生成式 AI 技術(shù)爆發(fā)已過去三年，AI 對(duì)開發(fā)者帶來了哪些影響和改變？
Stack Overflow 發(fā)布了 2025 年度的開發(fā)者調(diào)查報(bào)告。
在今年的報(bào)告中，來自 177 個(gè)國家的 4.9 萬多名開發(fā)者參與了調(diào)查。
在這份數(shù)據(jù)翔實(shí)的報(bào)告中，我們看到了在 AI 技術(shù)狂飆突進(jìn)的第三年，技術(shù)世界發(fā)生的真實(shí)巨變。
一方面，AI 工具的普及率已達(dá) 84%，幾乎成為開發(fā)環(huán)境的標(biāo)配；但另一方面，開發(fā)者對(duì) AI 工具的「好感度」，不升反降：
從過去兩年的 70% 以上，滑落至 60%。
在 AI 能力越來越強(qiáng)的當(dāng)下，技術(shù)群體開始集體對(duì) AI「祛魅」，從最初的盲目崇拜開始轉(zhuǎn)向理性審視。
調(diào)試 AI 生成代碼的隱性成本正成為新的痛點(diǎn)；而被寄予厚望的「AI 智能體」，在落地層面仍面臨信任危機(jī)。
與此同時(shí)，Python 借勢(shì)登頂，Docker 成為基礎(chǔ)設(shè)施的「水電煤」，技術(shù)棧的權(quán)力版圖正在重構(gòu)。
以下是對(duì)這份報(bào)告核心內(nèi)容的總結(jié)。
開發(fā)者畫像：高學(xué)歷、年輕化、持續(xù)學(xué)習(xí)者
報(bào)告首先聚焦于開發(fā)者群體本身。
數(shù)據(jù)顯示，76.2% 的受訪者為專業(yè)開發(fā)者。
開發(fā)者的主力軍依然是 25 至 44 歲的中堅(jiān)力量，占比超過 60%。
但在「學(xué)習(xí)者」畫像中，一個(gè)顯著的趨勢(shì)正在形成 —— 高學(xué)歷化。
在今年正在學(xué)習(xí)編程的人群中，已擁有理學(xué)學(xué)士（BS）學(xué)位的比例達(dá)到 30%，較去年的 24% 有明顯提升。
這一數(shù)據(jù)的躍升表明，編程已不再僅僅是進(jìn)入行業(yè)的敲門磚，而成為了職場(chǎng)人士「技能提升（Upskilling）」的關(guān)鍵手段。
無論是為了攻讀更高學(xué)位，還是為了在現(xiàn)有崗位上尋求突破，學(xué)習(xí)編程正成為一種普遍的職業(yè)焦慮與選擇。
這種緊迫感在更廣泛的群體中同樣存在。
高達(dá) 69% 的開發(fā)者表示，他們?cè)谶^去一年中投入了專門的時(shí)間來學(xué)習(xí)新的編碼技術(shù)或編程語言。
而在學(xué)習(xí)路徑的選擇上，技術(shù)人員展現(xiàn)出了極高的專業(yè)素養(yǎng)與務(wù)實(shí)精神。
盡管多媒體教程層出不窮，「技術(shù)文檔（Technical documentation）」依然是首選的學(xué)習(xí)資源。
近 68% 的受訪者在過去一年中使用了技術(shù)文檔。這反映出在解決復(fù)雜工程問題時(shí)，開發(fā)者更傾向于信賴權(quán)威、嚴(yán)謹(jǐn)?shù)囊皇仲Y料，而非快餐式的內(nèi)容。
同時(shí)，AI 本身也成為了學(xué)習(xí)的重點(diǎn)與手段。
超過 36% 的人為了職業(yè)發(fā)展專門學(xué)習(xí)了如何使用「AI 賦能工具」。而「AI 驅(qū)動(dòng)的工具和應(yīng)用程序」，也以 52% 的使用率，成為人們了解人工智能最主流的方式。
以上調(diào)研數(shù)據(jù)顯示，開發(fā)者是一個(gè)即便在 AI 輔助下，依然需要持續(xù)高強(qiáng)度學(xué)習(xí)的群體。
技術(shù)棧大洗牌：Python「借勢(shì)」登頂，Docker 成「水電煤」
技術(shù)的演進(jìn)，往往伴隨著工具權(quán)力的更迭。
在編程語言領(lǐng)域，Python 無疑是今年的最大贏家。
在經(jīng)歷了十多年的穩(wěn)步增長(zhǎng)后，Python 的使用率在今年實(shí)現(xiàn)了加速躍升，增長(zhǎng)了 7 個(gè)百分點(diǎn)，達(dá)到 57.9%。
