💡 一句话总结：AIDev 收集了 5 个编码 agent 在真实 GitHub 上自主提交的 93 万个 PR，拍下了「AI 队友」的全景。核心悖论：agent 又快又多，但 PR 明显更难被接受——速度碾压人类，接受率却低于人类，暴露出「信任」与「实用」之间的鸿沟。
一、AI 不再只是补全，它在直接提 PR
过去几年我们对 AI 写代码的印象，还停留在「补全」和「副驾驶」——你写，它帮你接下半句。但 2026 年的现实已经变了：AI 编码 agent 在自主地、端到端地给真实仓库提交 Pull Request。它自己规划、自己改代码、自己开 PR，全程不需要人类一行一行地牵着走。
这件事大到足以被称为「软件工程 3.0」——AI 从工具变成了队友。但一个尴尬的事实是：我们对这些「AI 队友」在真实世界里到底干得怎么样，几乎没有系统的数据。我们有 SWE-bench 这样的合成基准告诉我们 agent「理论上能修多难的 bug」，却没有数据告诉我们 agent 提的 PR 在真实项目里实际被不被接受。
AIDev（arXiv 2602.09185，“The Rise of AI Teammates in Software Engineering 3.0”）就是来补这个空白的。
二、AIDev：第一个大规模的「AI 队友」全景数据集
AIDev 是第一个大规模捕捉 AI 编码 agent 真实行为的数据集，规模相当可观：
- 932,791 个 Agentic-PR（agent 自主提交的 PR）
- 来自 5 个广泛部署的自治编码 agent：OpenAI Codex、Devin、GitHub Copilot、Cursor、Claude Code
- 覆盖 116,211 个仓库、72,189 名开发者
- 还有一个高质量子集：来自 2,807 个「星标 100 以上」仓库的 33,596 个 agent PR，附带评论、审查、提交和关联 issue 的完整信息
这不是实验室里的玩具数据，而是这五个 agent 在野外真实活动的全记录。它支撑的研究问题非常实在：agent 提的 PR 被合并了吗？人类怎么审查它们？agent 和人类协作得如何？
三、核心悖论：又快又多，但更难被接受
AIDev 揭示的最核心结论，是一个悖论：
Agent 在速度上通常胜过人类，但它们的 PR 被接受的频率却更低。
速度有多快？论文里有个极端但真实的案例：某位开发者在接入 agent 后，三天内提交的 PR 数量，相当于此前三年的累计。产能的爆炸是实打实的。
但产能不等于被采纳。人类 PR 的合并率接近八九成，而 agent 的 PR 合并率明显更低。这中间的差距，论文称之为「信任与实用之间的鸿沟」——agent 能快速产出大量代码（实用），但维护者是否信任并接受这些代码，是另一回事。
四、五个 agent 的合并率排行
不同 agent 之间，被接受的程度也拉开了差距。基于 AIDev 数据集的研究观察到的合并率大致是（区间反映不同仓库和时间段的差异）：
| 来源 | 大致合并率 |
|---|---|
| 人类开发者 | 约 79% - 91% |
| OpenAI Codex | 约 63% - 86% |
| Claude Code | 约 58% - 72% |
| GitHub Copilot | 约 48% - 56% |
| Devin | 约 44% - 57% |
可以看到，所有 agent 的合并率都系统性地低于人类，其中 Codex 和 Claude Code 相对靠前，Copilot 和 Devin 偏弱。注意这些数字会随仓库类型、改动风险、统计口径浮动，别当成精确排名，但「agent 整体低于人类、各家有明显梯队」这个结论是稳的。
五、藏在数据里的反直觉发现
AIDev 真正有意思的，是几个反直觉的细节：
反直觉一：评论越多，agent PR 越难合并。 人类 PR 里，审查评论越多，合并几率越高（每条评论约 +2.7%）——讨论是协作的健康信号。但 agent PR 完全反过来：评论越多，合并率反而越低（每条评论约 -2.8%）。这说明当 agent PR 需要来回讨论、迭代时，它往往走不到合并那一步。agent 还不擅长在审查中协作改进。
反直觉二：大量 agent PR 是「自产自销」。 在已合并的 agent PR 里，77.5% 是由提交它的 agent 自行合并的（人类只有 57.6%）。更夸张的是，28.3% 的 agent PR 在一分钟内就被合并——几乎没有人类审查的时间。相当一部分 agent PR 走的是无人把关的自动化通道。
反直觉三：agent 代码更简单、也更短命。 通过代码复杂度指标分析，agent 的 PR 结构上更简单、改动更集中。而且 agent 引入的函数/类被删除的比率是 7.33%（人类 4.10%），删除速度也快得多——agent 代码被删的中位时间是 3 天，人类是 34 天。agent 产出里「短命代码」的比例更高。
反直觉四：agent 已经包揽了文档活。 在星标 500 以上的仓库里，约 74% 的「纯文档 PR」是 agent 提的，而且这些文档的保留率高达 87%。同时，agent PR 的测试包含率正快速上升，半年内从 31% 涨到了 52%。
六、这对开发者和团队意味着什么
把这些发现拼起来，agent 的真实画像就清晰了：它是一个高产、擅长低风险产出、但还不擅长在审查中协作迭代的初级队友。基于此，几条可落地的经验：
- 按工种用 agent：让它做文档、测试、样板代码、低风险改动——这些是它合并率高、保留率好的强项（文档保留率 87% 就是证据）。核心架构设计仍要人类主导。
- 自动合并按风险分级：「自产自销」在低风险改动上很高效，但别给核心代码开无人把关的自动合并通道。
- 优化 agent 的审查协作：既然「评论越多越难合并」，说明现有审查流程和 agent 配合不好。值得专门做「让 agent 基于 review 评论自动迭代」的能力。
- 把「带测试」设成硬要求：agent PR 测试覆盖在快速上升，顺势把它定为提 PR 的门槛，能进一步提升可信度。
结语
AIDev 的价值不在某个单一数字，而在于它第一次用真实世界的大规模数据，给「AI 队友」拍了张全景照。这张照片既振奋又冷静：agent 的产能是真的爆炸，但「快」和「被接受」之间还隔着一条信任的鸿沟。
对正在把 agent 引入工作流的团队，这份数据给的不是「该不该用」的答案——用是必然的——而是「怎么用得对」的地图：把 agent 放在它擅长的工种上，给它配上分风险的审查和合并机制，并正视它在协作迭代上的短板。AI 队友已经入职，接下来是怎么带好它的问题。