GitHub CEO：未来程序员像指挥家，统领一支AI团队

see122

随着生成式 AI 的迅猛崛起，全球正经历一场前所未有的产业与职业重塑。“AI 会不会取代程序员？”这已成为开发者群体最常探讨的问题之一。自动写作、AI绘图、代码生成等工具的飞速迭代，让这个职业群体不少人产生前途未卜的焦虑：未来自己是否还有立足之地？尤其在软件开发领域，GitHub Copilot、ChatGPT 等智能体工具的出现，更被视为可能“颠覆”程序员岗位的标志性信号。

近日，全球最大的代码托管服务平台GitHub首席执行官托马斯·多姆克（Thomas Dohmke）做客播客节目《Eye on AI》，探讨了AI如何永远改变了编程领域。多姆克表示：AI 并不是来取代程序员，而是正在帮助开发者进化为“智能体指挥官”。在他看来，软件开发的未来将是人与智能体深度协作的时代。

以下为多姆克分享的核心观点：

<ol>

AI技术正帮助重构编程范式，GitHub Copilot已帮助生成46%的代码行，自然语言正成为“通用编程语言” 。

智能体协作革命即将到来，GitHub从“人与人协作”转向“人与智能体协作” ，并推出编程、审查、修复三类智能体。

开发者角色将演变为 “智能体指挥官” ，核心能力转为任务拆解、需求描述和AI协作决策。

GitHub的愿景是将开发者从1.5亿扩展到10亿人，让人人都能学会写代码，成为软件的创造者而非消费者。

未来开发者可自由切换GPT、Claude等AI模型，而且切换另一个模型重新尝试的成本非常低。

AI 不会取代开发者，而是加速他们的工作并激发更多人参与软件创作。未来，开源文化持续推动全球开发者跨越国界协作，形成更强大的创新网络。
</ol>

以下为多姆克最新对话精华内容：

01 GitHub不止是代码库，还是开发者之家

问：每次提到GitHub，我认为它早已超越了“代码仓库（Code Repository，即用于存储、管理和跟踪项目代码变更的系统化存储空间）”的简单定义。你能简要回顾下GitHub的发展历程吗？

多姆克：GitHub从一开始就不只是个“仓库”。虽然仓库是基础功能，但它真正革新了开发者的协作方式。2007年10月，几位创始人开始开发这个项目。有趣的是，后来我们制作纪念海报时，列出了最早期的10条提交记录——当时他们完全没想到这个项目会变得如此重要。2008年初GitHub正式发布，最早的用户主要来自Ruby on Rails社区，因为创始团队本身就来自这个旧金山的开发者圈子。

最初GitHub确实是个代码托管平台，但很快就推出了划时代的“拉取请求”（pull request）功能。其实光是仓库功能在当时就很超前：开发者可以直接在网页上浏览代码、查看文件历史，这种体验在2008年堪称革命性。简洁高效的操作吸引了大批开发者入驻，GitHub随后又陆续加入了问题追踪等功能，让协作变得更加顺畅。

现在来看，GitHub最特别的地方在于：它模糊了不同类型开发者之间的界限。无论是开源贡献者、商业开发者，还是创业公司或个人项目，大家的开发流程其实都很相似。很多时候，做开源项目、业余项目、创业项目和工作项目的，其实是同一个人在不同时期的身份切换。看看开发者的GitHub主页就会发现，上面往往记录着各种类型的项目，这正是现代开发者多元化的写照。

问：在GitHub之前，开发者们把代码放在哪儿？

多姆克：这个问题说来很有趣。最原始的做法就是直接在电脑上建文件夹，比如命名为V1、V2或者加个日期。但不出三天准乱套——要么忘记更新版本，要么想回退时找不着需要的代码。说实话，即使今天，依然有很多新手还在使用这种土办法。

