AI 编程助手到底火成什么样？40 万仓库的数据说了算

最近两年，AI 写代码的工具越来越常见。Cursor、GitHub Copilot 这些东西，已经从新鲜玩意儿变成了很多开发者的日常帮手。但问题来了：到底哪款工具更受欢迎？团队又是怎么用的？

有人专门做了个研究，翻了 40 万个公开的 GitHub 仓库，想搞清楚真实情况。结果挺有意思，也值得我们看看。

数据是怎么来的

研究人员先给每个主流工具定好了“特征文件”。比如 Cursor 对应 .cursorrules，其他工具也有自己的配置文件。他们用 GitHub 的 API 把这些文件全搜了出来。

但光有文件还不够。他们又用 GraphQL 接口，把仓库的提交记录、文件更新时间、创建日期这些信息都补上了。这样就能看出哪些团队不只是装了工具，而是真的在持续使用。

这说明大家不是为了凑数才配置，而是真正在用。

数据到底说了什么

研究发现有 40 万个仓库带有这些配置。这数字看起来不少，但研究人员也提醒：这只是“有人主动配置”的信号，不是实际使用量的上限。

因为很多人可能直接用工具，却没写配置文件。也有团队是慢慢试用的，并没有一次性配好。所以这个数字其实是个下限。

从数据里能看出几个点：

• 市场格局：哪款工具用得最多？数据里能看到各工具的相对受欢迎程度。
• 配置深度：是直接用默认设置，还是自己改了很多？文件大小和更新频率能反映出来。
• 多工具并用：不少团队同时用好几款工具，这说明目前还没出现一家独大的情况。
• 仓库特点：不同编程语言、项目大小、个人还是团队，这些因素跟工具使用都有关系。

研究有哪些限制

研究人员很老实地把问题摆了出来：只分析了公开仓库。很多公司真正的开发工作都在私有仓库里，没被统计进来。

另外，这些配置代表的是“想用”的意图，而不是实际使用记录。可能更愿意公开配置的团队，技术水平也更高一些。

所以对个人开发者和小团队来说，这个结果不一定完全适用。企业因为安全要求，可能根本不会把工具配置放在公开仓库里。

对我们有什么启示

AI 编程工具已经从实验阶段走进了主流。能从公开仓库里找到 40 万个配置，就说明这些工具已经扎根了。

对个人来说，最重要的提醒是：配置很重要。真正用得好的团队，不是随便装个工具就完事。他们会花时间调整配置，让工具更好地适应自己的代码和流程。无论是 Cursor 还是 Copilot，都值得你花点时间去设置。

目前这个市场还在发展。很多人同时用好几款工具，说明大家还在试用阶段，没锁定某个单一品牌。这对我们来说是好事，因为有选择才有竞争，也才能推动工具改进。

随着时间推移，以后会有更多类似的研究，不只是看配置数量，而是真正去 messure 工具对代码质量和开发速度的影响。现在这个结果，算是我们看清当前状况的一面镜子。