Mengapa penggemar kacamata pintar membuat AI Coding.Info ~Ringkasan tren AI Coding pada Agustus 2026 berdasarkan data~
pengarang: @kotauchisunsun
Tanggal rilis: 2026/09/29
Tren AI Coding Agent pada Agustus 2026
Kami telah mengoperasikan situs bernama AI Coding.Info sejak Juli 2025.
Ini adalah situs yang mengamati tren penggunaan terkait Agen Pengodean AI seperti Claude Code, Codex CLI, Github Copilot, dan Gemini dari titik tetap berdasarkan informasi dari repositori Github. Untuk menentukan penggunaan AI Coding Agent, kami melakukan survei harian dengan ketentuan sebagai berikut.
- Inspeksi harian terhadap 9.000 repositori publik di Github
- TOP 300 bintang Github berdasarkan bahasa pemrograman
- Diteliti dari 30 jenis bahasa pemrograman
- Menargetkan 16 jenis Agen Pengodean AI
- Hanya ketika file aturan yang digunakan oleh berbagai Agen Pengodean AI ada di repositori Github, maka ditentukan bahwa Agen Pengkodean AI sedang digunakan.
Tren bulan lalu
https://ai-coding.info/reports/articles/20260812
Tingkat penggunaan AI Coding Agent adalah 13,9%
Tingkat pemanfaatan repositori AI Coding Agent adalah 13,9%, meningkat 0,9% dari 13,0% sebelumnya.
Tingkat penggunaan AI Coding Agent pada 1 September 2026
https://ai-coding.info/?date=2026-09-01#adoption-rate
Tingkat penggunaan AI Coding Agent pada 2026/8/1
https://ai-coding.info/?date=2026-08-01#adoption-rate
Tren tingkat penggunaan AI Coding Agent dari 1 Agustus 2026 hingga 1 September 2026
https://ai-coding.info/?date=2026-09-01&since=2026-08-01&until=2026-09-01#share-trend
Pangsa Agen Pengodean AI berdasarkan produk
Pembagian berdasarkan produk adalah sebagai berikut.
| Peringkat | Nama Produk | Tingkat pembagian |
|---|---|---|
| tempat pertama | Kodeks CLI | 42,3% |
| tempat kedua | Kode Claude | 32,0% |
| tempat ketiga | Agen Kopilot | 14,4% |
| tempat ke-4 | CLI Gemini | 4,9% |
| tempat ke-5 | Kursor | 4,0% |
Nilai saham AI Coding Agent pada 9/1/2026
https://ai-coding.info/?date=2026-09-01&since=2026-08-01&until=2026-09-01#agent-share
Nilai saham AI Coding Agent pada 8/1/2026
https://ai-coding.info/?date=2026-08-01&since=2026-08-01&until=2026-09-01#agent-share
Status penggunaan AI Coding Agent berdasarkan bahasa pemrograman
Bahasa pemrograman yang paling banyak menggunakan AI Coding Agent adalah "TypeScript", bahasa kedua adalah "Rust", bahasa ketiga adalah "Python", bahasa keempat adalah "Go", dan bahasa kelima adalah "C#".
Pemeringkatan AI Coding Agent berdasarkan bahasa pemrograman pada 1 September 2026
https://ai-coding.info/?date=2026-09-01&since=2026-08-01&until=2026-09-01#language-agent-rank
Pemeringkatan Agen Pengodean AI berdasarkan bahasa pemrograman pada 1/8/2026
https://ai-coding.info/?date=2026-08-01&since=2026-08-01&until=2026-09-01#language-agent-rank
Tren bulanan dalam jumlah repositori yang digunakan oleh AI Coding Agent
Jumlah repositori per 1 Agustus 2026 sebanyak 1.940 repositori, namun meningkat menjadi 2.069 per 1 September 2026, bertambah 129 repositori dengan menggunakan AI Coding Agent.
Perubahan jumlah repositori yang menggunakan AI Coding Agent dari 1/8/2026 menjadi 1/9/2026
https://ai-coding.info/?date=2026-08-01&since=2026-08-01&until=2026-09-01#time-based-bar-chart
Mengapa penggemar kacamata pintar menciptakan AI Coding.Info
Informasi tentang kacamata pintar biasanya saya bagikan di channel YouTube saya yang bernama "Perencanaan Kotauchi".
PodCast "Kacamata Mirai Kotauchi" juga diperbarui setiap minggu.
