体的初稿开始，3 月时这一比例还是 17%。

PR 可以简单理解为“请大家审查并合并这一组修改”的请求。它包含代码和讨论，最终是否合并仍是另一道决定。因此，这项数据说的是开发流程的起点，不能改写成“全球四成代码已经无人编写”。

10 月 28 日公布的 Octoverse 2026 报告显示，智能体正从回答编程问题，走向持续参与项目。更值得读的，不只是增长有多快，还有这些增长到底代表什么。

图源：GitHub Octoverse 2026，发布于 10 月 28 日，核查于 10 月 30 日。纵轴是相对 2025 年 9 月的活动倍数，不能解释为开发者效率或代码质量的增长倍数。

图中几条曲线在年中之后明显抬升。它证明平台活动在加速，却没有单独识别出其中多少变化由模型进步、开发者增加、任务选择或其他因素造成。

提交量、采用率与生产率，回答的是不同问题

报告还有一句很容易成为标题的话：在这一年新建的仓库中，带智能体配置文件的仓库，平均提交量是未带此类文件仓库的 8 倍。

这里的比较单位是仓库，指标是提交次数。配置文件可以作为采用智能体的信号，但它不是随机分组实验。愿意配置智能体的团队，可能同时拥有不同的项目类型、工作节奏和自动化基础。这些因素没有因为出现“8 倍”就自动消失。

举个假设例子：两个团队完成相近的功能，一个把修改拆成十次小提交，另一个整理成一次提交。前者的次数更高，并不能仅凭次数判断它交付得更快、更好。真实项目当然更复杂，这个例子只是解释统计单位，不能拿来推算 GitHub 用户的平均效率。

观察到更多人用 AI，与测出 AI 造成多少提效，需要不同的证据。METR 在 2026 年 2 月的研究设计更新中，专门讨论过这种测量难题：不愿停用 AI 的开发者更可能拒绝参加实验，有些任务也不会提交到随机分组中；同时运行多个智能体，还会让“花了多少时间”更难准确记录。

METR 因此认为，其后续数据不足以可靠估计当时的完整提效幅度。研究者同时认为，工具带来的加速很可能已高于早期 2025 年水平，只是现有样本难以精确测量。它也已提示，早期 2025 年的结果不再代表当前工具的影响。这里引用的是方法上的提醒，不能把那份旧试验当成 2026 年 10 月模型的效率排行榜。

团队层面的结果还取决于工作基础。DORA 对 2025 年研究的回顾把 AI 描述为既有组织能力的放大器：吞吐量提高时，薄弱的交付基础也可能带来稳定性代价。这不是本月的新试验，但它提示了看年报时容易遗漏的一端——产出进入生产环境后是否可靠。

跨年比较也要小心。2026 版的年度窗口是 2025 年 10 月 1 日至 2026 年 9 月 30 日，部分总量包含公开与私有仓库；2025 版原文主要采用此前的公开活动与不同月份窗口。GitHub 已按新口径重算往年数据，读者应优先使用同一份报告内的可比数字，而不是把两篇旧新闻中的总数直接相除。

当初稿更容易得到，开发者怎样决定下一步

年报还显示，9 月份主动选择模型的 Copilot 用户中，61% 使用过不止一种模型。这描述的是特定用户群体的使用行为，并非模型质量排名，也不能扩展为所有程序员的习惯。

多模型选择背后的实际需求并不难理解：规划、写代码和检查修改，各自需要的速度、成本和推理能力可能不同。这是对工作流程的分析，不能据此宣布某个模型适合所有环节。

同在 10 月 28 日，GitHub Copilot Fusion 宣布正式可用。它把自动选模型和多模型编排结合起来，可以直接调用一个模型，也可以先生成、再检查，必要时交由更强的模型处理。

这项产品变化与年报放在一起看，说明行业正在尝试把“每次选哪个模型”变成可由系统协助完成的工作。但模型之间互相检查，仍不能自动代替项目维护者对需求和结果的判断。

GitHub 自己的 智能体应用说明也列出限制：代码审查可能漏掉复杂问题，可能提出误报，生成的修改也可能不正确。人工审查、适当测试与清晰的任务范围，仍然影响最后的交付。

对团队而言，更有解释力的问题会是：从需求提出到可靠上线用了多久，返工和故障是否减少，维护者是否更容易理解改动。把这些结果与成本放在一起，才能判断自动化是否帮助了自己的项目。

本站此前关于 Anthropic Scion 与 Git 基础设施的报道，讨论了智能体工作量增长带来的系统需求。现在，GitHub 的平台数据从另一个角度展示了同一趋势：变化已经进入真实的开发活动，但数量上升与成果改善仍需要分别衡量。

对还没尝试 AI 编程的读者，这份年报说明值得关注的工具和工作方式正在扩展；对已经大量采用的团队，下一阶段更有价值的记录，是哪些任务顺利完成、哪里反复返工，以及审查是否跟得上初稿的增长。