Dlaczego entuzjaści inteligentnych okularów stworzyli AI Coding.Info ~Podsumowanie trendów w kodowaniu AI w sierpniu 2026 r. na podstawie danych~
autor: @kotauchisunsun
Data wydania: 2026/09/29
Trendy w agentach kodujących AI w sierpniu 2026 r
Od lipca 2025 roku prowadzimy witrynę o nazwie AI Coding.Info.
Jest to witryna, która obserwuje trendy użytkowania związane z agentami kodującymi AI, takimi jak Claude Code, Codex CLI, Github Copilot i Gemini, 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.
Trendy z ostatniego miesiąca
https://ai-coding.info/reports/articles/20260812
Wskaźnik wykorzystania agenta kodującego AI wynosi 13,9%
Współczynnik wykorzystania repozytorium AI Coding Agent wyniósł 13,9%, co oznacza wzrost o 0,9% w porównaniu z 13,0% ostatnim razem.
Wskaźnik wykorzystania agenta kodującego AI na dzień 1 września 2026 r
https://ai-coding.info/?date=2026-09-01#adoption-rate
Wskaźnik wykorzystania agenta kodującego AI w dniu 1.08.2026 r
https://ai-coding.info/?date=2026-08-01#adoption-rate
Trendy we wskaźniku wykorzystania Agenta kodującego AI od 1 sierpnia 2026 r. do 1 września 2026 r.
https://ai-coding.info/?date=2026-09-01&since=2026-08-01&until=2026-09-01#share-trend
Udział agenta kodującego AI według produktu
Udział według produktów jest następujący.
| Ranking | Nazwa produktu | Kurs akcji |
|---|---|---|
| 1 miejsce | Kodeks CLI | 42,3% |
| 2. miejsce | Kod Claude'a | 32,0% |
| 3 miejsce | Agent drugiego pilota | 14,4% |
| 4 miejsce | Bliźnięta CLI | 4,9% |
| 5 miejsce | Kursor | 4,0% |
Kurs akcji AI Coding Agent na dzień 1 września 2026 r
https://ai-coding.info/?date=2026-09-01&since=2026-08-01&until=2026-09-01#agent-share
Kurs akcji AI Coding Agent na dzień 8.01.2026
https://ai-coding.info/?date=2026-08-01&since=2026-08-01&until=2026-09-01#agent-share
Stan wykorzystania agenta kodującego AI według języka programowania
Język programowania, w którym najczęściej używany jest AI Coding Agent to „TypeScript”, drugi to „Rust”, trzeci to „Python”, czwarty to „Go”, a piąty to „C#”.
Ranking agentów kodujących AI według języka programowania, stan na 1 września 2026 r
https://ai-coding.info/?date=2026-09-01&since=2026-08-01&until=2026-09-01#language-agent-rank
Ranking agentów kodujących AI według języka programowania na dzień 2026/8/1
https://ai-coding.info/?date=2026-08-01&since=2026-08-01&until=2026-09-01#language-agent-rank
Miesięczne trendy w liczbie repozytoriów używanych przez AI Coding Agent
Liczba repozytoriów wynosiła 1940 na dzień 1 sierpnia 2026 r., ale wzrosła do 2069 na dzień 1 września 2026 r., co oznacza wzrost o 129 repozytoriów korzystających z agenta kodowania AI.
Zmiany w liczbie repozytoriów wykorzystujących AI Coding Agent od 2026.8.1 do 2026.09.1
https://ai-coding.info/?date=2026-08-01&since=2026-08-01&until=2026-09-01#time-based-bar-chart
Dlaczego entuzjaści inteligentnych okularów stworzyli AI Coding.Info
Informacje o inteligentnych okularach zazwyczaj udostępniam na moim kanale YouTube o nazwie „Kotauchi Planning”.
Podcast „Kotauchi's Mirai's Glasses” jest również aktualizowany co tydzień.
Co tydzień publikujemy także cotygodniowy artykuł zatytułowany „World Smart Glasses News”.
https://note.com/kotauchisunsun/m/mf522aa5d3efd
Dlaczego taka osoba stworzyła witrynę w celu zbadania trendów użytkowania AI Coding Agent? Tym razem opowiem o tym jak zacząłem tworzyć AI Coding.Info. Na pierwszy rzut oka wydaje się, że to inna dziedzina, ale punktem wyjścia był
„Chcę usprawnić tworzenie oprogramowania dla inteligentnych okularów dzięki mocy sztucznej inteligencji”
To właśnie czułem. Około stycznia 2025 r. tworzyłem oprogramowanie do jednoocznych inteligentnych okularów LILYGO o nazwie „T-Glass”.
