在今年的报告中，来自 177 个国家的 4.9 万多名开发者参与了调查。

　　在这份数据翔实的报告中◇=▪，我们看到了在 AI 技术狂飙突进的第三年，技术世界发生的真实巨变。

　　一方面，AI 工具的普及率已达 84%，几乎成为开发环境的标配；但另一方面，开发者对 AI 工具的「好感度」，不升反降：

　　在 AI 能力越来越强的当下，技术群体开始集体对 AI「祛魅」▷=▷，从最初的盲目崇拜开始转向理性审视。

　　调试 AI 生成代码的隐性成本正成为新的痛点；而被寄予厚望的「AI 智能体」▲，在落地层面仍面临信任危机■□。

　　与此同时•△，Python 借势登顶，Docker 成为基础设施的「水电煤」，技术栈的权力版图正在重构。

　　在今年正在学习编程的人群中，已拥有理学学士（BS）学位的比例达到 30%，较去年的 24% 有明显提升。

　　这一数据的跃升表明，编程已不再仅仅是进入行业的敲门砖，而成为了职场人士「技能提升（Upskilling）」的关键手段。

　　无论是为了攻读更高学位，还是为了在现有岗位上寻求突破，学习编程正成为一种普遍的职业焦虑与选择。

　　高达 69% 的开发者表示▼，他们在过去一年中投入了专门的时间来学习新的编码技术或编程语言。

　　尽管多媒体教程层出不穷◇▷▼，「技术文档（Technical documentation）」依然是首选的学习资源▲•。

　　近 68% 的受访者在过去一年中使用了技术文档。这反映出在解决复杂工程问题时…，开发者更倾向于信赖权威、严谨的一手资料…□，而非快餐式的内容。

　　超过 36% 的人为了职业发展专门学习了如何使用「AI 赋能工具」。而「AI 驱动的工具和应用程序」，也以 52% 的使用率，成为人们了解人工智能最主流的方式。

　　以上调研数据显示=，开发者是一个即便在 AI 辅助下，依然需要持续高强度学习的群体。

　　在经历了十多年的稳步增长后，Python 的使用率在今年实现了加速跃升●◆，增长了 7 个百分点，达到 57.9%。

　　Python 已不仅仅是一门脚本语言■▽•，它成为了连接算法与工程的通用语言-•△，是通往智能时代的入场券•=△。

　　从 2024 年到 2025 年，Docker 的使用率惊人地增长了 17 个百分点，达到 71.1%△◁，这是所有受访技术中单年增幅最大的。

　　这一数据标志着容器化技术已从「流行工具」彻底转化为「行业标准」。在现代软件交付链条中◆■，Docker 已如水电煤般不可或缺。

　　随着应用架构日益复杂，对高并发◆▲、低延迟的需求激增▷，Redis 作为高速「内存缓存（in-memory caching）」和数据结构存储的重要性愈发凸显△▲。

　　在 Web 框架领域，FastAPI 增长了 5 个百分点，这标志着利用 Python 构建高性能 API 已成为强劲趋势，进一步印证了 Python 生态系统的整体繁荣△★•。

　　而在开发环境（IDE）的竞争中，尽管各类 AI 原生编辑器试图通过订阅制分一杯羹，但 Visual Studio 和 Visual Studio Code 依然凭借强大的生态壁垒稳居榜首。

　　连续四年卫冕，证明了「通用 IDE+ 插件扩展」的模式，目前仍是满足开发者多样化需求的最佳解。

　　在开发者最喜欢的 AI 编程大模型的选择上=▪，Anthropic 的 Claude Sonnet 是今年最受推崇的大语言模型◁…，同时在最想尝试使用的模型中排名第二（33%）◁■。

　　84% 的受访者正在使用或计划使用 AI 工具，较去年进一步提升。其中，51% 的专业开发者已将其融入日常工作流。

　　报告显示，开发者对 AI 工具的正面情绪，从前两年的 70% 以上，回落至 60%。

　　66% 的开发者指出，他们最大的挫折在于处理那些「几乎正确，但又不完全正确」的 AI 解决方案。

　　随之而来的是第二大痛点•▽•：45% 的人认为，调试 AI 生成的代码比自己编写还要耗时。

　　这揭示了一个被忽略的成本：AI 虽然降低了代码生成的门槛，却抬高了代码审查与调试的成本。

　　明确表示「不信任」AI 准确性的开发者远多于「信任」的开发者，而表示「高度信任」的仅占 3.1%。

　　在「部署和监控」「项目规划」等高责任、系统性的任务中，开发者表现出了强烈的抵触情绪。

　　76% 的人不计划在部署监控环节使用 AI，69% 的人拒绝在项目规划中使用 AI。

　　这表明，在涉及系统稳定性与架构决策的关键环节，人类开发者依然倾向于相信自己的判断与经验。

　　「AI 智能体（AI Agents）」，即能够自主决策▼、执行任务的软件实体，被誉为继大模型之后，生成式 AI 的第二波浪潮，也是今年的行业热词。

　　52% 的开发者表示，他们要么完全不使用智能体，要么仅停留在简单的 AI 工具层面◇☆。另外近 38% 的人明确表示没有采用计划●◁▼。

　　如果你恰好在工作中使用 AI 智能体△，并且你是一名软件开发者，那么你很可能正在将这些智能体用于软件开发（约占被调研者的 84%）。

　　87% 的受访者对智能体的准确性表示担忧，81% 的人担心数据安全与隐私问题。

　　在企业级应用中，将业务逻辑交给一个不可控的「黑盒」自主运行，显然还面临巨大的合规与风控挑战。

　　目前，智能体编排领域由开源工具主导。Ollama（51.1%）和 LangChain（32.9%）是使用率最高的框架。

　　在数据存储层面，Redis（43%）再次展现了其灵活性，被广泛用于智能体的记忆管理。同时，ChromaDB（20%）和 pgvector（18%）等向量原生数据库也开始占据一席之地。

　　而在可观测性（Observability）领域，开发者们倾向于复用现有的 DevOps 工具链。

　　Grafana+Prometheus 的组合被 43% 的智能体开发者采用…。这说明…△▪，在监控 AI 行为时▼，传统的运维监控逻辑依然有效。

　　至于「开箱即用」的 AI 辅助工具▼，ChatGPT（81-.7%）和 GitHub Copilot（67▼--.9%）凭借先发优势和强大的模型能力…，依然是大多数开发者的首选入口。

　　近期●◆◁，「氛围编码 / 编程（Vibe coding）」一词在网络上流行○•▲，意指通过提示词让 LLM 生成软件■★●，只求结果▼，不求甚解。

　　但调研显示，绝大多数开发者（72.2%）并未参与这种非严谨的开发模式，另有 5% 的人强调这不属于专业工作范畴□▼。

　　这表明，工程严谨性依然是专业开发者的底线 年的开发者调查报告，让我们对于 AI 技术革命有了一个更加清醒的认知…□。

　　在技术快速迭代的 AI 时代▪▲☆，保持清醒，持续学习，或许才是每个人最为明智的生存法则。

　　原文标题：《66% 的程序员被 AI 坑惨！改 bug 比自己写还花时间》