事实上，版本控制的发展史能写本书。最早流行的代码版本控制软件是CVS，后来被Subversion（SVN）取而代之，当时大家都把代码放在SourceForge（早期托管开源软件的网站）上。Git（分布式版本控制系统）的诞生要感谢Linux内核团队，连Linux之父林纳斯·托瓦兹（Linus Torvalds）都亲自下场开发。那时候还有个叫Mercurial的竞争对手，不过最后还是Git笑到了最后。

有意思的是，2008年GitHub刚上线时，没人敢打包票Git能成为主流。最早那批用户基本都是SourceForge和SVN的老用户转过来的。直到现在，我们还经常要帮人把SVN（Subversion的缩写，版本控制系统）的老仓库往GitHub上搬。

问：能否用通俗语言解释Git和GitHub的区别？特别是GitHub的创新点在哪里？

多姆克：我们可以这样理解：Git就像是一个智能记事本，它能记住你对代码文件（其实就是文本文件）做的每一次修改。简单来说，想象一下你在写文章时，Git会自动保存每个版本，随时可以回看或恢复。现在很多办公软件（Google Docs）也有类似功能，但在Git出现前这可是个创举。

Git最厉害的是它的“去中心化”特性。这意味着，每个开发者电脑上都有完整的代码库副本，包括所有修改记录。而GitHub就像是个“代码会所”，把这些分散的副本汇聚在一起。你可以把我的修改“拉”过去，我也可以把我的更新“推”给你，大家就能愉快地一起写代码了。

而GitHub这个名字就暗示了它的定位——给这些分散的代码库安个家。虽然我们总说去中心化好，但代码总得有个可靠的存放地。所以我们把GitHub打造成“开发者之家”，让大家能在这里协作交流。

02 未来程序员像指挥家，统领一支AI团队

问：你的儿子多大了？是你教他们编程的，还是他们自学的？

多姆克：他们分别是13岁和10岁。他们学习编程的路径很有意思。在前几年的疫情期间，我鼓励他们从打字软件开始练习，现在他们打字速度都超过我了。后来他们接触了MIT的Scratch和乐高Mindstorms这类图形化编程工具，通过拖拽逻辑模块就能完成编程。

大儿子在学校学了Python，小儿子完全靠自学。这让我想起20世纪90年代自己学编程的经历，只不过那时我只能靠书籍杂志，而他们现在有整个互联网的资源。即使没有AI，遇到问题时，他们会上YouTube找教程，比如用Python和PyGame制作游戏动画。

有趣的是，他们还通过YouTube视频自学了魔方解法。这种不断试错的过程，其实和编程学习如出一辙。后来有了Copilot的帮助就更方便了，它能用英语、德语等多种语言解释代码细节。这种跨越语言障碍的学习方式，让编程教育变得更加普惠，特别是对于那些非英语国家的孩子来说。现在即便是七八岁的孩子，只要对编程感兴趣，直接问Copilot“怎么做贪吃蛇游戏”，就能得到从创建文件到运行调试的完整指导。

我认为孩子们学习编程确实比成年人更有优势，因为他们天生就具备不断尝试的精神。成年人遇到问题容易失去耐心，或者以没时间为由放弃，但孩子们会坚持不懈地向Copilot或其他AI工具提问。他们会根据AI的反馈反复修改代码，直到程序能够成功运行。

问：GitHub平台上的代码创作规模有多大？

多姆克：虽然无法给出精确数字，但可以从几个维度来观察这个庞大的代码生态。目前GitHub拥有1.5亿注册开发者，每年产生的Pull Request数量达到数亿级别。即便每个Pull Request只包含10行代码，总量也轻松突破十亿行。实际上，开发者的大部分工作都是在现有代码基础上进行修改或重构，这使得平台上的代码活动量更为可观。

从AI参与度来看，2023年初的数据显示，在启用Copilot的文件中，46%的代码行数是由AI自动生成的。如今随着智能体的推出，开发者甚至可以用自然语言描述需求，由AI完成全部代码编写。这标志着编程方式正在发生根本性转变——开发者不再需要直接编写代码，而是转为撰写精确的需求说明。可以说，自然语言正在演变为一种新型的通用编程语言，而开发者则转型为需求的精准描述者和解决方案的架构师。

