AI 正在重塑加密开发：至少 14% 的头部项目已经使用 AI 编码 / Zhixiong Pan

AI 辅助编码已经不再只是加密开发里的边缘话题。它开始出现在主流协议、钱包、安全工具和文档项目的日常工程工作流中。

我分析了 GitHub 上 1,000 个 star 数最高的加密相关仓库，仓库数据来自 Electric Capital 的 Crypto Ecosystems 数据集。在这些仓库中，至少有 137 个项目留下了明确、可验证的 AI 辅助编码证据。

也就是说，大约 14% 的头部加密仓库已经在以能被公开追踪的方式使用 AI 编码工具。

这个数字应该被理解为一个保守下限，而不是完整的采用率统计。研究只统计 commit、pull request 或其他仓库活动中可见的证据。开发者在本地 IDE 中使用 AI、私有 agent 工作流，或者没有被显式提及的 AI 辅助，都不会被计入。

AI 被用来做什么

AI 工具并不只是被用来做简单的代码补全。在留下 AI 使用痕迹的仓库中，常见任务包括：

这个模式很清楚：AI 正在进入产品代码，也在进入围绕代码展开的工程系统。它并不只停留在仓库边缘的脚本里。

在可见的 AI 使用项目中，Claude 和 GitHub Copilot 占据主导地位。两者合计约占观察到的 AI 工具使用量的 87%。其他工具，包括 OpenAI Codex、Cursor 和 Google Gemini，也已经出现，但在这个数据集中占比相对较小。

AI 使用已经出现在加密技术栈的多个层级。

Layer 1 和 Layer 2 协议仓库中已经能看到采用迹象，包括：

钱包项目也留下了明确证据：

安全与审计相关仓库同样出现在数据集中：

文档与规范仓库也是一个值得注意的类别：

这一点很重要，因为在加密生态中，文档、规范和生态知识库并不是外围材料。它们是开源网络的协调层。如果 AI 正在影响这些内容的维护方式，它也在影响生态如何解释自己。

一个有意思的信号是，组织并不是简单地在所有仓库里使用同一个 AI 工具。它们往往会根据仓库的技术栈、工作流或任务类型来匹配工具。

例如，MetaMask 在不同相关仓库中呈现出不同工具选择：

a16z 相关仓库也显示出类似模式：

Coinbase 相关项目也出现了工具多样性：

这说明 AI 编码的采用已经进入更务实的阶段。团队并不是把它当成单一产品类别，而是在组装自己的工具链。

这项研究采用了一个简单且保守的流程。

首先，我从 Electric Capital 的数据集中收集了超过 50 万条加密相关 GitHub 仓库记录。随后统计 star 数，并筛选出最受欢迎的 1,000 个非 archived 仓库。

其次，我分析了每个仓库 main 分支上最新的 200 个 commit，以及最新的 200 个已合并 pull request。搜索重点是与 AI 编码 agent 和工具相关的关键词，包括 Claude、Copilot、Codex、Cursor 和 Gemini。

第三，我对初步匹配结果进行了人工核查，以减少误报。例如，Gemini 既可能指 Google 的 AI 模型，也可能指加密交易所。

即使经过人工验证，这类研究也无法声称绝对准确。更合理的理解是：它是一份开放、可复现的快照，展示了加密仓库中可见的 AI 使用痕迹。

加密行业本质上是一个开发者驱动的行业。协议质量、安全响应、文档准确性和生态推进速度，都取决于团队能以多快、多好的方式交付软件。

如果 AI 工具能提升审查速度、减少常见 bug、加速文档维护，或帮助团队更快响应新的安全威胁，它就会改变加密开发的竞争结构。

更重要的不是 AI 会取代加密开发者，而是使用 AI 的团队可能形成复利式的运营优势。它们可以更快推进，更好维护更大的代码表面积，也能以更低摩擦协调更复杂的代码库。

对项目方和投资者来说，AI 编码采用情况可能很快会成为一个值得观察的信号。原因不是每个仓库都需要在 README 里写自己使用 AI，而是优秀加密项目背后的工程工作流正在发生变化。

可见的 14% 只是开始。隐藏的真实数字几乎肯定更高。

原始英文研究笔记发布于：state_of_ai_coding_in_crypto_en.md。