Listopadowe trendy agenta kodującego AI

Od lipca 2025 roku prowadzimy witrynę o nazwie AI Coding.Info.

https://ai-coding.info/ja

Jest to witryna, która obserwuje trendy użytkowania związane z agentami kodującymi AI, takimi jak Claude Code, Gemini lub Codex, z ustalonego punktu na podstawie informacji znajdujących się w repozytoriach Github. Aby określić wykorzystanie agenta kodującego AI, przeprowadzamy codzienne ankiety pod następującymi warunkami.

• Codzienna inspekcja 9 000 publicznych repozytoriów na Githubie
  • TOP 300 gwiazdek Githuba według języka programowania
  • Przeanalizowano 30 rodzajów języków programowania
• Celuje w 16 typów agentów kodujących AI
• Tylko wtedy, gdy pliki reguł używane przez różnych agentów kodujących AI znajdują się w repozytorium Github, zostaje stwierdzone, że używany jest agent kodujący AI.

Przeszłe trendy

https://qiita.com/kotauchisunsun/items/e294d2cf419c46c02046

https://qiita.com/kotauchisunsun/items/5e5244fdabf577d7c879

https://qiita.com/kotauchisunsun/items/a1e06dd590f945ae09ef

https://qiita.com/kotauchisunsun/items/092784402a36d5705853

Wskaźnik wykorzystania agenta kodującego AI wynosi 4,8%

Wskaźnik wykorzystania repozytorium AI Coding Agent na koniec listopada wyniósł 4,8%, co oznacza wzrost o 0,6 punktu procentowego z 4,3% ostatnim razem. W raporcie z ostatniego miesiąca wyjaśniliśmy trendy w zakresie tego współczynnika wykorzystania.

W poprzednim artykule przewidywaliśmy, że dla wszystkich języków programowania wykorzystanie agenta kodującego AI spadnie do około 13% Przewidziałem. Wśród nich

$$y(t) = \frac{K}{1 + Ae^{-Bt}}$$

Dopasowując stopień wykorzystania do wzoru modelowego,

K = 1.2862e-01
A = 5.0299e+00
B = 7.5901e-03
決定係数 (R^2) = 0.9534
平均二乗誤差 (MSE) = 0.0000
二乗平均平方根誤差 (RMSE) = 0.0014

Wartość jest teraz. Różniczkując pierwotne równanie względem t, otrzymujemy

$$\frac{dy}{dt} = \frac{A B K\, e^{-B t}} {\left( A e^{-B t} + 1 \right)^{2}}$$

Różniczkując ponownie względem t, otrzymujemy

$$\frac{d^{2} y}{dt^{2}} = \frac{A B^{2} K (A - e^{B t}) e^{B t}} {A^{3} + 3 A^{2} e^{B t} + 3 A e^{2 B t} + e^{3 B t}}$$

Staje się. Aby znaleźć punkt przegięcia tego, jeśli rozwiążemy t z lewą stroną = 0, otrzymamy

$$t_0 = \frac{log(A)}{B}$$

Staje się. Znajdowanie nachylenia y, gdy $t_0$ wynosi,

$$\left. \frac{dy}{dt} \right|_{t = t_0} = \frac{BK}{4} \approx 2.441 \times 10^{-4}$$

Poprzedni wzór obliczał kwotę na dzień, więc aby przeliczyć ją na kwotę miesięczną, należy ją pomnożyć przez 30. Następnie

$$2.441 \times 10^{-4} \times 30 \approx 0.007321$$

Staje się. Biorąc to pod uwagę, widzimy, że tempo wzrostu wykorzystania agenta kodującego AI w różnych językach programowania wynosi mniej niż około 0,73% miesięcznie. ** Biorąc to pod uwagę, wskaźnik wykorzystania wzrósł w tym miesiącu o 0,6%. Jest to stosunkowo w oczekiwanym zakresie. ** To znaczy.

https://ai-coding.info/ja/agents

Udział agenta kodującego AI według produktu

Udział według produktów jest następujący.

Ranking	Nazwa produktu	Kurs akcji
1 miejsce	Kod Claude'a	28,6%
2. miejsce	Agent drugiego pilota	26,8%
3 miejsce	Kodeks CLI	22,5%
4 miejsce	Kursor	11,6%
5 miejsce	Bliźnięta CLI	6,5%

Podobnie jak miało to miejsce w zeszłym miesiącu, czuję, że udział Codex CLI stopniowo rośnie. Właściwie nie zaszły duże zmiany w Gemini CLI. Mam wrażenie, że udział w rynku Cursora i ClaudeCode znacząco spadł. (Kursor faktycznie obsługuje AGNETS.md, więc trudno powiedzieć, czy udział w rynku rzeczywiście spada.) Jak oceniasz tę kompozycję? Jednakże ClaudeCode nie obsługuje pliku AGENTS.md. Myślę, że służy to jako bastion zapobiegający zmianom narzędzi (https://qiita.com/kotauchisunsun/items/5e5244fdabf577d7c879). Wydaje się jednak, że odpływ nadal postępuje. Tak właśnie myślę. Mam wrażenie, że AGENTS.md, taki jak Codex CLI, zżera udział w rynku ClaudeCode, podczas gdy udział w rynku Github Copilot raczej nie spadnie ze względu na siłę standardu VSCode. Być może, podczas gdy ClaudeCode V.S. AGENTS.md (Codex CLI) konkuruje o udział w rynku, widzę przyszłość, w której Github Copilot, który ma niewielkie wycieki, zajmie pierwsze miejsce pod względem udziału w rynku. To właśnie czuję. **

https://ai-coding.info/ja/agents

Stan wykorzystania agenta kodującego AI według języka programowania

Język programowania, w którym najczęściej używany jest AI Coding Agent, to „TypeScript”, drugi to „Python”, a trzeci to „Rust”. Trend w tym przypadku pozostaje prawie niezmienny. Druga grupa to Go, C#, Kotlin i Ruby. W tym obszarze rankingi zmieniają się od kilku miesięcy. Jednak w tym miesiącu Go niespodziewanie dogonił Rusta. Jest uczucie.

