GitHub开发者达2.25亿 推协作成型工具防AI生成低质代码

GitHub Universe 2026 closing keynote: open source voices, demos, and the craft of coding — GitHub

GitHub

AI生成PR占比飙升至40%加剧开源维护负荷,促使GitHub引入WIP提交限制并推出Chopin原型以推动早期人机协同决策。

AI-assisted summary of GitHub Universe 2026 closing keynote: open source voices, demos, and the craft of coding — original source. Check the original for full context.

Source published:

Key ideas

  • GitHub 开发者生态规模达 2.25 亿,过去 12 个月内 Pull Request 合并量突破 13 亿次,GitHub Actions 任务频率飙升至每秒 1500 次。 (2:00)
  • AI 在开源贡献中扮演重要角色,当前 40% 的 PR 由智能体起草,但这也引发了低质量代码泛滥的问题,促使 GitHub 引入 WIP 限制和互动门槛以保护维护者。 (11:56)
  • GitHub Next 发布了协作规划原型工具 Chopin,旨在解决开发者因碎片化决策而导致的“直觉导向”开发痛点,实现人机协同的深度架构规划。 (22:07)
  • 科学界开源贡献显著增长,GitHub 通过学术计划与 ORCID 引用支持,已覆盖全球 60 多个国家的 2500 多家学术机构。 (28:32)

Detailed notes

## Background 该视频由 GitHub 在 YouTube 平台发布,是 2026 年 GitHub Universe 大会的闭幕主题演讲。大会官方描述将其定位为一场充满开源之声、惊喜演示以及编程乐趣的最终环节,旨在通过社区驱动的软件开发、创意实验和开源协作,共同探讨软件开发的未来。

## TL;DR 本次演讲由 Martin Woodward 与 Maggie Appleton 主持,深入探讨了 AI 如何重塑开源协作与开发工作流。演讲不仅展示了从可编程工牌、边缘机器学习计步器到 AI 协同规划工具 Chopin 的创新应用,还严肃讨论了 AI 时代开源项目面临的质量挑战与维护者压力。通过采访校园专家 Jocelyn Velarde,大会进一步强调了技术在医疗科研等社会领域的力量,最终呼吁开发者在 AI 赋能的背景下,坚持发挥人类在架构决策与创造力方面的核心作用。

## Atmosphere & style 整场演讲氛围极具极客气息且充满人文关怀,既有对底层代码与硬件的热衷,又不失对维护者处境的深刻共情。主持人之间的互动幽默自然,将硬核的技术演示与开发者职业身份的演变讨论巧妙融合,营造出一种既前卫又亲切的社区归属感。从起初的开源极客文化自豪感,到对 AI 时代责任的冷静反思,演讲的情感曲线最终在对技术改变世界的期许与给予参会者的惊喜奖励中达到高潮,让人切实感受到构建软件是一件令人愉悦的创造性工作。

## Bulletin - [02:00](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=120s) GitHub 开发者生态规模达 2.25 亿,过去 12 个月内 Pull Request 合并量突破 13 亿次,GitHub Actions 任务频率飙升至每秒 1500 次。 - [11:56](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=716s) AI 在开源贡献中扮演重要角色,当前 40% 的 PR 由智能体起草,但这也引发了低质量代码泛滥的问题,促使 GitHub 引入 WIP 限制和互动门槛以保护维护者。 - [22:07](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1327s) GitHub Next 发布了协作规划原型工具 Chopin,旨在解决开发者因碎片化决策而导致的“直觉导向”开发痛点,实现人机协同的深度架构规划。 - [28:32](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1712s) 科学界开源贡献显著增长,GitHub 通过学术计划与 ORCID 引用支持,已覆盖全球 60 多个国家的 2500 多家学术机构。

## Key takeaways - [02:10](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=130s) 巴西开发者社区呈现爆发式增长,单年新增逾 300 万开发者,显示了全球技术生态的地理扩张。 - [04:10](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=250s) 代码吞吐量持续攀升:过去一年累计 Push 次数达 180 亿次,超过前两年的总和。 - [05:10](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=310s) Martin Woodward 强调开源文化是在“无人注视”时形成的,通过 hackable badge 项目展示了极客精神在 GitHub 内部的传承。 - [07:15](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=435s) 验证闭环(Verification Loop)是 AI Agent 开发的核心,通过在 Copilot 中内嵌 Canvas 和调试反馈,开发者能大幅提升边缘硬件开发效率。 - [08:14](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=494s) 前端机器学习能力已实现飞跃,如今可在浏览器内完成决策树模型的实时训练与部署。 - [15:56](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=956s) AI 不应成为强加意愿的工具;开源维护者拥有拒绝低质 PR 的权利,保护自身时间是开源社区持续运转的关键。 - [17:30](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1050s) Hive 框架在 CNCF 的应用证明,基础设施层的自动化能有效填补开发者技能缺口,使 AI 更好地服务于复杂开源项目。 - [18:50](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1130s) 人类判断力是不可替代的基石;定义什么是“优秀的软件”始终是人的责任,而非 AI 的功能。 - [19:08](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1148s) 开发交互形式从单一的 Chat 转向多模型动态路由及多样化的硬件感知终端,以适应不同开发者的工作习惯。 - [24:48](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1488s) Chopin 通过实时协作环境与主动研究功能,将协作规划从被动的 backlog grooming 转化为创造性的架构设计。 - [30:24](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1824s) 校园专家(Campus Experts)项目连接了学术界与工业界,为学生提供获取前沿技术实践的纽带。 - [32:40](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1960s) Jocelyn Velarde 的研究展示了 AI 在神经假体与脑机接口(BCI)领域的巨大潜力,强调了跨学科合作与坚持不懈的重要性。 - [34:28](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=2068s) 无论技术如何演进,开发者通过构建事物解决问题并与他人协作来学习的本质从未改变。 - [39:32](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=2372s) AI 时代并未终结编程,而是要求开发者扮演“故事编写者”的角色,将创造力、判断力和品味注入到 AI 生成的代码中。

