Octoverse：AI 推动 TypeScript 登顶 #1，每秒都有新开发者加入 GitHub

在今年的 Octoverse 报告中，我们揭示了 AI、代理和类型化语言如何推动软件开发领域十多年来最大的变革。

如果 2025 年有一个主题，那就是增长。平均每秒有超过一个新开发者加入 GitHub------仅过去一年就超过 3600 万。这是我们迄今为止最快的绝对增长率，现在有 1.8 亿多开发者在 GitHub 上工作和构建。

2024 年底 GitHub Copilot Free 版的发布与开发者注册数量的跃升相吻合，超出了之前的预期。除了为数百万新开发者带来生态系统之外，我们在仓库、pull requests 和代码推送方面也看到了创纪录的活动水平。开发者平均每分钟创建超过 230 个新仓库，平均每月合并 4320 万 个 pull requests（同比增长 23%），并在 2025 年推送了近 10 亿次 commits（同比增长 25.1%）------仅 8 月就有近 1 亿次的创纪录记录。

这种活动激增恰逢一个结构性里程碑：2025 年 8 月，TypeScript 首次超越 Python 和 JavaScript，成为 GitHub 上使用最多的语言，反映了开发者如何重塑他们的工具包。这是十多年来最重要的语言转变。

我们看到的是全球性的增长：仅印度今年就新增了超过 500 万开发者（占所有新账户的 14% 以上），并有望在 2030 年之前占据 GitHub 三分之一的新开发者。

今年的数据凸显了三个关键转变：

生成式 AI 现在已成为开发的标准配置。超过 110 万个公共仓库现在使用 LLM SDK，其中 693,867 个项目仅在过去 12 个月中创建（2025 年 8 月 vs 2024 年 8 月，同比增长 178%）。开发者还合并了创纪录的 5.187 亿个 pull requests（同比增长 29%）。此外，AI 采用开始得很快：GitHub 上 80% 的新开发者在第一周就使用 Copilot。
TypeScript 现在是 GitHub 上使用最多的语言。2025 年 8 月，TypeScript 超越了 Python 和 JavaScript。它的崛起说明了开发者如何转向类型化语言，使代理辅助编码在生产环境中更可靠。几乎每个主要的前端框架现在都默认使用 TypeScript 脚手架，这一点也无妨。即使如此，Python 在 AI 和数据科学工作负载中仍然占主导地位，而 JavaScript/TypeScript 生态系统的总体活动仍然超过 Python。
AI 正在重塑选择，而不仅仅是代码。过去，开发者的选择意味着选择 IDE、语言或框架。在 2025 年，这种情况正在改变。我们看到了 AI 工具快速采用与不断演变语言偏好之间的相关性。这种转变和其他转变表明，AI 不仅影响代码编写速度，还影响开发者使用哪些语言和工具。

2025 年最大的变化之一？Agents已经来了。我们数据中的早期信号开始显示它们的影响，但最终指向一个关键点：我们才刚刚开始，我们预计未来几个月和几年会有更大的活动。

让我们深入了解。

2025 年 GitHub 状态：创纪录增长的一年

2023 年，GitHub 在经过近三年从 5000 万增长到 1 亿开发者后跨越了 1 亿大关。但仅过去一年就以我们迄今为止最快的绝对增长率重写了这一曲线。今天，超过 1.8 亿开发者在 GitHub 上构建。

那么，"平均每秒有超过一个新开发者加入 GitHub" 实际意味着什么？

开发者正在向 GitHub 集中。一年内有超过 3600 万开发者加入 GitHub（同比增长 23%），确认了 GitHub 作为协作的主要中心。
AI 采用立即开始。我们看到 GitHub 上近 80% 的新开发者在第一周内使用 GitHub Copilot，提供了 AI 现在是新编码者期望的证据。
人才热潮在地理上是多样化的。每分钟，约 25 名开发者来自亚太地区，约 12 名来自欧洲，约 6.5 名来自非洲和中东，约 6 名来自拉丁美洲。仅印度今年就新增了超过 500 万开发者。

GitHub Copilot 加速了增长曲线

从历史上看，开发者注册和仓库创建遵循着可预测的年度模式。2024 年 12 月 Copilot Free 版的发布在全球范围内加速了这些曲线，首次为数百万开发者提供了访问 AI 驱动工作流程的机会。最终结果是什么？我们典型的增长模型被戏剧性地颠覆了。

私有和公共仓库扮演不同但相互依赖的角色

2025 年，81.5% 的贡献发生在私有仓库中，而 63% 的所有仓库是公共的。这种分割凸显了 GitHub 的双重作用：大部分日常工作发生在私有项目中，但依赖于公共开源中的库、模型和框架。

私有仓库也比公共仓库增长更快（同比增长 33% vs 19%），反映了在 GitHub 上发生的组织开发增长。我们有时也看到开源软件（OSS）工作从私有项目开始。

2025 年至今视角	贡献	占总数比例	信号
私有仓库	49.7 亿	≈ 81.5%	企业和团队级协作正在 GitHub 上发生。
公共仓库	11.2 亿	≈ 18.5%	工作量较小，但这些项目为更广泛的生态系统提供库、模型和工作流程。

关键数字

1.8 亿+ 开发者现在在 GitHub 上
6.3 亿 总仓库，2025 年新增 1.21 亿个仓库，标志着我们迄今为止最大的一年
新增 5800 万私有仓库（增长 33%）强调了在公共视野之外发生的活动。

