GitHub CEO：AI正將1.5億開發者變成 「智能體指揮官」

隨着生成式 ai 的迅猛崛起，全球正經歷一場前所未有的產業與職業重塑。「ai 會不會取代程序員？」這已成為開發者群體最常探討的問題之一。自動寫作、ai繪圖、代碼生成等工具的飛速迭代，讓這個職業群體不少人產生前途未卜的焦慮：未來自己是否還有立足之地？尤其在軟件開發領域，github copilot、chatgpt 等智能體工具的出現，更被視為可能「顛覆」程序員崗位的標誌性信號。 

近日，全球最大的代碼託管服務平台github首席執行官托馬斯·多姆克（thomas dohmke）做客播客節目《eye on ai》，探討了ai如何永遠改變了編程領域。多姆克表示：ai 並不是來取代程序員，而是正在幫助開發者進化為「智能體指揮官」。在他看來，軟件開發的未來將是人與智能體深度協作的時代。

以下為多姆克分享的核心觀點： 

以下為多姆克最新對話精華內容：

01 github不止是代碼庫，還是開發者之家

問：每次提到github，我認為它早已超越了「代碼倉庫（code repository，即用於存儲、管理和跟蹤項目代碼變更的系統化存儲空間）」的簡單定義。你能簡要回顧下github的發展歷程嗎？

多姆克：github從一開始就不只是個「倉庫」。雖然倉庫是基礎功能，但它真正革新了開發者的協作方式。2007年10月，幾位創始人開始開發這個項目。有趣的是，後來我們製作紀念海報時，列出了最早期的10條提交記錄——當時他們完全沒想到這個項目會變得如此重要。2008年初github正式發佈，最早的用戶主要來自ruby on rails社區，因為創始團隊本身就來自這箇舊金山的開發者圈子。 

最初github確實是個代碼託管平台，但很快就推出了劃時代的「拉取請求」（pull request）功能。其實光是倉庫功能在當時就很超前：開發者可以直接在網頁上瀏覽代碼、查看文件歷史，這種體驗在2008年堪稱革命性。簡潔高效的操作吸引了大批開發者入駐，github隨後又陸續加入了問題追蹤等功能，讓協作變得更加順暢。 

現在來看，github最特別的地方在於：它模糊了不同類型開發者之間的界限。無論是開源貢獻者、商業開發者，還是創業公司或個人項目，大家的開發流程其實都很相似。很多時候，做開源項目、業餘項目、創業項目和工作項目的，其實是同一個人在不同時期的身份切換。看看開發者的github主頁就會發現，上面往往記錄著各種類型的項目，這正是現代開發者多元化的寫照。

問：在github之前，開發者們把代碼放在哪兒？

多姆克：這個問題說來很有趣。最原始的做法就是直接在電腦上建文件夾，比如命名為v1、v2或者加個日期。但不出三天准亂套——要麼忘記更新版本，要麼想回退時找不着需要的代碼。說實話，即使今天，依然有很多新手還在使用這種土辦法。

事實上，版本控制的發展史能寫本書。最早流行的代碼版本控制軟件是cvs，後來被subversion（svn）取而代之，當時大家都把代碼放在sourceforge（早期託管開源軟件的網站）上。git（分佈式版本控制系統）的誕生要感謝linux內核團隊，連linux之父林納斯·托瓦茲（linus torvalds）都親自下場開發。那時候還有個叫mercurial的競爭對手，不過最後還是git笑到了最後。

有意思的是，2008年github剛上線時，沒人敢打包票git能成為主流。最早那批用戶基本都是sourceforge和svn的老用戶轉過來的。直到現在，我們還經常要幫人把svn（subversion的縮寫，版本控制系統）的老倉庫往github上搬。

問：能否用通俗語言解釋git和github的區別？特別是github的創新點在哪裡？

多姆克：我們可以這樣理解：git就像是一個智能記事本，它能記住你對代碼文件（其實就是文本文件）做的每一次修改。簡單來說，想像一下你在寫文章時，git會自動保存每個版本，隨時可以回看或恢復。現在很多辦公軟件（google docs）也有類似功能，但在git出現前這可是個創舉。

git最厲害的是它的「去中心化」特性。這意味着，每個開發者電腦上都有完整的代碼庫副本，包括所有修改記錄。而github就像是個「代碼會所」，把這些分散的副本匯聚在一起。你可以把我的修改「拉」過去，我也可以把我的更新「推」給你，大家就能愉快地一起寫代碼了。

而github這個名字就暗示了它的定位——給這些分散的代碼庫安個家。雖然我們總說去中心化好，但代碼總得有個可靠的存放地。所以我們把github打造成「開發者之家」，讓大家能在這裡協作交流。