其背后的驅(qū)動(dòng)力顯而易見：AI、數(shù)據(jù)科學(xué)與后端開發(fā)的深度融合。
Python 已不僅僅是一門腳本語言，它成為了連接算法與工程的通用語言，是通往智能時(shí)代的入場(chǎng)券。
在基礎(chǔ)設(shè)施層面，Docker 的統(tǒng)治力進(jìn)一步鞏固。
從 2024 年到 2025 年，Docker 的使用率驚人地增長(zhǎng)了 17 個(gè)百分點(diǎn)，達(dá)到 71.1%，這是所有受訪技術(shù)中單年增幅最大的。
這一數(shù)據(jù)標(biāo)志著容器化技術(shù)已從「流行工具」徹底轉(zhuǎn)化為「行業(yè)標(biāo)準(zhǔn)」。在現(xiàn)代軟件交付鏈條中，Docker 已如水電煤般不可或缺。
此外，Redis 的使用率增長(zhǎng)了 8%。
隨著應(yīng)用架構(gòu)日益復(fù)雜，對(duì)高并發(fā)、低延遲的需求激增，Redis 作為高速「內(nèi)存緩存（in-memory caching）」和數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)的重要性愈發(fā)凸顯。
在 Web 框架領(lǐng)域，F(xiàn)astAPI 增長(zhǎng)了 5 個(gè)百分點(diǎn)，這標(biāo)志著利用 Python 構(gòu)建高性能 API 已成為強(qiáng)勁趨勢(shì)，進(jìn)一步印證了 Python 生態(tài)系統(tǒng)的整體繁榮。
而在開發(fā)環(huán)境（IDE）的競(jìng)爭(zhēng)中，盡管各類 AI 原生編輯器試圖通過訂閱制分一杯羹，但 Visual Studio 和 Visual Studio Code 依然憑借強(qiáng)大的生態(tài)壁壘穩(wěn)居榜首。
連續(xù)四年衛(wèi)冕，證明了「通用 IDE+ 插件擴(kuò)展」的模式，目前仍是滿足開發(fā)者多樣化需求的最佳解。
在開發(fā)者最喜歡的 AI 編程大模型的選擇上，Anthropic 的 Claude Sonnet 是今年最受推崇的大語言模型，同時(shí)在最想嘗試使用的模型中排名第二（33%）。
AI 普及的另一面：84% 的人在用，但信任危機(jī)開始浮現(xiàn)
關(guān)于 AI 工具的滲透率，數(shù)據(jù)給出了毫無懸念的答案。
84% 的受訪者正在使用或計(jì)劃使用 AI 工具，較去年進(jìn)一步提升。其中，51% 的專業(yè)開發(fā)者已將其融入日常工作流。
然而，在普及率新高的背后，信任危機(jī)正在浮現(xiàn)。
報(bào)告顯示，開發(fā)者對(duì) AI 工具的正面情緒，從前兩年的 70% 以上，回落至 60%。
為何用得多了，好感度反而降了？
核心原因在于：AI 產(chǎn)出的「似是而非」，帶來了額外的認(rèn)知負(fù)荷。
66% 的開發(fā)者指出，他們最大的挫折在于處理那些「幾乎正確，但又不完全正確」的 AI 解決方案。
這種隱蔽的錯(cuò)誤，往往比明顯的 Bug 更難發(fā)現(xiàn)。
隨之而來的是第二大痛點(diǎn)：45% 的人認(rèn)為，調(diào)試 AI 生成的代碼比自己編寫還要耗時(shí)。
這揭示了一個(gè)被忽略的成本：AI 雖然降低了代碼生成的門檻，卻抬高了代碼審查與調(diào)試的成本。
信任度的數(shù)據(jù)更加令人警惕。
明確表示「不信任」AI 準(zhǔn)確性的開發(fā)者遠(yuǎn)多于「信任」的開發(fā)者，而表示「高度信任」的僅占 3.1%。
尤其是在經(jīng)驗(yàn)豐富的開發(fā)者群體中，「高度不信任」的比例高達(dá) 20%。
這種謹(jǐn)慎在具體應(yīng)用場(chǎng)景中表現(xiàn)得尤為明顯。
在「部署和監(jiān)控」「項(xiàng)目規(guī)劃」等高責(zé)任、系統(tǒng)性的任務(wù)中，開發(fā)者表現(xiàn)出了強(qiáng)烈的抵觸情緒。