T-Glass jest wyposażony w ESP32 i pisałem program, który będzie na nim działał. W tamtym czasie uważałem, że szczególnym wyzwaniem był czas potrzebny na zbudowanie i zapis na rzeczywistym urządzeniu. Nawet jeśli trochę zmieniłeś program, musiałeś go zbudować, zapisać na rzeczywistej maszynie i sprawdzić działanie. W moim środowisku programistycznym cały ten proces był czasochłonny, co utrudniało zwiększenie liczby prób i błędów. Dlatego pomyślałem o sposobie umieszczenia silnika JavaScript „QuickJS” na ESP32. Istniał już precedensowy przypadek, w którym QuickJS został przeniesiony do ESP32, więc pomyślałem o wykorzystaniu tego.
https://qiita.com/binzume/items/f04d3b1b06cd0f7d3111
https://github.com/binzume/esp32quickjs
Pomysł jest taki, że jeśli najpierw przygotujesz środowisko do uruchomienia skryptu, możesz zmienić zachowanie, zastępując kod JavaScript.
ESP32 może także łączyć się z Wi-Fi. Napisałem więc kod w TypeScript, którego zwykle używam, przetranspilowałem go na JavaScript i umieściłem na serwerze plików. Stworzyliśmy przepływ, w którym po naciśnięciu przycisku na T-Glass kod JavaScript umieszczony na serwerze jest pobierany przez Wi-Fi i wykonywany za pomocą QuickJS. Udało mi się samodzielnie uruchomić ten przepływ pracy.
Jeśli zmiana następuje po stronie JavaScript, nie ma potrzeby budowania i przepisywania całego oprogramowania. Naszym celem było stworzenie środowiska programistycznego, w którym moglibyśmy wielokrotnie sprawdzać rzeczywiste urządzenia w krótkim cyklu, korzystając z typów TypeScript.
Pozwól AI „użyć jednej implementacji jako modelu”
Jednak to, że JavaScript działa, nie oznacza, że możesz swobodnie tworzyć aplikacje na inteligentne okulary. Na przykład, aby obsługiwać GUI z poziomu JavaScript, konieczne jest zaimplementowanie części mostkowej łączącej QuickJS z biblioteką GUI po stronie języka C. Aby to napisać, musiałem zrozumieć, jak działa QuickJS, jak korzystać z bibliotek GUI i jak przekazywać wartości pomiędzy JavaScript i C. W tamtym czasie sztuczna inteligencja nie była jeszcze tak mądra, więc próbowałem ją wdrożyć samodzielnie, ale wymagało to dużej wiedzy i dość trudno było rozszerzyć podobne przetwarzanie na inne funkcje. W tym celu wykorzystaliśmy agenta kodującego AI. W tym czasie korzystałem z Roo Code. Najpierw napisałem część pomostową dla jednej funkcji, użyłem jej jako próbki i poprosiłem sztuczną inteligencję o rozszerzenie podobnych implementacji na inne funkcje. Zamiast zostawiać wszystko sztucznej inteligencji, możesz sam przedstawić politykę wdrożenia i przykład, a następnie poprosić użytkownika o odpowiednie kontynuowanie pracy. Ta próba rozwoju ostatecznie nie doprowadziła do realizacji całej koncepcji. Powodem jest to, że JavaScript i język C mają bardzo różne podstawowe filozofie. Barierą staje się na przykład użycie wskaźników. Nawet jeśli przeniesiesz funkcje LovyanGFX, biblioteki GUI powszechnie używanej w serii ESP32, w takiej postaci, w jakiej są, staną się one zbiorem wskaźników, więc jak powinieneś sobie z nimi radzić za pomocą JavaScript? stało się problemem. Dlatego samo przeniesienie funkcji LovyanGFX było trudne do zauważenia w JavaScript i myślę, że potrzebna była jakaś warstwa abstrakcji. Poczułem jednak ogromny potencjał w możliwości stworzenia pojedynczego przykładu implementacji, a następnie na jego podstawie zwiększenia liczby odpowiednich funkcji. Tworząc oprogramowanie samodzielnie, zamiast pisać wszystko samodzielnie, możesz zwiększyć liczbę części, które można pozostawić sztucznej inteligencji. W tym celu doszedłem do wniosku, że muszę kontynuować naukę o Agencie Kodującym AI.
