大多数Go语言开发者正在使用AI驱动的软件开发工具,但对这些工具的满意度表现一般,这是2025年Go开发者调查的主要发现。调查同时显示,绝大多数Go开发者——91%——对使用该语言感到满意。
该调查于2025年9月收集了5739名Go开发者的回复,调查结果于1月21日在go.dev博客上发布。
调查显示,55%的受访者表示对AI驱动的开发工具感到满意,但这主要倾向于"比较满意"(42%),而非"非常满意"(13%)。当要求受访者分享使用这些工具的成功经验以及遇到的问题时,大多数人表示生成无功能代码是他们在AI开发工具上遇到的主要问题(53%),而近三分之一(30%)的开发者抱怨即使是能运行的代码质量也很差。相反,AI编码工具最常被提及的优势包括生成单元测试、编写样板代码、增强自动补全、代码重构和文档生成。
53%的受访者表示他们每天都使用AI驱动的开发工具,而29%的人完全不使用这些工具,或在过去一个月中只使用过几次。最常用的AI编码助手分别是ChatGPT(45%)、GitHub Copilot(31%)、Claude Code(25%)、Claude(23%)和Gemini(20%)。
关于Go语言本身,近三分之二的受访者对使用Go非常满意,整体满意度达到91%。报告指出,开发者认为将Go作为整体平台使用具有巨大价值。一位受访者表示:"Go是我最喜欢的语言;其他语言感觉过于复杂且不实用。Go相对小巧、简单,功能不那么繁复,这在使其成为构建程序的优秀持久基础方面发挥了重要作用。"
2025年Go开发者调查的其他发现
命令行工具(74%)和API/RPC服务(73%)是受访者使用Go构建的前两大项目类型。库或框架(49%)排第三。
开发者在使用Go构建项目时遇到的前三大困扰是"确保我们的Go代码遵循最佳实践/Go习惯用法"(33%)、"我从其他语言中重视的功能不是Go的一部分"(28%)和"寻找可信赖的Go模块和包"(26%)。
大多数受访者在macOS(60%)或Linux(58%)上开发,并部署到基于Linux的系统(96%)。
Visual Studio Code是最受欢迎的代码编辑器(37%),其次是GoLand/IntelliJ(28%)和Vim/NeoVim(19%)。
Go最常见的部署环境是Amazon Web Services(46%)、公司自有服务器(44%)和Google Cloud Platform(26%)。
Q&A
Q1:Go开发者对AI编码工具的满意度如何?
A:根据2025年Go开发者调查,55%的开发者对AI编码工具表示满意,但满意度主要集中在"比较满意"(42%)而不是"非常满意"(13%)。53%的开发者每天使用AI工具,29%很少或不使用。
Q2:AI编码工具在Go开发中有哪些主要问题?
A:调查显示,53%的开发者认为生成无功能代码是AI工具的主要问题,30%的开发者抱怨即使能运行的代码质量也很差。但这些工具在生成单元测试、编写样板代码、增强自动补全等方面表现良好。
Q3:Go开发者最常使用哪些AI编码助手?
A:最受Go开发者欢迎的AI编码助手依次为:ChatGPT(45%使用率)、GitHub Copilot(31%)、Claude Code(25%)、Claude(23%)和Gemini(20%)。这些工具在日常开发中被广泛采用。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。