开源和公共项目代表 GitHub 上的大多数仓库。 63% 的所有仓库是开源或公共的。

开发者生产力：交付更多，等待更少

2025 年标志着 GitHub 历史上最活跃的 12 个月期间，对公共和开源项目的贡献超过 11.2 亿。遵循 SPACE 框架（一个审视开发者满意度、绩效、活动、沟通和效率的模型），这种增长反映了创纪录水平的开发者活动。随着开发者越来越多地与 LLM 和代理合作，今年的数据中有一些新的显著相关性。

2025 年开发者活动达到创纪录水平

在 GitHub 上的每个生产力信号上，开发者在 2025 年都创造了新纪录。

活动	2024 年月平均	2025 年月平均
已关闭问题	≈ 340 万	425 万
已合并 pull requests	3500 万	4320 万
代码推送	6500 万	8219 万

2025 年初势头加速，与 3 月 Copilot 编码代理预览和 4 月 Copilot 代码审查的推出相吻合。3 月，开发者关闭的问题比前一个月多 140 万个，然后继续打破纪录，最终在 7 月关闭了 550 万个问题。

代码推送推动了激增，2025 年有超过 9.86 亿次 commits（同比增长 25%），到 5 月月推送量超过 9000 万。其他活动随之而来：

Pull requests 创建：+20.4%（4750 万 vs 3950 万）
问题创建：+11.3%（1750 万 vs 1570 万）
问题/PR 上的评论：基本持平（+0.35%）
Commits 上的评论：下降 -27%（急剧下降）

这些是观察信号而非因果声明，需要更多工作来理解 AI 在软件开发中的全部影响。

Jupyter Notebooks 和 Dockerfiles 突显了现代开发的两个阶段

Notebooks 现在是成熟的实验工具，而 Dockerfiles 被视为通往可重现性和生产的桥梁 。2025 年，240 万仓库使用 Notebooks（同比增长 75%） ，190 万使用 Dockerfiles（同比增长 120%）。这种增长可能源于对代理和 LLM 进行沙盒化的需求，而容器化是安全运行和扩展它们的实用方法。

2024 年仓库	2025 年仓库	增长量
存在 Jupyter Notebook	140 万	242 万	+75%
存在 Dockerfile	87.5 万	190 万	+120%

AI 代理进入主流

AI 代码审查帮助开发者。我们对开发者的代码审查流程进行了深入访谈，发现 72.6% 使用 Copilot 代码审查的开发者表示它提高了他们的效率。

开发者正在使用 AI 和代理工具更快地构建和分享他们的工作。在 GitHub 上的开发者总数与流行的代理工具发布以及 TypeScript 和 Python 等语言的整体活动增长之间，2025 年的数据显示快速原型设计和实验的增加。

"氛围编码"怎么样？

2025 年的一个显著趋势是"氛围编码"。由 Andrej Karparthy 首次提出，氛围编码成为了开发者工作流程的简称，从一个想法开始，直接跳转到可运行的概念验证（通常在一个晚上完成，由 AI 自动完成和可复制的云工具驱动）。

这听起来可能很有趣，但它的含义是严肃的：如果 AI 辅助工具继续降低进入门槛，我们可能会看到编程素养急剧扩展。我们将在未来几个月和几年中关注这个领域，寻找更大的信号。

2025 年全球编码地点

过去五年不仅重绘了 GitHub 的开发者地图，还重绘了全球活动的分布，速度比记录中的任何时期都快。

新的全球前十名

印度 2025 年新增了超过 520 万开发者，占 GitHub 2025 年总新增 3600 万开发者的略高于 14%。这使得印度成为今年 GitHub 新开发者的最大单一来源，延续了自 2020 年以来的快速崛起。

复合年增长率（CAGR）从原始计数计算得出。

什么改变了？

显著增长来自印度、巴西和印度尼西亚。 这些地区结合了庞大、年轻的开发者人口、不断扩大的互联网访问和蓬勃发展的创业生态系统。许多地区也看到 AI 相关项目的一些最快增长，当地公司采用新工具在全球竞争。

从过去五年（2020 年到 2025 年），印度、巴西和印度尼西亚的平台上的开发者数量增加了两倍多；日本和德国的开发者数量增加了两倍多；美国、英国和加拿大的平台上的开发者数量增加了一倍多。

特别是巴西，受益于金融科技和开放银行的活动投资。

印度尼西亚随着其作为东南亚数字强国的崛起而继续增长（它占该地区在线经济的近一半！）。

区域增长快照

区域	突出市场	2024 到 2025 净新增开发者	推动增长的因素
亚太	印度、日本、印度尼西亚	+1300 万	政府技能培训、AI 辅助本地语言工具。特别是日本近年来拥抱数字化转型，导致开发者繁荣。
拉美	巴西、墨西哥、哥伦比亚	+320 万	美国/欧盟公司的远程招聘、金融科技创业公司密度
欧洲	德国、英国、法国	+630 万	云基础设施支出、AI 投资、创业签证管道
非洲和中东	尼日利亚、土耳其、埃及	+340 万	移动采用增加、社区训练营、本地工作的 LLM

通过 2030 年对全球开发者格局建模

展望未来，我们的数据团队使用回归分析建模了未来五年的开发者增长，这有助于捕捉影响数据的更多现实世界动态。（您可以在我们的方法论部分获取更多信息。）

我们分析的结果表明印度将继续扩大其领先地位，到 2030 年达到 5750 万开发者，并占全球所有预计注册的三分之一以上。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（1100 万）将跻身前五名。