76% 的人不計(jì)劃在部署監(jiān)控環(huán)節(jié)使用 AI，69% 的人拒絕在項(xiàng)目規(guī)劃中使用 AI。
這表明，在涉及系統(tǒng)穩(wěn)定性與架構(gòu)決策的關(guān)鍵環(huán)節(jié)，人類開發(fā)者依然傾向于相信自己的判斷與經(jīng)驗(yàn)。
智能體迷思：概念很豐滿，落地很骨感
「AI 智能體（AI Agents）」，即能夠自主決策、執(zhí)行任務(wù)的軟件實(shí)體，被譽(yù)為繼大模型之后，生成式 AI 的第二波浪潮，也是今年的行業(yè)熱詞。
但 Stack Overflow 的數(shù)據(jù)給這股熱潮潑了一盆冷水：
AI 智能體尚未成為主流。
52% 的開發(fā)者表示，他們要么完全不使用智能體，要么僅停留在簡(jiǎn)單的 AI 工具層面。另外近 38% 的人明確表示沒有采用計(jì)劃。
如果你恰好在工作中使用 AI 智能體，并且你是一名軟件開發(fā)者，那么你很可能正在將這些智能體用于軟件開發(fā)（約占被調(diào)研者的 84%）。
阻礙智能體落地的最大障礙，依然是準(zhǔn)確性與安全性。
87% 的受訪者對(duì)智能體的準(zhǔn)確性表示擔(dān)憂，81% 的人擔(dān)心數(shù)據(jù)安全與隱私問題。
在企業(yè)級(jí)應(yīng)用中，將業(yè)務(wù)邏輯交給一個(gè)不可控的「黑盒」自主運(yùn)行，顯然還面臨巨大的合規(guī)與風(fēng)控挑戰(zhàn)。
當(dāng)然，先行者們正在探索。
目前，智能體編排領(lǐng)域由開源工具主導(dǎo)。Ollama（51.1%）和 LangChain（32.9%）是使用率最高的框架。
在數(shù)據(jù)存儲(chǔ)層面，Redis（43%）再次展現(xiàn)了其靈活性，被廣泛用于智能體的記憶管理。同時(shí)，ChromaDB（20%）和 pgvector（18%）等向量原生數(shù)據(jù)庫也開始占據(jù)一席之地。
而在可觀測(cè)性（Observability）領(lǐng)域，開發(fā)者們傾向于復(fù)用現(xiàn)有的 DevOps 工具鏈。
Grafana+Prometheus 的組合被 43% 的智能體開發(fā)者采用。這說明，在監(jiān)控 AI 行為時(shí)，傳統(tǒng)的運(yùn)維監(jiān)控邏輯依然有效。
至于「開箱即用」的 AI 輔助工具，ChatGPT（81.7%）和 GitHub Copilot（67.9%）憑借先發(fā)優(yōu)勢(shì)和強(qiáng)大的模型能力，依然是大多數(shù)開發(fā)者的首選入口。
拒絕「氛圍編碼」，人類成了最終的「把關(guān)人」
報(bào)告的最后，探討了一個(gè)更為本質(zhì)的問題：人機(jī)關(guān)系。
近期，「氛圍編碼 / 編程（Vibe coding）」一詞在網(wǎng)絡(luò)上流行，意指通過提示詞讓 LLM 生成軟件，只求結(jié)果，不求甚解。
但調(diào)研顯示，絕大多數(shù)開發(fā)者（72.2%）并未參與這種非嚴(yán)謹(jǐn)?shù)拈_發(fā)模式，另有 5% 的人強(qiáng)調(diào)這不屬于專業(yè)工作范疇。
這表明，工程嚴(yán)謹(jǐn)性依然是專業(yè)開發(fā)者的底線。
2025 年的開發(fā)者調(diào)查報(bào)告，讓我們對(duì)于 AI 技術(shù)革命有了一個(gè)更加清醒的認(rèn)知。
恐懼和盲目崇拜已成過去，理性實(shí)用主義逐漸成為主流。
在技術(shù)快速迭代的 AI 時(shí)代，保持清醒，持續(xù)學(xué)習(xí)，或許才是每個(gè)人最為明智的生存法則。
參考資料：
https://survey.stackoverflow.co/2025/
本文來自微信公眾號(hào)：新智元（ID：AI_era） 原文標(biāo)題：《66% 的程序員被 AI 坑慘！改 bug 比自己寫還花時(shí)間》
廣告聲明：文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。