摘要：生成式 AI 现在已成为开发的标准工具。现在有超过 110 万公共仓库使用 LLM SDK，其中 693,867 个项目是在过去 12 个月内创建的（同比增长 178%，2025 年 8 月比 2024 年 8 月）。开发人员在第一周内也合并了创纪录的 5.1
大家好，我是 Ai 学习的老章
最近 GitHub 发布了 2025 年度开发者趋势报告
https://github.blog/news-insights/octoverse/octoverse-a-new-developer-joins-github-every-second-as-ai-leads-typescript-to-1/?utm_source=octoverse-general&utm_medium=octoverse&utm_campaign=universe25
原文很长，很多不涉及本号不关注的非 AI 相关内容。
我看完之后感觉里面有很多极有价值的项目，也有很多很有意思的数据，本文代大家一起看看。
今年的数据突显了三个关键转变：
1. 生成式 AI 现在已成为开发的标准工具。 现在有超过 110 万公共仓库使用 LLM SDK，其中 693,867 个项目是在过去 12 个月内创建的（同比增长 178%，2025 年 8 月比 2024 年 8 月）。开发人员在第一周内也合并了创纪录的 5.187 亿次拉取请求（同比增长 29%）。此外，AI 的采用速度很快：GitHub 上的新开发者中有 80% 在第一周使用 Copilot。2. TypeScript 现在是 GitHub 上使用最广泛的语言 。2025 年 8 月，TypeScript 超过了 Python 和 JavaScript。它的崛起表明开发者正在转向类型安全的语言，这些语言使代理辅助编码在生产环境中更加可靠。而且，几乎每个主要的前端框架现在默认使用 TypeScript 进行脚手架。即便如此，Python 仍然在人工智能和数据科学工作负载中占主导地位，而 JavaScript/TypeScript 生态系统总体活动量仍超过 Python 本身。3. AI 正在重塑选择，而不仅仅是代码。 在过去，开发者的选择意味着选择一个 IDE、语言或框架。到 2025 年，这种情况正在发生变化。我们看到 AI 工具的快速采用与语言偏好的演变之间存在关联。这些和其他变化表明，AI 不仅影响代码的编写速度，还影响开发者使用的语言和工具。开发者每分钟创建超过 230 个新仓库，平均每月合并 **4320 万**个拉取请求（同比增长 23%），并在 2025 年推送近 10 亿次提交（同比增长 25.1%），其中包括 8 月的创纪录近 1 亿次提交。
今天，超过 1.8 亿开发者在 GitHub 上构建代码，仅印度今年就新增了超过 500 万开发者。
24 年底 GitHub Copilot 问世之后，这趋势开启加速。使用 Copilot 代码审查 的开发者中有 72.6% 的人表示这提高了他们的工作效率。
印度在 2025 年新增了超过 520 万开发者，占 GitHub 总新增的 3600 万开发者中的略高于 14%。
显著增长来自印度、巴西和印度尼西亚。
• 在过去的五年里（从 2020 年到 2025 年），印度、巴西和印度尼西亚在平台上的开发者数量超过了四倍的增长；日本和德国的开发者数量超过了三倍的增长；而美国、英国和加拿大在平台上的开发者数量也超过了两倍的增长。• 特别是巴西，得益于金融科技和开放银行领域的活动投资。2030 年展望印度将继续扩大其领先优势，到 2030 年将达到 5750 万开发者 ，占全球所有预计新增用户数的三分之一以上。美国将是第二大社区，预计有超过 4000 万开发者，而巴西（1960 万）、日本（1170 万）和英国（1000 万）将位列前五。
开源开发今年达到了创纪录的水平，公共仓库中的贡献总数达到了 112 亿次 （同比增长 13%）。2025 年 3 月，GitHub 历史上单月新增开源贡献者最多：25.5 万首次贡献者。
在增长最快的十个仓库中，有六个是 AI 基础设施项目，这凸显了对运行时、编排和效率工具的需求。八个月内获得了 3.7 万颗星的模型上下文协议（MCP）项目甚至都进不了榜单！
2025 年最热门的项目分布在 AI 基础设施（vllm、ollama、huggingface/transformers）和持久的生态系统（vscode、godot、home-assistant）之间。
• 一方面，像 vllm、ollama、ragflow、llama.cpp 和 huggingface/transformers 这样的项目占据主导地位，这表明贡献者正在投资 AI 的基础层——模型运行时、推理引擎和编排框架。• 另一方面，像 vscode、godot、expo 和 home-assistant 这样的主要生态系统继续吸引稳定的贡献者基础，表明开源的势头远远超出了 AI 领域。vLLM——今年增长最快的开源 AI 项目之一。
