一分钟读论文：《GitHub 项目的 AI Agent 编码工具早期采用研究》

罗切斯特理工学院的论文《Early Adoption of Agentic Coding Tools by GitHub Projects》基于 AIDev-pop 数据集中 2,361 个仓库的 25,264 条 Agent PR，首次从项目层面系统研究了 AI Agent 编码工具在开源社区中的采用模式。现有研究主要关注 PR 级别的结果如代码质量和接受率，但缺乏对大型项目中 Agent 工具如何被采纳和管理的全局视角。研究发现小型项目的参与率显著高于大型项目，人类与 Agent 协作以单人监督为主，Agentic Coding 整体仍处于早期阶段。

采用现状：中位数仅一两条 PR 每季度

AIDev-pop 数据集覆盖 GitHub Copilot、OpenAI Codex 和 Claude Code 三种编码 Agent 在 2025 年 5 月至 7 月间的 Pull Request 数据，筛选后得到 25,264 条已合并或关闭的 PR。核心发现是：中位数项目每三个月仅产生 1-2 条 Agent PR，密集采用集中在少数项目中。行业基准设定为每参与者每季度 36 条 Agent PR，绝大多数项目的生产力远低于该阈值，仅有极少数项目超过这一水平。

这种长尾分布与传统开源社区代码贡献的幂律分布高度相似——少数活跃项目占据绝大部分产出，大多数项目的 Agent PR 产出频率极低。这表明 Agentic Coding 尚未成为主流开发实践，仍处于早期采用阶段。研究团队通过整合 pull_request、pr_commit_details、review、comment、timeline 等多表数据，重建了人类与 Agent 交互的全生命周期，为这一结论提供了扎实的数据支撑。

小项目更积极：反直觉的采用模式

传统技术采纳理论通常认为大型组织因资源充足而更早采用新技术。然而本文发现了一个反直觉现象：小型项目（1-5 名贡献者）的 Agent PR 参与率和平均活跃度显著高于中型和大型项目，且涉及更大比例的贡献者参与了 Agent 工作流。这一现象可从三个维度解释：首先是决策链长度——小型项目的技术选型由少数人甚至单人决定，无需经过多层审批流程，试错成本极低；其次是灵活性——小团队可以快速调整开发流程，将 Agent 工具直接嵌入日常协作中，而不必考虑跨团队的兼容性和标准化问题；最后是动机差异——小型项目往往面临人力短缺的压力，Agent 编码工具的自动化能力对其吸引力更大。

单人监督主导的人类角色演变

研究揭示了一个关键的组织模式：人类与 Agent 的协作以单一人类监督模型为主——即一名开发者负责审查和/或修改 Agent 的贡献，多人协作模式在各类规模项目中均不常见。这一发现标志着开发范式的深层转变。在传统工作流中，人类是”编写代码的人”；而在 Agentic Coding 模式下，人类角色逐渐转变为”审查 Agent 输出的人”。单人监督模型的主导地位说明当前的 Agent 编码工具尚未成熟到需要多人协作审查的程度——单个开发者足以判断 Agent 生成的代码是否可接受。但这同时也暗示了未来的演进方向：随着 Agent 能力的提升和代码复杂度的增加，单人监督可能逐渐向多人协作过渡。

References

• AIDev-pop Dataset