值得注意的是，非洲和中东的新兴地区显示出势头，埃及、尼日利亚、肯尼亚和摩洛哥都预计在未来几年增加数百万开发者。这指向一个不仅增长而且在地理上以前所未有速度多样化的开发者人口。

关键要点

今年每三个新开发者中就有一个来自 2020 年不在全球前十名的国家。
仅印度今年新增的开发者数量超过任何其他国家，增长速度超过美国。
AI 热潮是全球性的：GitHub 上生成式 AI 项目的贡献者数量持续快速增长，这些贡献者遍布世界各地。

2025 年开源：AI 时代的活动和影响力

今年开源发展达到创纪录水平，公共仓库贡献11.2 亿（同比增长 13%）。2025 年 3 月标志着 GitHub 历史上新开源贡献者最多的单月：25.5 万首次参与者。

总共，3.95 亿公共仓库托管了 11.2 亿贡献和 5.187 亿合并的 pull requests------每个都是创纪录的。

今年按贡献者计算增长最快的项目

10 个增长最快的仓库中有 6 个是 AI 基础设施项目，强调了对运行时、编排和效率工具的需求。

标准也看到了大幅增长：模型上下文协议（MCP）在短短八个月内达到了 37k 星，虽然它不在我们下面的列表中。

按贡献者计算的开源顶级项目

2025 年的顶级项目在 AI 基础设施（vllm、ollama、huggingface/transformers）和持久生态系统（vscode、godot、home-assistant）之间分配。

一方面，像 vllm、ollama、ragflow、llama.cpp 和 huggingface/transformers 这样的项目占主导地位，确认了贡献者正在投资 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，表明开源动力远远超出 AI。

要点？ AI 基础设施正在成为主要磁铁，但开发生态系统仍然强劲。

排名	仓库	简短描述
1	vllm-project/vllm	高吞吐量 LLM 推理引擎
2	microsoft/vscode	广泛使用的开源代码编辑器
3	openai/codex	在终端中运行的轻量级编码代理
4	huggingface/transformers	模型加载和微调的核心库
5	godotengine/godot	2D/3D 开发游戏引擎
6	home-assistant/core	开源智能家居中心
7	ollama/ollama	本地模型运行器和管理工具
8	ggml-org/llama.cpp	轻量级本地 Llama 推理
9	volcengine/verl	LLM 部署和服务框架
10	expo/expo	移动应用的 React Native 工具包

按贡献者计算增长最快的项目显示 AI 的影响以及常青和实用项目

我们看到推动最快增长的项目组合。zen-browser/desktop 领先，快速崛起的 AI 重点项目如 vllm-project/vllm、continue-dev/continue、ollama/ollama 和 Aider-AI/aider 显示了本地推理、编码代理和模型运行器的吸引力。

开源增长是广泛的。 AI 基础设施项目在顶级增长仓库中很突出。当我们放大到前 20 个项目时（并非所有这些都捕获在我们上面的图表中），我们看到一些事情在起作用：

可重现性和依赖卫生是热门的。 astral-sh/uv 和 NixOS/nixpkgs 的崛起指向对确定性构建、更快安装和更少"在我机器上工作"的渴望。
以性能为中心的开发者工具赢得关注。 Ghostty、Tailwind CSS 和 uv 都是关于速度、紧密反馈循环和最小摩擦。
开发者正在贡献强调隐私和控制的项目。 Zen Browser 和 Clash-Verge 反映了对隐私、内容控制和网络路由的兴趣。
开源社交媒体继续增长。 作为最大的社交项目之一，Bluesky 的势头表明开发者仍在投资开放协议和可移植身份。

AI、实验和前端项目吸引首次贡献者

2025 年首次贡献者中最受欢迎的开源项目中有近 20% 是以 AI 为重点的。但我们也看到其他项目类型在开源新手中获得关注。

大多数最受欢迎的项目坚定地位于 AI 基础设施中。 像 ollama/ollama、comfyanonymous/ComfyUI 和 ultralytics/ultralytics 这样的仓库显著出现，确认了新来者想要实验模型、创建本地运行器或构建管道。

主要平台带来可见性。 microsoft/vscode 显示为首次贡献者的顶级目的地之一，突显了广泛使用的开发工具的吸引力以及其中贡献机会的规模。

firstcontributions/first-contributions 几乎完全存在以帮助人们提交他们的第一个 pull request。它们年复一年的存在说明新手仍然需要并寻求低摩擦练习沙盒。

智能家居、移动和游戏开发生态系统吸引新人。 智能家居（home-assistant/core）、移动（flutter/flutter、expo/expo）、游戏开发（godotengine/godot）和 3D 打印（bambulab/BambuStudio）在学习仓库之后排名相近。这些生态系统在第一天提供可见的结果，对于那些想要"通过实践学习"的人来说是完美的。

前端和开发工具项目也很亮。 shadcn/ui 和 uBlockOrigin/uAssets 显示 CSS、UI 和浏览器工具仍然是新贡献者的磁铁。

AI 原生 vs 常青生态系统

AI 领奖台。 按总贡献者计算的前 10 个项目中有 6 个是以 AI 为中心的（vllm、huggingface/transformers、modelcontextprotocol/servers、llama.cpp 等）。它们平均**+150%** 的贡献者增长同比增长------是 OSS 中位数的三倍。

常青吸引力。 物联网（home-assistant）、游戏开发（godotengine/godot）和 Python 语言本身（cpython）仍然每季度增加数千贡献者。

