数据说明本文所有数字均来自 Stack Overflow 2025 Developer Survey。该调查使用了 49,009 份、来自 177 个国家的回复问卷时间为 2025 年 5 月 29 日至 6 月 23 日。受访者主要来自 Stack Overflow 自有渠道因此这份报告的数据所呈现的是高参与度开发者群体的信号而不是全行业“人口普查”。在 2026 年的报告发布前这是开发者社区中该领域内权威性和覆盖面最佳的调研报告其中呈现的规律值得我们关注。一、理想已经进入日常AI 不再是小众试验如果只看采用率AI 已经越过了“是否要试”的阶段。报告显示84% 的受访者正在使用或计划使用 AI 工具高于上一年的 76%。在所有受访者中47.1% 每天使用 AI 工具职业开发者更高每天使用比例为 50.6%报告正文四舍五入称为 51%。更有意思的是分层差异。学习编程者注参考 Stack Overflow 其他报告的口径这类人群不单包含学生还有处在自学状态、为成为开发者做准备的非开发人员等每天使用 AI 的比例为 39.5%低于职业开发者职业开发者内部早期职业开发者也就是 1-5 年经验者每天使用比例最高达到 55.6%5-10 年经验者为 52.8%10 年以上经验者为 47.3%。这说明 AI 的高频使用并不是“新手专属”反而在已经进入职业开发流程、但仍需要大量完成具体开发任务的人群中最强。不过资深开发者并没有退出 AI。10 年以上经验者中47.3% 每天使用17.2% 每周使用13.0% 每月或低频使用。现实不是“资深开发者不用 AI”而是他们更可能把 AI 放在可控边界内使用。二、现实也很清楚使用率上升信任度没有同步上升AI 的理想是“提高效率、降低门槛、自动完成开发任务”。但报告显示开发者对 AI 的情绪正在降温。2023 年和 2024 年对 AI 工具持正面态度的比例都超过 70%2025 年降到约 60%。职业开发者整体好感度为 61%学习编程者为 53%。从经验层级看1-5 年职业开发者对 AI 的正面态度为 63.1%5-10 年为 62.7%10 年以上为 59.9%。也就是说越资深并不是越反 AI但确实更冷静。真正拉开差距的是“是否相信输出准确”。所有受访者中信任 AI 输出准确性的比例约为 33%主动不信任的比例约为 46%“高度信任”的人只有约 3%。学习编程者相对更愿意相信信任比例为 37.4%不信任比例为 43.8%。职业开发者信任比例为 32.4%不信任比例为 45.9%。10 年以上经验者最谨慎高度信任只有约 2.6%高度不信任约 20%。这对 IT 决策者很关键AI 工具不是没人用而是大家边用边怀疑。采购成功不等于落地成功日活也不等于信任已经建立。三、复杂任务是理想与现实的分界线当任务复杂度上升AI 的短板会迅速暴露。职业开发者中只有 29.0% 认为 AI 处理复杂任务表现“很好”或“好但不完美”认为“差”或“很差”的比例为 41.4%。学习编程者相对乐观认为表现好的比例为 33.7%认为差的比例为 35.3%。职业开发者内部也有差异。1-5 年经验者认为 AI 处理复杂任务表现好的比例为 32.1%5-10 年为 29.5%10 年以上为 27.1%。资深开发者的正面评价最低这并不奇怪复杂任务往往牵涉上下文、架构约束、线上风险、团队约定和长期维护成本而这些正是经验最容易识别的部分。开发者遇到的具体挫败也印证了这一点。66% 的受访者遇到过“AI 方案几乎正确但还差一点”的问题45% 认为调试 AI 生成代码更耗时20% 表示自己对解决问题的信心下降16% 觉得很难理解代码为什么这样工作。只有 4% 表示没有遇到问题。这就是当前 AI 的典型现实。它能显著降低初稿成本但经常把成本转移到验证、调试、解释和责任承担上。四、AI 更适合参与流程不适合独自接管责任从开发流程看开发者最愿意把 AI 用在低风险、局部、可复核的任务上。当前“主要由 AI 完成”的任务中搜索答案是最高的为 54%生成内容或合成数据为 36%学习新概念或新技术为 33%审查代码为 31%。相比之下主要由 AI 写代码的比例只有 17%主要由 AI 做部署和监控只有 6%。“部分使用 AI”的场景更能代表现实开发写代码为 59%搜索答案为 56%学习新技术为 47%调试或修复代码为 47%。这说明 AI 正在成为开发过程中的辅助层而不是完整替代开发者的执行主体。开发者最抗拒的是高责任、系统性任务。76% 没有计划采用 AI 做部署和监控69% 不准备用 AI 做项目规划66% 不准备用 AI 做预测分析59% 不准备用 AI 做提交和代码审查44% 不准备用 AI 做测试。换句话说越接近生产系统、组织决策和质量责任开发者越不愿意让 AI 独立上场。“Vibe coding”也没有成为主流。报告中 72% 的受访者明确表示它不是自己专业开发工作的一部分另有 5% 强烈否认。真正明确回答“Yes”的比例为 11.9%“Yes, somewhat”为 2.8%“I have tried it”为 2.1%。这说明用提示词生成软件的叙事很热但在专业开发现场仍远未成为主流工作方式。