https://ai-coding.info/ja/agents

Do tej pory pisałem, że AI Coding Agent może nie być zbyt przydatny w Go. Może to wynikać z braku wykorzystania repozytoriów związanych z CNCF. Pisałem o tym już wcześniej, ale teraz, gdy na to patrzę, wydaje mi się, że jest ono coraz częściej wykorzystywane w tego typu obszarach infrastruktury.

Na przykład w sterze przyjęto AGENTS.md.

https://github.com/helm/helm

vittess zaadoptował CLAUDE.md i AGENTS.md.

https://github.com/vitessio/vitess

Ostatnio często słyszę o TiDB w kontekście wielkoskalowego MySQL i widzę ustawienia dla AGENTS.md, CLAUDE.md i GithubCopilot.

https://github.com/pingcap/tidb

https://ai-coding.info/ja/languages/go

Miesięczne trendy w liczbie repozytoriów używanych przez AI Coding Agent

Na dzień 1 grudnia łączna liczba używanych repozytoriów agentów kodujących AI wyniosła 619. Ostatnim razem było 511 przypadków, co oznacza wzrost o 108 przypadków. Myślę jednak, że jest trochę inaczej. Istnieje takie uznanie

Właściwie w poprzednim rozdziale napisałem, że wskaźnik wykorzystania AI Coding Agent wyniósł 4,8%. W tej chwili liczba repozytoriów jest również raportowana w ramach usługi, ale liczba repozytoriów obliczona na podstawie współczynnika wykorzystania AI Coding Agent wynosi 431. W rzeczywistości różni się od 619 powyżej. ** Jest to nieco myląca różnica w regułach agregacji. Myślę, że zrozumiesz na przykładzie.

Repozytorium	Kod Claude'a	Drugi pilot Githuba	Kodeks CLI
	×	×	×
B	〇	×	×
C	×	〇	×
D	×	〇	〇

Jak wspomniano powyżej, istnieją cztery repozytoria od A do D. **A nie korzysta z agenta kodującego AI, więc wskaźnik wykorzystania wynosi 3/4=75%. Liczba używanych agentów kodujących AI w oparciu o stopień wykorzystania wynosi 3. Jednakże wszystkie wykresy skumulowane w tej sekcji są liczone osobno. Dlatego liczba używanych repozytoriów wynosi 4 (D to dwa dla GithubCopilot i CodexCLI). ** Podczas agregowania na podstawie współczynnika wykorzystania liczba wzrośnie tylko o 1, nawet jeśli w jednym repozytorium używanych jest wielu agentów kodujących AI, ale w przypadku metody agregacji opisanej w tej sekcji, jeśli używanych jest wielu agentów kodujących AI, liczba wzrośnie o liczbę agentów kodujących AI. Co to oznacza? Jeśli więc podzielisz 619 obliczone w tej sekcji przez 431 obliczone na podstawie współczynnika wykorzystania, okaże się, że liczba agentów kodujących AI używanych w jednym repozytorium wynosi 1,50. ** W rzeczywistości repozytoria korzystające z **Agenta kodującego AI zwykle korzystają już z wielu agentów kodujących AI. **

myśli

Tym razem hybrydowe wykorzystanie AI Coding Agent. Pisałem o trendach dotyczących repozytoriów korzystających z wielu agentów kodujących AI. Dane przeglądam w ten sposób raz w miesiącu i tym razem ruch związany z Go uważam za obrzydliwy. To był początek. Jak pisałem w artykule, Go ma zaskakująco niewielu użytkowników AI Coding Agent. Zdawałem sobie z tego sprawę, ale tym razem miałem wrażenie, że szybko się rozwija i dogania Rusta. Kopiemy więc trochę głębiej. pomyślałem. Po przejrzeniu kilku znanych repozytoriów znalazłem ustawienia dla wielu agentów kodujących AI, więc zastanawiam się, czy istnieje poważna tendencja do używania wielu agentów kodujących AI. To uczucie stało się silniejsze. Wyjaśniałem już plik AGENTS.md w przeszłości, ale wraz z pojawieniem się trendu w kierunku wspólnych plików reguł będzie wiele przypadków, w których współistnieje wiele plików reguł, takich jak CLAUDECODE.md i AGENTS.md. Była przepowiednia. Zdawałem sobie jednak sprawę, że jest to problem, gdy wzrósł udział AGENTS.md, ale od mniej więcej października znajduje się on w pierwszej trójce, więc mam wrażenie, że stał się obecnością, której nie można zignorować. A kiedy to obliczyłem, okazało się, że to więcej, niż się spodziewałem. Takie było moje wrażenie. W tym artykule, mówiąc prościej, jeśli pobierzesz dwa repozytoria korzystające z AI Coding Agent, pojawią się trzy pliki reguł. W tej sytuacji może być ich całkiem sporo. To było takie uczucie. Kiedy się nad tym zastanowić, wszyscy przywiązują dużą wagę do pliku reguł i chcą go zmienić i ujednolicić. To mocne. Znowu to poczułem.