开源活动中的全球格局

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和其在 OSS 采用中日益增长的作用。

美国继续在贡献方面领先。 尽管贡献者较少，但总部位于美国的开发者为 GitHub 上的公共和开源项目贡献更多。这表明每个开发者的活动更高。

巴西、印度尼西亚和德国组成下一梯队。 巴西贡献了强大的人头数和数量，而印度尼西亚进入贡献者前 5 名，显示了新兴地区如何塑造 OSS。

社区健康：治理跟不上开发者活动

治理跟不上速度。这种差距为开发者、组织和公司提供了贡献文档以及代码的机会。

README 覆盖率： 约 63% 的公共仓库包含 README，保持年复一年的稳定。
贡献者指南： 在 5.5%，贡献者指南仍然是生态系统范围的机会，因为首次贡献者的数量增加。
行为准则： 2% 的渗透率；治理仍然滞后增长。

像 README 或 LICENSE 文件这样的关键仓库文件不仅仅是形式主义。它们是扩展包容性、合法性、安全和可持续协作的基础。这个让您的仓库准备好协作的指南分享了哪些文档对于培养共享所有权感最重要。

2025 年关键要点

3.95 亿公共和开源仓库（同比增长 19%）
11.2 亿公共和开源贡献（同比增长 13%）
5.187 亿合并的 pull requests（同比增长 29%）
**60%**按贡献者计算的前 10 名开源项目是以 AI 为重点的
只有 50 分之一的仓库配有行为准则

安全：从"左移"到默认安全

关键严重漏洞的平均修复时间在过去一年中改善了 30%，因为修复开始跟上更快的软件开发速度。

自动化正在推动这种加速。Dependabot 使用量翻了一倍多（846k 项目，同比增长 137%），像 Copilot Autofix 这样的 AI 工具每月解决数千个仓库中的常见 OWASP Top 10 问题。这一点得到了以下事实的支持：2025 年，通过增加自动化和 AI 使用的组合，收到关键警报的仓库减少了 26%。

与此同时，新的风险正在出现。Broken Access Control 超越 Injection 成为最常见的 CodeQL 警报，在 151k+ 仓库中被标记（同比增长 172%）。这很大程度上源于 CI/CD 管道中的错误配置权限和跳过关键身份验证检查的 AI 生成脚手架（GitHub 的工程师发布了他们如何改进 SAML 身份验证流程的演练，提供了一些宝贵的经验）。

自动化正在工作（直到合并队列停滞）

开发者正在自动化更多构建、测试和安全活动。2025 年，我们看到开发者在公共项目中免费使用了 115 亿总 GitHub Actions 分钟（以 CPU 分钟测量）。这比 2024 年的 85 亿 GitHub Actions 同比增长 35%。注意：在去年的报告中，我们包括了跨公共项目和自托管使用的 GitHub Actions 分钟。如果我们今年使用相同的标准，使用了 135 亿分钟，比去年增长 30%。

自动化快速提出修复，但当批准依赖于人或策略时合并仍然停滞。 配置了自动合并规则的 Dependabot 的项目比仅依赖手动审查的项目更一致地修复漏洞。

我们在 2022 年 12 月看到了超过 1200 万 Dependabot 警报的峰值，这发生在 Log4Shell 漏洞一年后，紧接着 OpenSSL 的关键漏洞。

此后月度开盘稳定在 3-400 万范围内，但合并围绕 100 万徘徊。只有大约三分之一的修复在提出的同一个月内发货。

安全警报遵循相同的模式：当新的 CVE 到达时短暂飙升，然后是未解决通知的长尾（其中许多可能归因于不再维护的僵尸项目）。

更快的修复时间

2025 年，我们看到关键严重漏洞的修复速度加快了 30%，收到关键警报的仓库减少了 26%。而且这种加速正在大规模发生，平均修复时间从总共 37 天缩短到 26 天。

配置和规范化安全

在 dependabot.yml 中定义 Dependabot 行为的仓库今年翻了一倍多（846k，同比增长 137%），标志着从"通知我"到"在护栏内自动修补我"的转变。

信号	2024 年（累计）	2025 年（累计）	同比
有 dependabot.yml 的仓库	356k	846k	+137%

2025 年 CodeQL：访问控制破坏漏洞激增

访问控制破坏克服 Injection 成为顶级 CodeQL 警报，在 151k+ 仓库中被标记。对 GitHub Actions 的新 CodeQL 覆盖揭示了广泛错误配置的权限和令牌范围。

这指向一个更广泛的问题：身份验证和授权对开发者和 LLM 来说仍然困难。 Injection 在 JavaScript 中仍然占主导地位，但访问控制破坏现在在 Python、Go、Java 和 C++ 中领先（在这些语言中，AI 辅助的"氛围编码"有时会搭建看起来正确但缺乏关键身份验证检查的端点）。

同一类别成为 Copilot Autofix 增长最快的目标。到 2025 年中期，开发者每月在 6000+ 仓库中接受 AI 生成的访问控制破坏修复。Autofix 也获得了对 Injection（3100 个项目）、Insecure Design（2300 个项目）和 Logging/Monitoring 故障（3500 个项目）的关注。

OpenSSF Scorecard 状态： 由其 Mona 排名（星、fork 和问题作者的组合排名）定义的前 50 个开源项目中有 47 个（94%）现在通过 GitHub Actions 使用 OpenSSF Scorecard 或独立扫描，带来安全最佳实践的实时检查。

2025 年顶级编程语言：TypeScript 跃升 #1，Python 位居 #2

按照 GitHub 贡献者计数，2025 年 8 月标志着 TypeScript 首次成为 GitHub 上使用最多的语言，以约 42k 贡献者超越 Python（其他行业指数使用不同方法学，可能仍然将 JavaScript 和 Python 排名更高）。这结束了开发者向类型化 JavaScript 转变的十年趋势，并标志着现代开发的新默认设置。