问：GitHub是行业主导者，但还有多少其他平台是你们在关注的呢？

多姆克：虽然确实存在像GitLab等竞争对手，但GitHub凭借其庞大的开发者生态，短期内确实难以被撼动。

不过有趣的是，就像我最近看到的一个案例——（美国）某些航空管制系统至今仍在运行Windows 95，需要专门维护这些古董系统的开发者。这提醒我们，技术产品即使占据主导地位，也需要保持危机意识。

作为微软生态系统的重要组成，我们始终保持着创新者焦虑。这种警觉让我们持续关注着行业变革，无论是DevOps的演进，还是生成式AI带来的开发方式革命。我们拥有的技术资产确实令人瞩目：从Visual Studio和VSCode这两大主流IDE，到.NET技术栈，再到npm这个JavaScript生态的核心基础设施。但越是如此，我们越要像《创新者困境》书中警示的那样，警惕成功带来的盲区。

作为GitHub的一员，我觉得最棒的是，GitHub内部的每个人都在使用GitHub。从工程师到HR甚至法务团队，所有工作流程都在GitHub上完成。我们的服务条款本身就是托管在GitHub上的一个仓库，每次修改都通过Pull Request进行。对我来说，能为开发者打造开发工具，就是最理想的工作状态。我们会继续推动GitHub的创新。

问：你们接下来要做什么？

多姆克：显然是智能体。当前编程智能体的发展现状确实令人期待又充满挑战。

以业内公认的SWE-bench基准测试为例，表现最优的模型目前仅能达到60%左右的准确率，即便未来提升到70%，这个数字仍然存在明显局限——毕竟测试集只涵盖12个Python项目的2000个问题案例。更值得注意的是，当扩展到其他编程语言时，准确率通常会骤降至30%左右。

虽然这些智能体已经展现出巨大潜力，能够帮助开发者分担诸如任务分配等基础工作，但要实现我们的终极愿景——让智能体完全胜任测试用例编写、文档生成、安全漏洞修复等常规开发工作（真正的创新研发仍需人类主导），还有很长的路要走。

我们还在考虑很多其他智能体应用，比如我们提到的代码审查智能体、自动修复智能体。在Microsoft Build大会上，我们发布了SIE智能体，它可以监控你的服务器，基于监控结果采取行动，无论是错误堆积还是服务器负载过高等问题。

让我们想象这样一个未来场景：开发者将不再单打独斗，而是像交响乐团的指挥家一样，统领着一支由各类智能体组成的数字团队。这种转变带来的不仅是效率提升，更是开发方式的根本变革。开发者需要培养全新的核心能力：首先要学会做精准判断——什么时候该自己动手写代码，什么时候交给智能体处理更合适。比如有时候分配一个三行代码的微任务给智能体，反而比自己编写更高效。其次要掌握任务拆解的技巧，把复杂需求分解成智能体能够理解的子任务。最重要的是，要学会用精确的开发语言与智能体沟通，这将成为未来开发者的必备技能。

这让我深有感触。在实际开发中，最困难的从来不是产生创意，而是把脑海中的构想转化为可执行的代码。这个过程中，我需要把问题分解成越来越小的部分。过去几年，我们一直在努力降低从想法到代码的转换门槛；如今，我们正在向更高的抽象层级迈进。但无论技术如何进步，系统化的思维能力和结构化的设计能力，始终是开发者最核心的竞争力。我们将继续优化这一过程，让开发者可以更好地与智能体协作，完成更高效的开发工作。

问：目前的智能体工具状态如何，普通人是否也能使用它们？

多姆克：如今，即便是编程零基础的人，也能借助Copilot这样的工具轻松上手。

我先解释下什么是编程智能体——像Copilot这类工具（包括OpenAI的Codex等同类产品），能够根据用户描述直接生成代码。特别是在网页开发领域，你可以用它快速搭建一个网页、开发小型Web应用，甚至制作简单的浏览器游戏。