五、AI Agent 的理想更大但现实更早期如果普通 AI 编程助手的理想是“帮我写”AI Agent 的理想则是“替我做”。但报告显示Agent 还没有进入主流。所有受访者中每天使用 AI Agent 工作的比例为 14.1%每周 9.0%每月或低频 7.8%合计约 30.9%。同时37.9% 明确不计划使用13.8% 只使用 copilot/autocomplete 这类更简单的 AI 模式。报告正文把这两类合计概括为 52%。职业开发者的 Agent 使用略高每天 14.9%每周 9.2%每月或低频 7.7%合计约 31.9%。学习编程者为约 28.3%且 44.1% 不计划使用。即便只看已经使用 AI 的职业开发者Agent 的实际使用也只是 37.3%仍有 27.8% 不计划使用。Agent 的收益主要体现在个人效率而不是团队协作。Agent 用户中约 70% 认同它减少了特定开发任务耗时69% 认同它提高了生产力64% 认同它帮助自动化重复任务63% 认同它加速学习新技术或代码库。但只有 37% 认同它提高了代码质量只有 17% 认同它改善了团队协作。风险侧更直白87% 的受访者担心 AI Agent 提供信息的准确性81% 担心安全和隐私53% 认为成本是障碍46% 认为与现有工具和工作流集成困难43% 认为需要显著时间和精力学习如何有效使用。这对企业落地很重要。Agent 不是“买来就能替代流程”的产品而是一个需要权限、上下文、审计、成本控制和安全边界的工程系统。六、不同水平开发者使用的 AI 生态也不一样大模型使用上OpenAI GPT 在各层级都占据明显优势所有受访者为 81.4%职业开发者为 81.9%学习编程者为 81.8%。但第二梯队开始分化。职业开发者使用 Claude Sonnet 的比例为 44.9%学习编程者为 29.8%。学习编程者则更高比例使用 Gemini Flash、OpenAI Reasoning 和 DeepSeek ReasoningGemini Flash 在学习编程者中为 42.6%职业开发者为 34.4%OpenAI Reasoning 分别为 41.1% 和 34.1%DeepSeek Reasoning 分别为 37.6% 和 21.9%DeepSeek General 分别为 25.5% 和 13.1%。这提醒决策者组织内的“AI 工具栈”不应只按品牌偏好制定。职业开发、学习探索、代码生成、搜索问答、Agent 编排背后的工具组合可能不同。报告也显示在现成 Agent/助手工具中ChatGPT 为 82%GitHub Copilot 为 68%Google Gemini 为 47%Claude Code 为 41%Microsoft Copilot 为 31%。而在 Agent 编排工具中Ollama 为 51%LangChain 为 33%在 Agent 可观测性和安全工具中Grafana Prometheus 为 43%Sentry 为 32%。这说明很多开发者并不是完全迁移到全新的 AI-native 平台而是在复用已有开发与运维工具。七、人的角色没有消失反而变成质量边界**报告问到如果未来 AI 能完成大多数编码任务开发者什么时候仍然会向人求助最高选项是“不信任 AI 答案时”比例为 75.3%其次是有伦理或安全担忧时为 61.7%想完全理解某件事时为 61.3%想学习最佳实践时为 58.1%卡住且说不清问题时为 54.6%需要修复复杂或陌生代码时为 49.8%。认为“以后不再需要向人求助”的比例只有 4.3%。这组数据给出了当前 AI 的边界AI 可以生成、解释、建议、加速但开发团队仍然需要人来判断正确性、安全性、上下文和责任。开发者对职业威胁的看法也偏谨慎而非恐慌64% 认为 AI 不是自己当前工作的威胁21% 不确定15% 认为是威胁。不过认为“不是威胁”的比例已从上一年的 68% 降到 64%信心确实在松动。给 IT 决策者的结论第一AI 已经是开发能力的一部分不再只是创新小组的试验项目。早期和中期职业开发者每天使用比例超过 50%资深开发者也有接近一半每天使用。组织需要把 AI 纳入正式工程实践而不是只靠个人自发使用。第二不要把使用率误读为信任度。开发者一边高频使用一边对准确性保持怀疑。准确性不信任、复杂任务表现不足、“差一点就对”的输出和调试成本是当前最核心的现实问题。第三落地优先级应从低风险高频任务开始搜索答案、学习新技术、生成初稿、文档、局部调试、部分写代码。这些场景能释放效率同时便于人类复核。部署监控、项目规划、预测分析、代码审查等高责任任务需要更强治理后再推进。第四AI Agent 要按工程系统管理而不是按聊天工具管理。准确性、安全隐私、成本、集成和学习成本都是报告中已经被开发者明确指出的问题。没有权限模型、审计、可观测性、回滚和责任归属Agent 很难进入关键流程。第五最有效的组织方式不是让 AI 替代高级开发人员而是让高级开发人员定义边界、评审关键输出、沉淀最佳实践并帮助高频使用 AI 的早期和中期开发者把效率转化为可靠交付。一句话概括2025 年的 AI 已经跨过“采用门槛”但还没有跨过“信任门槛”。它的理想是自动化开发现实是增强开发者它能加速很多工作但越接近复杂性、质量和责任人类判断越不可替代。