方法论说明

除非另有说明，本节中的同比增长率反映2025 年 8 月 vs 2024 年 8 月，这种同月同比比较用于控制月度贡献者数的季节性。

TypeScript 在 2025 年增长了超过 100 万贡献者（同比增长 66%），由默认在 TypeScript 中搭建项目的框架和受益于更严格类型系统的 AI 辅助开发驱动。
Python 在 AI 和数据科学中仍然占主导地位，有 260 万贡献者（同比增长 48%）。Jupyter Notebook 仍然是 AI 的首选探索环境（≈403k 仓库；AI 标记项目内同比增长 17.8%）。
JavaScript 仍然庞大（215 万贡献者），但随着开发者转向 TypeScript，其增长放缓。

总的来说，TypeScript 和 Python 现在占超过 520 万贡献者（约占 2025 年 8 月所有活跃 GitHub 开发者的 3%）。类型化语言的兴起表明 AI 不仅在改变编码速度，还在影响团队信任哪些语言将 AI 生成的代码带入生产环境。

2025 年发生了什么变化

2025 年排名	语言	同比贡献者增长	同比增长率（2024 年 8 月 vs 2025 年 8 月）	大要点
1	TypeScript	~1,054,015	66.63%	TypeScript 超越 Python 和 JavaScript 获得 #1 增长，显示其在新绿地开发中的主导地位。
2	Python	~850,579	48.78%	被认为是 AI 和 ML 的通用语言，Python 的使用在生成式 AI 工作中显著增加。
3	JavaScript	~427,148	24.79%	仍然规模庞大，但随着使用转向 TypeScript，增长更为渐进。
4	Java	~174,705	20.73%	Java 继续其稳定的企业驱动增长。
5	C#	~136,735	22.22%	云、桌面和游戏开发为 C# 保持势头。

Python 仍然落后于 JavaScript 和 TypeScript 组合生态系统，这是去年趋势的延续，突显了类型化和非类型化 JavaScript 社区仍然有多大。

但从 2025 年开始，Python 的增长曲线开始几乎与 JavaScript 和 TypeScript 平行跟踪，表明 AI 采用正在影响这些生态系统中的语言选择。

我们还看到了什么

Python 主导 AI 项目。 它在 AI 标记仓库中仍然是明确的领导者，其中 Jupyter Notebook 使用量在 2025 年几乎翻了一番，提供了其作为原型设计、训练和编排 AI 工作负载首选语言作用的证据。
类型化 > 松散类型化。 TypeScript 的增长确认了我们 2024 年的观察：之前计为"JavaScript"活动的很大一部分已经通过 TypeScript 转译管道传来。数据显示类型化语言越来越成为默认设置。
企业堆栈持久。 Java 和 C# 今年都新增了超过 10 万贡献者，显示了即使 AI 重塑格局，在大型企业和游戏开发环境中的稳定增长。
遗留实验出现。 COBOL 出现在我们的数据集中，有近 3000 名活跃开发者------可能是由组织和爱好者创建旨在现代化遗留代码库的 AI 辅助教程仓库驱动的。

按百分比增长计算增长最快的语言

以下语言可能没有最大的开发者社区，但每个语言至少有 1000 名月度贡献者，他们在 GitHub 上发布最快的同比增长率。

语言	当前开发者数量	同比	热门原因
Luau	>3,600	>194%	Luau 是 Roblox 的脚本语言，是一个逐渐类型化的语言，反映了向类型化灵活性的更广泛行业趋势。
Typst	>3,600	>108%	作为现代 LaTeX 替代品，Typst 旨在使学术和技术出版更快、更少神秘、更具协作性。
Astro	>45,600	>78%	Astro 的"岛屿架构"和默认运输零 JavaScript 的关注与构建快速、内容密集型网站的开发者产生共鸣。
Blade	>91,100	>67%	作为 Laravel 的模板引擎，Blade 依赖于 Laravel 在 PHP Web 开发中的持续主导地位。
TypeScript	>2,600,000	>67%	为 JavaScript 世界提供类型安全，TypeScript 的 JavaScript 普遍性和类型安全组合对新绿地和遗留项目都有吸引力（加上，其类型与 AI 编码工具配合良好）。

过去 12 个月构建的新项目的核心堆栈

近 80% 的新仓库仅使用六种语言：Python、JavaScript、TypeScript、Java、C++ 和 C#。这些核心语言锚定大多数现代开发。

语言	总仓库数（2024 年 9 月-2025 年 8 月）	增长（2025 年 1-8 月 vs 2024 年 1-8 月）	这种增长告诉我们什么
Python	9,261,587	53.41%	AI 的默认粘合剂，增长由 ML、代理、notebooks 和编排驱动。
JavaScript	9,345,046	14.57%	仍然普遍用于脚本和 Web 应用程序，但随着 TypeScript 获得份额而增长放缓。
TypeScript	5,394,256	78.10%	现代 Web 开发的类型化标准。适合安全的 API/SDK 集成，特别是与 AI。
Java	3,520,215	9.35%	可靠的企业和后端主力。逐渐 AI 集成而无语言动荡。
C++	1,701,552	11.82%	游戏引擎、推理和支持 AI 的嵌入式系统中使用的性能关键工作负载。
C#	1,478,463	10.61%	稳定的企业和游戏开发使用，AI 功能折叠到现有生态系统中。