Kami juga menerbitkan artikel mingguan berjudul ``Berita Kacamata Cerdas Dunia'' setiap minggunya.
https://note.com/kotauchisunsun/m/mf522aa5d3efd
Mengapa orang tersebut membuat situs untuk menyelidiki tren penggunaan AI Coding Agent? Kali ini saya akan membahas tentang bagaimana saya mulai membuat AI Coding.Info. Pada pandangan pertama, sepertinya bidangnya berbeda, tapi titik awalnya adalah
"Saya ingin menyederhanakan pengembangan perangkat lunak kacamata pintar dengan kekuatan AI"
Itulah yang saya rasakan. Sekitar Januari 2025, saya mengembangkan perangkat lunak untuk kacamata pintar bermata satu LILYGO yang disebut "T-Glass".
T-Glass dilengkapi dengan ESP32, dan saya sedang menulis program untuk menjalankannya. Pada saat itu, saya merasa tantangan khususnya adalah waktu yang diperlukan untuk membuat dan menulis ke perangkat sebenarnya. Sekalipun Anda mengubah sedikit programnya, Anda harus membuatnya, menulisnya ke mesin sebenarnya, dan memeriksa pengoperasiannya. Di lingkungan pengembangan saya, seluruh proses ini memakan waktu, sehingga sulit untuk meningkatkan jumlah trial and error. Itu sebabnya saya memikirkan cara untuk menempatkan mesin JavaScript "QuickJS" di atas ESP32. Sudah ada kasus preseden di mana QuickJS di-porting ke ESP32, jadi saya berpikir untuk menggunakannya.
https://qiita.com/binzume/items/f04d3b1b06cd0f7d3111
https://github.com/binzume/esp32quickjs
Idenya adalah jika Anda pertama kali menyiapkan lingkungan untuk menjalankan skrip, maka Anda dapat mengubah perilakunya dengan mengganti kode JavaScript.
ESP32 juga dapat terhubung ke Wi-Fi. Jadi, saya menulis kode dalam TypeScript, yang biasa saya gunakan, mentranspilasinya ke JavaScript, dan meletakkannya di server file. Kami membuat aliran di mana ketika Anda menekan tombol di T-Glass, kode Javascript yang ditempatkan di server diambil melalui Wi-Fi dan dieksekusi menggunakan QuickJS. Saya bisa menjalankan alur kerja ini sendiri.
Jika perubahan terjadi pada sisi JavaScript, tidak perlu membuat dan menulis ulang seluruh firmware. Kami bertujuan untuk menciptakan lingkungan pengembangan di mana kami dapat berulang kali memeriksa perangkat sebenarnya dalam siklus singkat sambil menggunakan tipe TypeScript.
Biarkan AI “menggunakan satu implementasi sebagai model”
Namun, hanya karena JavaScript berfungsi bukan berarti Anda dapat dengan bebas membuat aplikasi kacamata pintar. Misalnya, untuk mengoperasikan GUI dari JavaScript, perlu mengimplementasikan bagian jembatan yang menghubungkan QuickJS dan pustaka GUI sisi bahasa C. Untuk menulis ini, saya harus memahami cara kerja QuickJS, cara menggunakan pustaka GUI, dan cara meneruskan nilai antara JavaScript dan C. Pada saat itu, AI belum begitu pintar, jadi saya mencoba mengimplementasikannya sendiri, namun memerlukan banyak pengetahuan, dan cukup sulit untuk memperluas pemrosesan serupa ke fungsi lainnya. Untuk tujuan ini, kami menggunakan AI Coding Agent. Saat itu saya menggunakan Roo Code. Pertama, saya menulis bagian jembatan untuk satu fungsi, menggunakannya sebagai sampel, dan meminta AI memperluas implementasi serupa ke fungsi lainnya. Daripada menyerahkan segalanya kepada AI, Anda dapat menyajikan sendiri kebijakan implementasi dan contohnya, dan meminta pengguna melanjutkan pekerjaan sesuai dengan itu. Upaya pengembangan ini pada akhirnya tidak mengarah pada penyelesaian keseluruhan konsep. Alasannya adalah Javascript dan bahasa C memiliki filosofi dasar yang sangat berbeda. Misalnya penggunaan pointer menjadi kendala. Bahkan jika Anda mem-porting fungsi LovyanGFX, pustaka GUI yang biasa digunakan dalam seri ESP32, sebagaimana adanya, fungsi tersebut akan menjadi sekumpulan petunjuk, jadi bagaimana Anda menanganinya dengan Javascript? telah menjadi sebuah isu. Oleh karena itu, porting fungsi LovyanGFX saja sulit dilihat dalam Javascript, dan menurut saya diperlukan semacam lapisan abstraksi. Namun, saya merasa ada potensi besar untuk dapat membuat satu contoh implementasi dan kemudian meningkatkan jumlah fungsi terkait berdasarkan contoh tersebut. Saat mengembangkan perangkat lunak sendiri, daripada menulis semuanya sendiri, Anda dapat menambah jumlah bagian yang dapat diserahkan kepada AI. Untuk itu, saya yakin bahwa saya perlu terus belajar tentang AI Coding Agent.