按贡献者数量排名的顶级开源项目
按贡献者数量增长最快的项目
吸引最多首次贡献者的项目
这个推理引擎也是我最喜爱的，本号测试部署的 N 多大模型都是用它来部署的
大模型_本地部署_，vLLM 睡眠模式来了
快手编程大模型真实水平，本地部署，实测
智谱 GLM-4.5-Air 量化大模型，本地部署，实测
字节跳动开源大模型 Seed-OSS-36B，本地部署，性能实测
本地部署大模型性能测试，DeepSeek-R1-0528-Qwen-8B 依然是我的不二之选
DeepSeek-R1-0528 蒸馏 Qwen3:8B 大模型，双 4090_本地部署_，深得我心
首次贡献者中最受欢迎的开源项目中有近 20% 是 AI 相关的
在总体前 10 个项目中，有 6 个项目是 AI 为中心的（vllm、huggingface/transformers、modelcontextprotocol/servers、llama.cpp 等）。这些项目平均同比增长了 150%——是开源软件中位数的三倍。
• 印度现在拥有世界上最大的公共和开源贡献者基础。 这反映了该国蓬勃发展的开发者人口以及其在开源 Adoption 中日益重要的作用。• 美国继续在贡献方面领先。 尽管贡献者较少，但基于美国的开发人员在 GitHub 上的公共和开源项目中贡献更多，这表明每个开发人员的活动量更高。• 巴西、印度尼西亚和德国紧随其后。 巴西在人力和贡献量方面都很强劲，而印度尼西亚进入贡献者前五名，显示了新兴地区如何塑造开源软件。根据 GitHub 贡献者数量，2025 年 8 月 TypeScript 首次成为 GitHub 上使用最广泛的语言，超过了 Python 约 42k 贡献者
• TypeScript 的贡献者在 2025 年增长了超过 100 万（同比增长 66%），这得益于默认使用 TypeScript 构建框架以及 AI 辅助开发带来的更严格的类型系统支持。• Python 在人工智能和数据科学领域仍然占据主导地位，贡献者数量达到 260 万（同比增长 48%）。Jupyter Notebook 仍然是 AI 探索性环境的首选（约 40.3 万仓库；AI 标记项目内部同比增长 17.8%）。• JavaScript 仍然庞大，拥有 215 万贡献者，但其增长速度放缓，因为开发人员转向了 TypeScript。
Python 仍然落后于 JavaScript 和 TypeScript 生态系统
从 2025 年开始，Python 的增长曲线几乎与 JavaScript 和 TypeScript 平行 ，这表明 AI 的采用正在影响这些生态系统中的语言选择。
• Python 主导 AI 项目。 在标记为 AI 的仓库中，Python 仍然是明显的领导者，2025 年 Jupyter Notebook 的使用几乎翻了一番，这表明 Python 是用于原型设计、训练和 orchestrating AI 工作负载的首选语言。近 80% 的新仓库仅使用了六种语言：Python、JavaScript、TypeScript、Java、C++ 和 C#
Python 和 Jupyter Notebook 仍然支撑着新的 AI 项目
Python 现在驱动着几乎一半的新 AI 仓库（582,196；同比增长 50.7%），突显了其作为应用 AI 工作基础的角色，从训练和推理到编排和部署。Jupyter Notebook 仍然是实验的首选环境（402,643；同比增长 17.8%），但向 Python 代码库的转变表明更多项目正从原型阶段转向生产堆栈。
7、生成式 AI 走向主流• GitHub 上的 AI 相关仓库现在超过 430 万， 不到两年时间几乎翻了一番。• 大约 80% 的新 GitHub 用户在第一个周内尝试了 Copilot，这表明 AI 不再是一个需要逐渐熟悉的专业工具，而是默认的开发者体验的一部分。
美国仍然是贡献最大的来源地（约 1280 万，占比 31.8%）。印度排名第二（约 500 万，占比 12.5%），并且在独立仓库数量上领先（40.5 万比 34.2 万）。
第二梯队（德国、日本、英国、韩国、加拿大、巴西、西班牙、法国）又贡献了约 40%，使地图更加全球化。
生成式 AI 项目继续是 GitHub 上最受欢迎的项目。 项目如 vllm、ragflow 和 ollama 的贡献者增长速度超过了 vscode、home-assistant 和 flutter 等传统项目的贡献者增长速度。
1. 软件基础设施的速度超越了一切。全新的生成式 AI 仓库（≤1 年）获得的星标数量，比其他项目积累同样的星标数量要快上十年。2. 标准正在实时涌现。 模型上下文协议** (MCP) 迅速崛起显示了社区在互操作性标准方面的凝聚。3. AI 正在重塑经典工具。像 ollama 和 ragflow 这样的项目展示了本地推理和 AI 增强管道如何从概念验证过渡到主流开发者的工作流程。
来源：章北海mlpy