额外见解：

实验正在变得更普遍。 虽然不是语言，但 Jupyter Notebooks 同比增长 24.5%，探索性 LLM 实验和数据分析现在生成新的独立仓库，而不是保留在单体仓库的孤岛中。
性能和系统语言随 AI 上升（但不均匀）。 C 同比增长约 20.9%，C++ 同比增长约 11.8%，反映了对更快运行时、推理引擎和硬件优化循环的需求。
.NET 保持强劲。 C# 同比增长约 10.6%，与企业和游戏/工具生态系统一致。这表明 AI 功能正在集成到现有 .NET 工作流程中，而不是推动 wholesale 语言转变。

驱动 AI 开发的语言

Python 和 Jupyter Notebook 继续锚定新的 AI 项目，但今年的故事是 Python 的增长。

Python 现在驱动近一半新 AI 仓库（582,196；同比增长 50.7%），强调其作为应用 AI 工作骨干的作用，从训练和推理到编排和部署。Jupyter Notebook 仍然是实验的首选探索环境（402,643；同比增长 17.8%），但向 Python 代码库的转变表明更多项目从原型转移到生产堆栈。

前端和应用层语言从较小基数急剧增长------TypeScript +77.9%（85,746） 和 JavaScript +24.8%（88,023）------反映了围绕模型端点构建的演示、仪表板和轻量级应用的兴起。

Shell 脚本（+324%） 成为最快崛起者，反映了团队如何编码评估工具、数据准备和部署管道。C++ 跨越 7800 个仓库（+11%），是其角色在性能关键推理引擎、运行时和硬件接近系统中的稳定提醒。

TypeScript 在 2025 年获胜的原因

按数字计算。 TypeScript 在 2025 年 8 月在 GitHub 上完成 #1，有 2,636,006 名月度贡献者（同比增长 105 万；+66.6%），并领导新仓库。
类型化合同扩展 AI 辅助团队。 类型系统减少模糊性并在生产前捕获 LLM 错误。
框架默认附带 TypeScript。 Next.js 15、Astro 3、SvelteKit 2、Qwik、SolidStart、Angular 18 和 Remix 都默认生成 TypeScript 代码库（npm create、pnpm dlx 或 bunx create）。
类型化系统有助于及早识别 LLM 生成的编译错误。 2025 年学术研究发现 94% 的 LLM 生成编译错误是类型检查失败。
低进入门槛。 Vite、ts-node、Bun 和 IDE 自动配置等工具隐藏样板文件，所以初级开发者可以快速启动类型化堆栈。

生成式 AI 和代理工作流程成为普通工程

去年我们看到 AI 从实验走向主流。在 2025 年，它成为日常工作流程的一部分。无论开发者在过去 12 个月中使用什么工具，他们的工作都集中在 GitHub 上。

GitHub 上的 AI 相关仓库现在超过 430 万，在不到两年内几乎翻了一番。

大约 80% 的新 GitHub 用户在第一周内尝试了 Copilot，表明 AI 不再是成长起来的高级工具，而是默认开发者体验的一部分。

生成式 AI 项目的月度贡献者在我们测量年度中急剧上升。从 2024 年 9 月到 2025 年 8 月，月平均约 151k 贡献者（中位数约 160k）。活动从 2025 年 1 月的约 86k 上升到 5 月的峰值 206,830（比 2024 年 5 月同比增长 132%）。然后在夏季保持接近 200k。在同等基础上，2025 年 1-8 月平均约 175k 贡献者，比 2024 年 1-8 月（约 84k）同比增长 108%，表明持久的变化而不是一次性峰值。

关键要点：

生成式 AI 正在成为基础设施。 超过 110 万公共仓库现在导入 LLM SDK（2025 年 8 月 vs 2024 年 8 月，同比增长 178%），由 105 万+贡献者和 175 万月度提交（自 2023 年以来增长 4.8 倍）支持。
增长在日历年初激增，然后随着项目从实验转向交付而正常化。 贡献者 2025 年 2-5 月同比增长 100-118%，然后冷却到 6 月 +31%、7 月 +11% 和 8 月 -3%，因为团队专注于交付 vs 实验。
AI 在开源中。 一半（50%）的开源项目至少有一名维护者使用 GitHub Copilot。
原型到生产转向的早期证据。 基于 Python 的代码在 2025 年中期加速，而 Notebook 增长趋于平稳------表明打包到生产中。（到年底，Notebooks 反弹，与 Python 保持同步。）

主流吸引力的强烈信号

数据点	为什么重要
导入 LLM SDK 的项目同比增长 178%	113 万+公共仓库现在导入 LLM SDK；693k+ 在过去 12 个月内创建。增长率表明从早期实验转向持续构建。
贡献者自 2023 年以来增长 >3 倍	AI 仓库的月度不同贡献者从 2024 年 1 月的 68k 上升到 2025 年 8 月的约 200k。2025 年 8 月比 2024 年 8 月同比增长 111%。
月度贡献接近 600 万	AI 项目的月度提交/贡献达到约 600 万（2025 年 8 月），达到 628 万的峰值（2025 年 6 月）。2025 年 8 月比 2024 年 8 月同比增长 188%。更多代码，更频繁，提供生产级采用和积极迭代的证据。

规模取代炒作

113 万+公共仓库现在依赖生成式 AI SDK（同比增长 178%）。超过 693k+ 在过去 12 个月内创建，明显超过 2024 年的总数（约 40 万）。始于 2023 年初的复合曲线显示没有减弱的迹象；平均每周，我们仍然看到新的历史最高点。

