2.5 万个 Agent PR 的实证:AI 编程工具到底进了多少真实项目
这项研究观察了 2025 年 5—7 月的 Agent PR。区分样本仓库、项目使用频次与人工接收成本,再判断它能回答哪些采用问题。
文章目录
想知道 AI 编程工具有没有进入真实项目,可以先看它是否持续产生可评审的 PR。一次演示跑通和几个月都有人接收、修改代码,是两种不同的使用状态。
Maliha Noushin Raida 与 Daqing Hou 的研究《Early Adoption of Agentic Coding Tools by GitHub Projects》分析了 2025 年 5—7 月的 25,264 个 Agent PR,涉及 2,361 个 GitHub 仓库。各规模组仓库的 PR 中位数只有 1—2 个;单人参与审阅和修改是常见协作方式。论文于 2026 年 7 月发布,观察窗口属于 2025 年,不能当作今天的工具使用率。
2,361 个仓库说明什么
这些仓库来自 AIDev-pop 的热门项目样本,原始筛选包含至少 100 stars 的条件。研究保留已有合并或关闭结果、且能取得贡献者资料的 PR 和仓库。它覆盖的是样本中的实际活动,没有给出全体 GitHub 项目的采用率,也不能代表企业私有仓库。
读这类数据,先问分母是什么。已知有 Agent PR 的仓库里,每个项目用了多少次,是一个问题;所有活跃仓库里,有多少项目开始用 Agent,是另一个问题。要回答后者,还需要同一时期没有 Agent PR 的项目作为分母。把样本规模直接写成普及率,会漏掉这一层。
总 PR 数和典型项目要分开看
两万多条贡献记录听起来很多,但总量无法告诉你某个仓库是否已经形成日常习惯。少数持续使用的项目,可以贡献很大一部分记录;另一些项目可能只做过一次尝试。
判断自己的项目时,可以按月看同一仓库的任务是否反复出现、有没有固定负责人接收结果,以及合并后的改动能否留住。不要只累计安装次数或生成次数。一个工具被装过、打开过,和它持续承担工作之间,还有评审、修改和交付这几步。
谁负责把 Agent 的改动变成可用代码
对团队来说,值得继续追问的是人的时间花在哪里。生成代码很快,未必意味着接收代码也快。评审者可能要补上下文、修边界条件、重新跑验证,甚至把错误方向的实现整体退回。
因此,试用记录里应把 Agent 执行时间和人工处理时间分开。人工处理至少包括理解任务、核对差异、返工和处理合并后问题。有人既修改又评审时,也要记录这两种工作;只看 PR 作者,容易漏掉背后的维护成本。
这是对项目试用方法的建议。论文里的活动记录不能替你的团队算出节省了多少工时,更不能证明某款工具在所有任务上都更快。
读完研究,怎样开始一次小范围试用
选一类已有明确验收标准的任务,例如给已定位的缺陷补回归测试。提前约定目标文件范围、必须通过的检查,以及谁负责判断行为是否正确。这样可以同时看到 Agent 的产出和接收它所需的工作。
试用期间保留每个任务的最终状态:合并、关闭、待处理。合并后还要观察是否返工或回退。待处理任务单列,关闭任务写清原因;不要把难评审、失败或拖延的任务从记录中删掉,再宣称成功率很高。
比较时选范围相近、验收方法相同的任务。开发者熟悉程度、任务难度和仓库测试条件都会影响结果。样本很少时,先看具体失败原因;是否扩大使用范围,等重复任务积累后再决定。
如果你需要直接记录试用结果,可参考Agent PR 试用评估表:合并、评审工时与返工怎样一起看。