[2606.26289] 稀释式增强：AI编码代理采纳后人类贡献者生态系统的大规模实证研究
[2606.26289] 稀释式增强：AI编码代理采纳后人类贡献者生态系统的大规模实证研究
稀释式增强：AI编码代理采纳后人类贡献者生态系统的大规模实证研究
作者: Weixing Zhang, Bowen Jiang, Anne Koziolek
提交于2026年6月24日
摘要: AI编码代理（AI coding agents）正以前所未有的速度渗透开源软件开发，然而现有研究大多将人类贡献者视为静态背景而非研究对象。本文首次以人类贡献者生态系统作为因变量进行大规模实证研究，考察开源项目中采用AI编码代理后，人类参与者的数量、构成及行为如何变化。基于横跨2023年1月至2026年5月的11,097个GitHub仓库数据集，我们采用交错双重差分（staggered difference-in-differences）设计，并通过Sun and Abraham估计量提供因果证据。结果表明：AI代理的采纳并未显著改变人类贡献者的绝对数量（ATT = 0.014, p = 0.224），但显著降低了人类贡献者密度（ATT = -0.019, p = 0.002），说明随着AI生成的拉取请求（pull requests）累积，人类参与的相对份额下降。新人的相对参与份额显著降低了3.7个百分点（ATT = -0.037, p < 0.001），该效应在采纳后立即显现并在整个观察窗口内保持稳定。审查深度显著增加了5.3%（ATT = +0.0168, p < 0.001），表明AI代理将负担从代码产生阶段转移至审查阶段。调节分析显示，这些效应随项目规模、编程语言和项目成熟度呈现系统性差异。综合来看，这些发现呈现了一种“稀释式增强”模式：AI代理并未取代人类贡献者，而是系统性地重塑了开源生态系统的参与结构。