„Czego powinienem użyć”, które zmienia się co tydzień
Z drugiej strony trudno nam było dotrzymać kroku agentowi kodującemu AI. W tamtym czasie (początek 2025 r.) gorącym tematem były agenty kodujące AI używane jako rozszerzenia VS Code, takie jak Cline i Roo Code. Było wiele innych opcji, w tym Devin i OpenHands, do których wcześniej przyczyniłem się. Informacje o nowych narzędziach i funkcjach pojawiały się jedna po drugiej, a pytanie „z czego mam teraz skorzystać” było aktualizowane co tydzień. Ja sam goniłem za informacjami i wypróbowywałem różne narzędzia, ale czułem się zmęczony ciągłym robieniem tego. Poza tym, mimo że udało mi się wypróbować popularne narzędzie, nie miałem jasnej podstawy do podjęcia decyzji, dlaczego powinienem je wybrać. Jest to kompozycja, na którą wpływa tak zwany sklep z niespodziankami AI. Chcę wybierać narzędzia, z których korzystam, nie tylko na podstawie zapowiedzi nowych funkcji czy ich reputacji, ale także aktualnej sytuacji. Chcieliśmy wykorzystać pierwotne informacje jako podstawę do podejmowania decyzji, a nie tylko informacje marketingowe. To co zauważyłem to to
„Którzy agenci kodujący AI znajdują się w publicznych repozytoriach GitHub?”
To właśnie oznacza.
Obserwuj trendy użytkowania w stałych punktach, aby móc dokonać własnego osądu
Następnie w lipcu 2025 r. wydano AI Coding.Info. Stworzyliśmy witrynę, aby sprawdzić, czy w publicznym repozytorium GitHub znajduje się plik reguł używany przez każdego agenta kodowania AI i codziennie rejestrować wyniki. Oczywiście metoda ta sprawdza jedynie czy plik reguł znajduje się w repozytorium. Nie mierzy rzeczywistej częstotliwości użycia ani jakości wygenerowanego kodu i nie obejmuje przypadków, w których reguły są używane bez pliku reguł. Mimo to, jeśli będziesz kontynuować obserwację przy użyciu tej samej metody, będziesz w stanie zobaczyć zmiany, takie jak to, które narzędzia obsługują więcej plików reguł i które języki programowania są wprowadzane coraz częściej. To, że narzędzie jest często używane, nie oznacza, że jest dla Ciebie najlepszym narzędziem. Jednak zamiast tylko podążać za napływającymi jedna po drugiej informacjami, pomyślałem, że zmiany, które widzę w publicznym repozytorium mogę wykorzystać jako jedną z rzeczy, które pomogą mi w podejmowaniu decyzji. Również,
Jestem pewien, że nie jestem jedynym, który jest zmęczony śledzeniem informacji AI
Ja też się tak czułem. Poczułem też, że publikowanie danych, które sam wyszukałem, może okazać się pomocne dla innych, którzy mają podobne wątpliwości co do wyboru narzędzia. AI Coding Agent jest również używany do rozwoju samego AI Coding.Info. Prototyp powstał w około dwa tygodnie i od tego czasu kontynuujemy wprowadzanie modyfikacji metodą prób i błędów. Kontynuowaliśmy stałą obserwację trendów użytkowania, a od jego wydania minął około rok. Pierwotnie nie chciałem wypróbowywać każdego nowego agenta kodującego AI, ale samodzielnie efektywnie opracowywać oprogramowanie dla inteligentnych okularów. W tym celu chciałbym otrzymać wsparcie ze strony AI. Chcieli także informacji, które pomogłyby im w podjęciu decyzji, którego agenta kodującego AI użyć. Wykorzystaj sztuczną inteligencję do tworzenia oprogramowania dla inteligentnych okularów i utwórz AI Coding.Info jako podstawę do podjęcia decyzji, której sztucznej inteligencji użyć. Dlatego ja, entuzjasta inteligentnych okularów, zacząłem tworzyć tę stronę.