02 未來程序員像指揮家，統領一支ai團隊

問：你的兒子多大了？是你教他們編程的，還是他們自學的？

多姆克：他們分別是13歲和10歲。他們學習編程的路徑很有意思。在前幾年的疫情期間，我鼓勵他們從打字軟件開始練習，現在他們打字速度都超過我了。後來他們接觸了mit的scratch和樂高mindstorms這類圖形化編程工具，通過拖拽邏輯模塊就能完成編程。 

大兒子在學校學了python，小兒子完全靠自學。這讓我想起20世紀90年代自己學編程的經歷，只不過那時我只能靠書籍雜誌，而他們現在有整個互聯網的資源。即使沒有ai，遇到問題時，他們會上youtube找教程，比如用python和pygame製作遊戲動畫。

有趣的是，他們還通過youtube視頻自學了魔方解法。這種不斷試錯的過程，其實和編程學習如出一轍。後來有了copilot的幫助就更方便了，它能用英語、德語等多種語言解釋代碼細節。這種跨越語言障礙的學習方式，讓編程教育變得更加普惠，特別是對於那些非英語國家的孩子來說。現在即便是七八歲的孩子，只要對編程感興趣，直接問copilot「怎麼做貪吃蛇遊戲」，就能得到從創建文件到運行調試的完整指導。

我認為孩子們學習編程確實比成年人更有優勢，因為他們天生就具備不斷嘗試的精神。成年人遇到問題容易失去耐心，或者以沒時間為由放棄，但孩子們會堅持不懈地向copilot或其他ai工具提問。他們會根據ai的反饋反覆修改代碼，直到程序能夠成功運行。 

問：github平台上的代碼創作規模有多大？

多姆克：雖然無法給出精確數字，但可以從幾個維度來觀察這個龐大的代碼生態。目前github擁有1.5億註冊開發者，每年產生的pull request數量達到數億級別。即便每個pull request只包含10行代碼，總量也輕鬆突破十億行。實際上，開發者的大部分工作都是在現有代碼基礎上進行修改或重構，這使得平台上的代碼活動量更為可觀。

從ai參與度來看，2023年初的數據顯示，在啟用copilot的文件中，46%的代碼行數是由ai自動生成的。如今隨着智能體的推出，開發者甚至可以用自然語言描述需求，由ai完成全部代碼編寫。這標誌着編程方式正在發生根本性轉變——開發者不再需要直接編寫代碼，而是轉為撰寫精確的需求說明。可以說，自然語言正在演變為一種新型的通用編程語言，而開發者則轉型為需求的精準描述者和解決方案的架構師。

問：github是行業主導者，但還有多少其他平台是你們在關注的呢？

多姆克：雖然確實存在像gitlab等競爭對手，但github憑藉其龐大的開發者生態，短期內確實難以被撼動。

不過有趣的是，就像我最近看到的一個案例——（美國）某些航空管制系統至今仍在運行windows 95，需要專門維護這些古董系統的開發者。這提醒我們，技術產品即使佔據主導地位，也需要保持危機意識。 

作為微軟生態系統的重要組成，我們始終保持着創新者焦慮。這種警覺讓我們持續關注着行業變革，無論是devops的演進，還是生成式ai帶來的開發方式革命。我們擁有的技術資產確實令人矚目：從visual studio和vscode這兩大主流ide，到.net技術棧，再到npm這個javascript生態的核心基礎設施。但越是如此，我們越要像《創新者困境》書中警示的那樣，警惕成功帶來的盲區。

作為github的一員，我覺得最棒的是，github內部的每個人都在使用github。從工程師到hr甚至法務團隊，所有工作流程都在github上完成。我們的服務條款本身就是託管在github上的一個倉庫，每次修改都通過pull request進行。對我來說，能為開發者打造開發工具，就是最理想的工作狀態。我們會繼續推動github的創新。 

問：你們接下來要做什麼？

多姆克：顯然是智能體。當前編程智能體的發展現狀確實令人期待又充滿挑戰。

以業內公認的swe-bench基準測試為例，表現最優的模型目前僅能達到60%左右的準確率，即便未來提升到70%，這個數字仍然存在明顯局限——畢竟測試集只涵蓋12個python項目的2000個問題案例。更值得注意的是，當擴展到其他編程語言時，準確率通常會驟降至30%左右。

雖然這些智能體已經展現出巨大潛力，能夠幫助開發者分擔諸如任務分配等基礎工作，但要實現我們的終極願景——讓智能體完全勝任測試用例編寫、文檔生成、安全漏洞修復等常規開發工作（真正的創新研發仍需人類主導），還有很長的路要走。 

我們還在考慮很多其他智能體應用，比如我們提到的代碼審查智能體、自動修復智能體。在microsoft build大會上，我們發佈了sie智能體，它可以監控你的服務器，基於監控結果採取行動，無論是錯誤堆積還是服務器負載過高等問題。