“Apa yang harus saya gunakan” yang berubah setiap minggu
Di sisi lain, kami juga kesulitan mengimbangi AI Coding Agent. Saat itu (awal tahun 2025), AI Coding Agent yang digunakan sebagai perpanjangan dari VS Code, seperti Cline dan Roo Code, sedang menjadi topik hangat. Ada berbagai pilihan lain, termasuk Devin dan OpenHands, yang sebelumnya saya kontribusikan. Informasi tentang alat dan fungsi baru muncul satu demi satu, dan rasanya seperti pertanyaan "apa yang harus saya gunakan saat ini" diperbarui setiap minggu. Saya sendiri mengejar informasi dan mencoba berbagai tools, namun saya merasa lelah jika terus melakukannya. Selain itu, meskipun saya dapat mencoba alat yang populer, saya tidak memiliki dasar keputusan yang jelas mengapa saya harus memilihnya. Ini adalah komposisi yang dipengaruhi oleh apa yang disebut toko kejutan AI. Saya ingin memilih alat yang saya gunakan tidak hanya berdasarkan pengumuman fitur baru atau reputasinya, tetapi juga berdasarkan situasi sebenarnya. Kami ingin menggunakan informasi utama sebagai dasar pengambilan keputusan, bukan hanya informasi pemasaran. Yang saya perhatikan adalah itu
"Agen Pengodean AI manakah yang disertakan dalam repositori publik GitHub?"
Itulah maksudnya.
Amati tren penggunaan pada titik tetap sebagai dasar penilaian Anda sendiri
Kemudian AI Coding.Info dirilis pada Juli 2025. Kami membuat situs untuk memeriksa apakah ada file aturan yang digunakan oleh setiap Agen Pengodean AI di repositori publik GitHub dan mencatat hasilnya setiap hari. Tentu saja, metode ini hanya menentukan apakah file aturan berada di repositori. Ini tidak mengukur frekuensi penggunaan sebenarnya atau kualitas kode yang dihasilkan, dan tidak menangkap kasus di mana aturan digunakan tanpa file aturan. Meski begitu, jika Anda terus mengamati menggunakan metode yang sama, Anda akan dapat melihat perubahan seperti alat mana yang mendukung lebih banyak file aturan, dan bahasa pemrograman mana yang semakin banyak diperkenalkan. Hanya karena suatu alat sering digunakan bukan berarti alat tersebut terbaik untuk Anda. Namun, daripada hanya mengikuti informasi yang mengalir satu demi satu, saya berpikir bahwa saya dapat menggunakan perubahan yang saya lihat di repositori publik sebagai salah satu hal yang akan membantu saya mengambil keputusan. Juga,
Saya yakin bukan hanya saya yang bosan mengikuti informasi AI
Saya juga merasa seperti itu. Saya juga merasa bahwa dengan mempublikasikan data yang saya teliti sendiri, mungkin akan bermanfaat bagi orang lain yang juga mengalami kebingungan dalam memilih alat. AI Coding Agent juga digunakan untuk pengembangan AI Coding.Info itu sendiri. Prototipe dibuat dalam waktu sekitar dua minggu, dan sejak itu kami terus melakukan modifikasi melalui trial and error. Kami terus mengamati tren penggunaan secara tetap, dan sekitar satu tahun telah berlalu sejak diluncurkan. Awalnya, yang ingin saya lakukan bukanlah mencoba setiap Agen Pengodean AI baru, tetapi mengembangkan sendiri perangkat lunak kacamata pintar secara efisien. Untuk tujuan itu, saya ingin menerima dukungan dari AI. Mereka juga menginginkan informasi untuk membantu mereka memutuskan Agen Pengodean AI mana yang akan digunakan. Memanfaatkan AI untuk membuat perangkat lunak kacamata pintar, dan membuat AI Coding.Info sebagai dasar untuk memutuskan AI mana yang akan digunakan. Inilah sebabnya saya, seorang penggila kacamata pintar, mulai membuat situs ini.