整个过程就像和AI聊天一样简单：输入需求、查看结果，不满意就继续调整提示词，直到获得理想效果，或者干脆推倒重来。

这和AI绘画工具的工作原理很相似：你可以通过不断优化提示词获得更好的结果。但要注意的是，如果没有基本的编程知识，迟早会遇到瓶颈——仅靠提示词可能无法实现更复杂的需求。当我们把这类工具推广到数亿用户时，最终会面临一个现实问题：要么自己深入学习成为专业开发者，要么就需要雇佣专业开发团队来协助实现更复杂的功能。

另外一个方面是所谓的“氛围编程”（vibe coding），它确实让编程变得更轻松，但背后隐藏着一个必须面对的挑战——开发者终究需要理解AI生成的代码是否真正符合需求。特别是在企业级开发环境中，这个问题尤为突出。想象一下，当你加入一个新项目时，99%的情况下都是在接手别人写的代码库，或者参与一个已经由数十甚至数百名开发者共同维护的大型项目。这时候，编程智能体就展现出了它的独特价值。

它的工作方式很有意思：你只需要用自然语言描述想要对代码库进行的修改，Copilot就会在云端自动启动一个虚拟机，拉取代码库，配置好所有必要的开发环境，然后根据AI模型的分析结果来实施这些修改。整个过程就像有个虚拟的开发伙伴在帮你干活——它会像人类开发者一样提交详细的修改请求，清楚地说明每处改动的内容、实施计划以及技术方案。

但这里的关键在于，这些AI生成的修改最终还是要经过专业开发者的严格审核。你需要确认这些改动确实是你想要的，确保它们符合团队的编码规范，正确使用了数据库和云服务，最重要的是不能带来新的安全漏洞。

确实，对于搭建婚礼网页或是快速创建Shopify电商网站参加黑五促销这类简单需求，现在的AI工具完全能够胜任。但这里存在一个关键的分水岭。当你想要实现更复杂的功能，或是深入理解计算机科学原理时，就必须要走上专业软件开发的道路。

值得注意的是，AI工具的普及不仅不会取代开发者这个职业，反而会推动它的发展。随着技术门槛的降低，会有更多人尝试编程。

03 从单一模型到智能体：Copilot 正走向自动编排

问：Copilot智能体在处理现有代码库时，会预先分析多少代码内容？毕竟有时修改一处代码可能会产生意想不到的连带影响。它是会扫描整个代码库，还是开发者可以控制其查看范围？

多姆克：Copilot的工作方式其实很像人类开发者。它会先完整扫描代码库，理解你的任务需求后，通过AI模型来生成解决方案。在这个过程中，它能智能地调用各种开发工具：比如用代码搜索定位相关文件，通过命令行添加新的软件包。这些工具和模型生成的解决方案是紧密相连的，通过模型的思维链，它会根据自己对问题的理解来描述解决方案的实施过程。关键点在于，Copilot 会查看这些工具调用的输出，比如编译或其他操作。

特别值得一提的是它采用的MCP技术（模型上下文协议，由Anthropic研发）。这项技术让Copilot能无缝对接各类开发环境，无论是GitHub、Figma这样的云服务，还是开发者本地的Mac电脑。整个工作流程就像资深程序员在解决问题：先分析代码逻辑，通过反复推敲不断优化，直到代码能顺利通过编译和测试，最后才提交审核。

当然，AI生成的代码不一定每次都完美。有时你可能看着它的修改会疑惑：“这是什么逻辑？”这时就可以通过类似GitHub上Pull Request的方式，与Copilot建立反馈循环，不断调整优化。这种协作模式，正在重新定义人机协作的边界。