讓我們想像這樣一個未來場景：開發者將不再單打獨鬥，而是像交響樂團的指揮家一樣，統領着一支由各類智能體組成的數字團隊。這種轉變帶來的不僅是效率提升，更是開發方式的根本變革。開發者需要培養全新的核心能力：首先要學會做精準判斷——什麼時候該自己動手寫代碼，什麼時候交給智能體處理更合適。比如有時候分配一個三行代碼的微任務給智能體，反而比自己編寫更高效。其次要掌握任務拆解的技巧，把複雜需求分解成智能體能夠理解的子任務。最重要的是，要學會用精確的開發語言與智能體溝通，這將成為未來開發者的必備技能。

這讓我深有感觸。在實際開發中，最困難的從來不是產生創意，而是把腦海中的構想轉化為可執行的代碼。這個過程中，我需要把問題分解成越來越小的部分。過去幾年，我們一直在努力降低從想法到代碼的轉換門檻；如今，我們正在向更高的抽象層級邁進。但無論技術如何進步，系統化的思維能力和結構化的設計能力，始終是開發者最核心的競爭力。我們將繼續優化這一過程，讓開發者可以更好地與智能體協作，完成更高效的開發工作。

問：目前的智能體工具狀態如何，普通人是否也能使用它們？

多姆克：如今，即便是編程零基礎的人，也能藉助copilot這樣的工具輕鬆上手。

我先解釋下什麼是編程智能體——像copilot這類工具（包括openai的codex等同類產品），能夠根據用戶描述直接生成代碼。特別是在網頁開發領域，你可以用它快速搭建一個網頁、開發小型web應用，甚至製作簡單的瀏覽器遊戲。

整個過程就像和ai聊天一樣簡單：輸入需求、查看結果，不滿意就繼續調整提示詞，直到獲得理想效果，或者乾脆推倒重來。

這和ai繪畫工具的工作原理很相似：你可以通過不斷優化提示詞獲得更好的結果。但要注意的是，如果沒有基本的編程知識，遲早會遇到瓶頸——僅靠提示詞可能無法實現更複雜的需求。當我們把這類工具推廣到數億用戶時，最終會面臨一個現實問題：要麼自己深入學習成為專業開發者，要麼就需要僱傭專業開發團隊來協助實現更複雜的功能。

另外一個方面是所謂的「氛圍編程」（vibe coding），它確實讓編程變得更輕鬆，但背後隱藏着一個必須面對的挑戰——開發者終究需要理解ai生成的代碼是否真正符合需求。特別是在企業級開發環境中，這個問題尤為突出。想像一下，當你加入一個新項目時，99%的情況下都是在接手別人寫的代碼庫，或者參與一個已經由數十甚至數百名開發者共同維護的大型項目。這時候，編程智能體就展現出了它的獨特價值。

它的工作方式很有意思：你只需要用自然語言描述想要對代碼庫進行的修改，copilot就會在雲端自動啟動一個虛擬機，拉取代碼庫，配置好所有必要的開發環境，然後根據ai模型的分析結果來實施這些修改。整個過程就像有個虛擬的開發夥伴在幫你幹活——它會像人類開發者一樣提交詳細的修改請求，清楚地說明每處改動的內容、實施計劃以及技術方案。 

但這裡的關鍵在於，這些ai生成的修改最終還是要經過專業開發者的嚴格審核。你需要確認這些改動確實是你想要的，確保它們符合團隊的編碼規範，正確使用了數據庫和雲服務，最重要的是不能帶來新的安全漏洞。

確實，對於搭建婚禮網頁或是快速創建shopify電商網站參加黑五促銷這類簡單需求，現在的ai工具完全能夠勝任。但這裡存在一個關鍵的分水嶺。當你想要實現更複雜的功能，或是深入理解計算機科學原理時，就必須要走上專業軟件開發的道路。

值得注意的是，ai工具的普及不僅不會取代開發者這個職業，反而會推動它的發展。隨着技術門檻的降低，會有更多人嘗試編程。 

03 從單一模型到智能體：copilot 正走向自動編排

問：copilot智能體在處理現有代碼庫時，會預先分析多少代碼內容？畢竟有時修改一處代碼可能會產生意想不到的連帶影響。它是會掃描整個代碼庫，還是開發者可以控制其查看範圍？

多姆克：copilot的工作方式其實很像人類開發者。它會先完整掃描代碼庫，理解你的任務需求後，通過ai模型來生成解決方案。在這個過程中，它能智能地調用各種開發工具：比如用代碼搜索定位相關文件，通過命令行添加新的軟件包。這些工具和模型生成的解決方案是緊密相連的，通過模型的思維鏈，它會根據自己對問題的理解來描述解決方案的實施過程。關鍵點在於，copilot 會查看這些工具調用的輸出，比如編譯或其他操作。