谁在发布代码？

美国仍然是贡献的最大来源（约 1280 万，31.8%）。印度排名第二（约 500 万，12.5%），并在不同仓库方面领先（405k vs 342k）。

第二梯队（德国、日本、英国、韩国、加拿大、巴西、西班牙、法国）贡献了另外约 40%，使地图全球化。

代理工具现在在日常工作流程中被采用

今年，GitHub Copilot 编码代理从演示走向 GA，我们开始看到它的影响。

编码代理的第一次显示显示 2025 年 5 月到 2025 年 9 月之间创建的 100 万+ pull requests。

显示的位置： 仓库级比较显示，具有 ≥1 个编码代理编写 pull request 的公共仓库与没有 Copilot 编码代理的随机样本显示强烈选择效应：编码代理活动偏向于更多星、更大规模和更老化的仓库。换句话说，团队不仅将编码代理分配给一次性项目；他们也在更知名、更成熟的项目中尝试它。

我们邀请社区运行仓库内实验（A/B 或阶梯楔形）和基于大小、星、年龄和复杂性代理的匹配分析，以建立稳健的基线。随着我们在 GitHub、Copilot CLI 等方面发展编码代理，我们将继续研究这个问题。

AI 正在推动开源的显著突破

生成式 AI 项目继续成为 GitHub 上最受欢迎的项目。像 vllm、ragflow 和 ollama 这样的项目超越了 vscode、home-assistant、flutter 等主要项目的历史贡献者增长。

仓库（年龄 ≤3 年除非注明）	AI 连接
vllm-project/vllm	开源视觉语言模型 + 训练/推理堆栈
ggml-org/llama.cpp	CPU/GPU 上的本地 Llama 推理
infiniflow/ragflow	端到端检索增强生成（RAG）模板
cline/cline	"LLM 原生命令行外壳"，对本地上下文推理
huggingface/transformers (6.6 年)	模型加载/微调的事实 Python 库

这告诉我们什么

软件基础设施在速度上超过其他一切。 全新的生成式 AI 仓库（≤ 1 年）正在累积其他项目十年才能获得的星数。
标准正在实时出现。 模型上下文协议（MCP）的快速崛起显示了社区围绕互操作性标准联合起来。
AI 正在重塑经典工具。 像 ollama 和 ragflow 这样的项目显示了本地推理和 AI 增强管道如何从概念验证转向主流开发者工作流程。

AI 也在帮助开发者修复代码

GitHub Copilot Autofix 在 2025 年有助于可衡量的改进：

访问控制破坏增长最快，2025 年中期在 6000+ 仓库中接受修复。
安全日志和监控故障、注入、不安全设计和错误配置修复也急剧上升，每个都跨越到每月数千个仓库。

Autofix 正在解决最常见的 OWASP Top 10 问题------不仅仅是罕见的漏洞------将 AI 带入软件安全的日常结构中。

如何保持领先

使用代理、开放标准和自托管推理的早期采用者已经在为下一个十年设定规范。连续 AI------持续更新、重新训练和部署的系统和工作流程------正在出现。

期望 AI 库成为"管道"。 如果您的堆栈无法加载模型或将上下文输送到模型中，您会很快感觉被遗留绑定。
超越 notebooks。 早期打包您的实验以与他人分享。
关注工具链，而不仅仅是模型。 下一次生产力飞跃可能来自从今天快速崛起的仓库中成长出来的 LLM 原生编辑器、外壳和测试运行器。
为互操作性构建。 像 MCP 和 Llama 派生协议这样的标准正在跨生态系统获得动力。

带着这些离开

三年前，我们说 AI 不会取代开发者------它会将更多人带入生态系统。数据现在证明了这一点：GitHub 上的活动达到创纪录水平，有更多贡献者、更多仓库和比以往更多的实验。

过去一年标志着历史性里程碑：

印度超越美国成为 GitHub 上公共和开源项目的最大贡献者基础。它也有望在未来几年内超过美国开发者人口，突显了开发者社区已经变得多么全球化。
TypeScript 首次成为使用最多的语言，超越 Python 和 JavaScript，标志着现代软件构建方式的代际转变。
开源仍然是基础。 公共项目提供驱动大多数私有开发的库、模型和工作流程。这个生态系统的强度和维持它的维护者将决定下一波软件创新走多远和多快。

2025 年的故事不是 AI 对抗开发者。这是关于开发者在 AI 时代的演变，他们编排代理、塑造语言和驱动生态系统。无论他们选择哪种代理、IDE 或框架，GitHub 都是一切集中的地方。

词汇表

2025：指 2024 年 9 月 1 日到 2025 年 8 月 31 日。

年度语言比较： 除非另有说明，YoY 值反映同月比较（例如，2025 年 8 月 vs 2024 年 8 月）以规范月长度和开发者活动的季节性。

贡献： 对提交、问题、pull request、pull request diff 或团队讨论的评论；创建 gist、问题、pull request 或团队讨论；向项目推送提交；以及审查 pull request。

贡献者：执行上述任何贡献活动的 GitHub 用户。

开发者：任何有 GitHub 账户的人。有时也称为 GitHub 用户。开源和开发者社区是一个日益多样化和全球化的群体，包括摆弄代码、做出非代码贡献、进行科学研究等的人。GitHub 用户推动开源创新，他们跨行业工作------从软件开发到数据分析再到设计。

总仓库： GitHub 上公共和私有仓库的组合数量。

编程语言使用： 除非另有说明，"使用最多"的语言按使用该语言提交代码的不同月度贡献者数量排名。这是"TypeScript 成为 GitHub 上使用最多的语言"的标准衡量标准。