在2008年时，GitHub还是一个纯粹的人与人协作平台，开发者之间通过GitHub进行代码交流。到了2025年，GitHub依然保持人类开发者之间的合作，但现在我们正在扩展到人与智能体的协作。

问：开发者可以随时切换不同的AI模型来编写代码，通过实际对比找到最适合的模型。未来是否会建立一个智能协调层，让Copilot能够自动根据任务特性选择最佳模型？

多姆克：目前，我们的编程智能体还仅支持Sonet 4这一种模型。但必须说明的是，这只是一个起点。在我们的开发规划中，让智能体支持更多模型是一个重要方向。特别是在代码审查智能体和自动修复智能体等功能上，我们正在研究如何实现多模型协同工作。

事实上，我们已经支持多种模型的使用。在某些场景（如代码补全）中，我们会自动选择模型；而在其他情况下，开发者可以自主选择。关键在于，没有任何一个模型能完美适配所有开发者的需求。考虑到编程语言、框架以及企业软件开发风格的多样性，我们认为开发者最终会找到最适合自己的工具。

这个过程往往需要通过试错来完成，就像我们在软件开发周期中其他环节所做的那样。我们都经历过选择错误框架或库的情况。但值得庆幸的是，在软件和AI模型领域，切换另一个模型重新尝试的成本非常低。这种自动编排功能将变得越来越重要，特别是对于那些不想纠结选择哪个模型的开发者——他们更愿意让AI来帮他们做这个决定。

未来将会是两种模式的结合：想要自主选择的开发者可以获得选择权，而偏好默认配置的用户则可以启用某种自动模式。

问：全球开发者中有多少人使用GitHub？你的愿景是什么？

多姆克：目前，GitHub的开发者数量约为1.5亿。如果你咨询一些分析师，他们可能会告诉你，这个数字甚至已经超过了我们对全球专业开发者数量的估算。

问题在于，如何定义“开发者”？比如，一位8岁的中学生学会了Python，或者参与了机器人战斗联盟之类的项目，他算不算开发者呢？他是在学习编码，还是在学物理和数学？我认为你不会因为一个中学生学了两年的物理，就称他为物理学家。

但我们希望这些年轻人能够使用GitHub，至少能够从其他开发者的工作中学习。开源的魅力就在于此，全球的大多数开发者愿意将自己的工作分享出来。即使只是分享一个小小的代码片段（我们称之为gist），其他开发者也可以学习、修改、甚至重新创作。

我们的愿景是：从1.5亿开发者扩展到10亿开发者。这个目标不仅仅因为10亿是个圆满的数字，更因为我们相信，地球上的每个人都有权利在自己愿意的情况下参与软件创作。这意味着每个人都应该在学校里学会编程，就像学习数学一样。这不仅仅是学会写代码，而是让每个人都能成为创造者，而不仅仅是软件的消费者。今天，许多人依然只是智能手机的消费者，而我们希望能有更多人愿意成为构建者，前提是他们愿意。

最近，GitHub发布了创新图谱（Innovation Graph），这是一个非常有趣的工具。GitHub作为开发者和开源社区的“家园”，我们认为分享这些信息对社区非常重要。GitHub托管了大量开源代码，这不仅对正在使用这些代码的开发者有价值，对研究人员和政策制定者也非常重要，他们可以通过这个工具更好地了解全球开发者在GitHub上进行的创新活动。

正如我们之前讨论的，GitHub是数百万开发者共同协作的地方，大家跨越国界和文化背景，彼此不认识，不知道对方的职位或背景，但大家都有一个共同的目标：合作并创造有价值的代码，解决问题。这就是开源的魅力所在。

最后，我想强调的是：我们并不认为AI会取代开发者。实际上，我们相信AI将赋能更多的开发者。无论是那些希望通过自动化简化个人生活的开发者（例如自动化税务等），还是那些渴望成为下一个技术创业者或进入大公司工作的开发者，AI都将帮助他们更高效地完成工作。我们对这个未来充满期待，AI将加速软件开发的进程。


来源：36kr