特別值得一提的是它採用的mcp技術（模型上下文協議，由anthropic研發）。這項技術讓copilot能無縫對接各類開發環境，無論是github、figma這樣的雲服務，還是開發者本地的mac電腦。整個工作流程就像資深程序員在解決問題：先分析代碼邏輯，通過反覆推敲不斷優化，直到代碼能順利通過編譯和測試，最後才提交審核。 

當然，ai生成的代碼不一定每次都完美。有時你可能看着它的修改會疑惑：「這是什麼邏輯？」這時就可以通過類似github上pull request的方式，與copilot建立反饋循環，不斷調整優化。這種協作模式，正在重新定義人機協作的邊界。

在2008年時，github還是一個純粹的人與人協作平台，開發者之間通過github進行代碼交流。到了2025年，github依然保持人類開發者之間的合作，但現在我們正在擴展到人與智能體的協作。

問：開發者可以隨時切換不同的ai模型來編寫代碼，通過實際對比找到最適合的模型。未來是否會建立一個智能協調層，讓copilot能夠自動根據任務特性選擇最佳模型？

多姆克：目前，我們的編程智能體還僅支持sonet 4這一種模型。但必須說明的是，這只是一個起點。在我們的開發規劃中，讓智能體支持更多模型是一個重要方向。特別是在代碼審查智能體和自動修復智能體等功能上，我們正在研究如何實現多模型協同工作。

事實上，我們已經支持多種模型的使用。在某些場景（如代碼補全）中，我們會自動選擇模型；而在其他情況下，開發者可以自主選擇。關鍵在於，沒有任何一個模型能完美適配所有開發者的需求。考慮到編程語言、框架以及企業軟件開發風格的多樣性，我們認為開發者最終會找到最適合自己的工具。

這個過程往往需要通過試錯來完成，就像我們在軟件開發周期中其他環節所做的那樣。我們都經歷過選擇錯誤框架或庫的情況。但值得慶幸的是，在軟件和ai模型領域，切換另一個模型重新嘗試的成本非常低。這種自動編排功能將變得越來越重要，特別是對於那些不想糾結選擇哪個模型的開發者——他們更願意讓ai來幫他們做這個決定。

未來將會是兩種模式的結合：想要自主選擇的開發者可以獲得選擇權，而偏好默認配置的用戶則可以啟用某種自動模式。

問：全球開發者中有多少人使用github？你的願景是什麼？

多姆克：目前，github的開發者數量約為1.5億。如果你諮詢一些分析師，他們可能會告訴你，這個數字甚至已經超過了我們對全球專業開發者數量的估算。

問題在於，如何定義「開發者」？比如，一位8歲的中學生學會了python，或者參與了機械人戰鬥聯盟之類的項目，他算不算開發者呢？他是在學習編碼，還是在學物理和數學？我認為你不會因為一個中學生學了兩年的物理，就稱他為物理學家。 

但我們希望這些年輕人能夠使用github，至少能夠從其他開發者的工作中學習。開源的魅力就在於此，全球的大多數開發者願意將自己的工作分享出來。即使只是分享一個小小的代碼片段（我們稱之為gist），其他開發者也可以學習、修改、甚至重新創作。 

我們的願景是：從1.5億開發者擴展到10億開發者。這個目標不僅僅因為10億是個圓滿的數字，更因為我們相信，地球上的每個人都有權利在自己願意的情況下參與軟件創作。這意味着每個人都應該在學校里學會編程，就像學習數學一樣。這不僅僅是學會寫代碼，而是讓每個人都能成為創造者，而不僅僅是軟件的消費者。今天，許多人依然只是智能手機的消費者，而我們希望能有更多人願意成為構建者，前提是他們願意。

最近，github發佈了創新圖譜（innovation graph），這是一個非常有趣的工具。github作為開發者和開源社區的「家園」，我們認為分享這些信息對社區非常重要。github託管了大量開源代碼，這不僅對正在使用這些代碼的開發者有價值，對研究人員和政策制定者也非常重要，他們可以通過這個工具更好地了解全球開發者在github上進行的創新活動。 

正如我們之前討論的，github是數百萬開發者共同協作的地方，大家跨越國界和文化背景，彼此不認識，不知道對方的職位或背景，但大家都有一個共同的目標：合作並創造有價值的代碼，解決問題。這就是開源的魅力所在。

最後，我想強調的是：我們並不認為ai會取代開發者。實際上，我們相信ai將賦能更多的開發者。無論是那些希望通過自動化簡化個人生活的開發者（例如自動化稅務等），還是那些渴望成為下一個技術創業者或進入大公司工作的開發者，ai都將幫助他們更高效地完成工作。我們對這個未來充滿期待，ai將加速軟件開發的進程。（文/騰訊科技特約編譯金鹿，編輯/海倫）