AI 相关仓库： 任何标记有 AI 相关主题（例如，"AI"、"ML"、"LLM"）或属于我们 AI 分类学方法的仓库。这个广泛类别捕获了一般实验和与 AI 相邻的项目。

代理工作流程： 在自主或半自主 AI 工具（例如，创建 pull requests、分类问题或运行测试的 GitHub Copilot 编码代理）辅助下完成的软件开发任务。

Copilot 编码代理：GitHub Copilot 的一个功能，可以在安全环境中独立起草代码、运行测试和打开草稿 pull requests------需要开发者审查和批准。

Copilot 代码审查：GitHub Copilot 的一个功能，审查 pull requests、建议更改并在合并前突出显示潜在问题。

GitHub Actions 分钟：用于执行 GitHub Actions（CI/CD 工作流程）的 CPU 分钟。累计报告和同比增长报告。

CodeQL：GitHub 的语义代码分析引擎，用于检测安全漏洞。警报按漏洞类型分类（例如，访问控制破坏、注入、不安全设计）。

Mona 排名：基于仓库的星、fork 和唯一问题作者对仓库进行排名。计算 Mona 排名的步骤：1）基于星、fork 和问题作者计算个人排名。2）将这些个人排名相加。3）基于总和排名分配最终的"Mona 排名"。

LLM SDK：模型提供商（如 OpenAI、Anthropic、Meta、Mistral、Cohere 或 AI21）发布的官方库和工具集合，使开发者更容易连接和使用他们的大语言模型。这些 SDK 用客户端库、辅助函数和运行时集成包装底层模型 API，让开发者处理提示、响应、令牌和扩展，而无需构建低级基础设施。为了确定 LLM SDK 的使用，我们参考了通过 GitHub Models 提供的模型。这些包括来自 DeepSeek、Grok、Mistral、Phi、OpenAI、Cohere、Llama 和 AI21 的 SDK。

方法论

范围和覆盖

Octoverse 年份： 2024 年 9 月 1 日到 2025 年 8 月 31 日。

除非注明，指标仅反映公共活动。公共指标也可在 GitHub Innovation Graph 上获得。对于那里的国家级报告，我们仅在期间 ≥100 名独特开发者执行活动时发布指标。

时间窗口

月度快照： 显示峰值/转折点的日历月指标（例如，2025 年 8 月语言排名）。

追踪 12 个月（T12）： 2024 年 9 月--2025 年 8 月 vs 2023 年 9 月--2024 年 8 月用于年度趋势/平均值。

更长的回溯： 2022 年 1 月 → 2025 年 8 月的历史背景（如果相关）。

单位和实体

贡献者/开发者： 每个指标的每月独特用户（例如，每种语言）。一个用户可以在同一个月出现在多个类别中，因此这些不会跨类别求和。

仓库： 在一个月中创建或活跃的，按指标定义计数。

活动： "推送"、"创建/合并 pull requests"、"评论"等遵循标准 GitHub 事件定义。

增长基线

同月同比： 月 vs. 上年同月（例如，2025 年 8 月 vs 2024 年 8 月）用于里程碑/季节性控制，如语言比较。

T12 同比： 追踪 12 个月总计或平均值 vs 先前追踪 12 个月指标用于持续趋势（例如，平均月度贡献者、每月 pull requests）。

存量 vs 流量（累计指标）： 存量 = 时间点水平（例如，截至 2025 年 8 月的 SDK 仓库）。流量 = 窗口期间增加（例如，2024 年 9 月--2025 年 8 月）。标签不同。

地理

开发者通过自我报告位置映射到国家，标准化为 ISO 国家代码；国家聚合遵守 ≥100 开发者发布阈值。

仓库和语言分类

主要语言： GitHub 语言检测（例如，Linguist）；混合语言仓库归属于一个主要语言。

Notebooks： "Jupyter Notebook" 是开发环境分类，透明标记。

AI 项目： 通过生成式 AI SDK 使用（导入/依赖）和相关元数据等信号识别。

开源质量信号： 仓库元数据中文件/策略（例如，行为准则）的存在。

统计技术

月度时间序列跟踪；存量增长的累计计数；Top-N 排名（贡献者、仓库计数、增长率、活动量）。

最小阈值以减少噪音（例如，列表可能需要 ≥1000 贡献者或 ≥X 仓库；特定指标）。

用户去重： 计算每个时间段和每个指标的独特用户以避免片内重复计数；跨类别重复按设计预期。

数据质量控制

从 YoY/T12 中排除不完整月份（例如，当前月份）。

在可识别的情况下过滤机器人/自动化（账户标志 + 行为启发式）。

对增长和排名执行最小活动。

与多个内部/公共来源交叉验证（例如，Innovation Graph）。

解释和可重现性

季节性： 促使快照使用同月同比，T12 用于结构。

归属： 主要语言是仓库级别；TypeScript/JavaScript 混合可能出现在一种语言下。

范围： 仅公共视图低估私有活动但保持方向性。

几个指标的公共对应物可以通过 Innovation Graph 验证。

开发者增长预测

预测模型： 使用历史数据和统计预测未来结果的时间序列和回归模型集合。预测模型依赖于历史 GitHub 数据、注册率和产品使用情况，以及市场规模化信息。

预测准确性： 没有预测是准确的。回测显示用于预测增长投影的模型在合理的准确性水平内（小于 30% 平均绝对百分比误差）。

外部因素： 预测不考虑竞争格局变化、地缘政治/经济条件或未来协变量（可能以与历史数据不同方式转变响应的产品/功能发布）。