## Detailed walkthrough ### [00:03](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=3s) 全球开发者规模与惊人增长数据

大会主持人介绍 Martin Woodward 登场。作为大会的最后一场演讲,Martin 对在座观众的坚持与陪伴表示感谢。他首先介绍了自己在 GitHub 的职责:负责维护开源维护者、学生、教师的权益,以及整体的开发者体验(Developer Experience)。漫步在过去两天的会场中,他不仅与众多老友重逢,也结识了许多新伙伴。

随后,Martin 分享了过去一年 GitHub 取得的惊人里程碑数据:目前平台上的开发者总数已达到 2.25 亿,且增长遍布全球各个角落。尽管美国和印度依然是当前最大的两个开发者社区,但巴西的势头最为耀眼,单年新增开发者就超过 300 万人。Martin 还在现场秀了一句葡萄牙语/西班牙语风格的欢迎语:“Bienvenido a casa”(欢迎回家),引得全场欢呼。

不仅是用户规模激增,平台的代码吞吐量同样达到了前所未有的峰值。过去 12 个月内,全球开发者累计向 GitHub 提交(Push)了 180 亿次代码,这个数字甚至超过了 2024 年与 2025 年两年的总和;与此同时,代码审查与合并也保持着同等节奏,平均每天完成超过 350 万次 Pull Request 合并,全年合并总数超过 13 亿次。面对每隔一周就问世的代码新模型,Martin 直言自己也常常感到跟不上节奏,而他战胜这种焦虑的方式正是“从实践中学习”(learn by doing)。

- 全球开发者总数达到 2.25 亿。 - 巴西开发者增长极为迅速,一年内新增逾 300 万人。 - 过去 12 个月内代码 Push 次数达 180 亿次,超过前两年的总和。 - 过去 12 个月内 Pull Request 合并总数超 13 亿次,平均每天合并 350 万次以上。

---

[02:10](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=130s) Universe 可编程工牌背后的极客精神与供应链传奇

Martin 谈到了团队为本届 Universe 大会量身打造的可编程工牌(hackable badge)。这款工牌的初衷,就是为参会者提供一个跳出日常工作、尽情实验与玩耍的平台。许多参会者在第一场分论坛开始前,就已经把工牌破解并玩了起来。Martin 回顾了这个最初源自他个人业余爱好(passion project)的项目演变历程:从最初带孔的小尺寸电子水墨屏(E-ink),逐步演化成今天挂在大家胸前的“微型超级计算机”。

虽然 Martin 自嘲如今身为管理者,日常工作“主要就是删邮件和批报销”,今年对工牌项目的直接参与最少,但这届工牌在 ARM 伙伴的合作支持下成了历年体验最佳的一款。它搭载了树莓派 RP2350(ARM Cortex 处理器),集成了各种传感器,其计算能力远超 Martin 小时候父母省吃俭用给他买的编程启蒙电脑。

聊到工牌的分发,Martin 透露去年的交付历经坎坷:遭遇全球供应链短缺与台风侵袭,屏幕制造商停产数周,导致硬件元器件在大会前夕才运抵旧金山办公室。当时,GitHub 员工(Hubbers)与社区志愿者连夜自发聚集在办公室,通宵达旦地手工组装每一块工牌,才保证了次日清晨 8 点参会者能按时领到工牌入场。针对这段经历,Martin 深情地总结道:

> “I've always said that culture, culture is what happens when no one is looking.”(我一直坚信,所谓的文化,就是在没有人注视你的时候所发生的那些事情。)

他指出,那种专注社区、充满初创企业冲劲的极客文化依然在 GitHub 内部生生不息。现场他还点名了社区成员的硬核成果:例如有人将工牌改装成热敏小票打印机,而坐在第一排的 Steve Francia 甚至移植了 NES 模拟器在工牌上畅玩《塞尔达传说》(Zelda)。

---

[05:17](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=317s) 巧用 Copilot 与验证闭环构建工牌应用

为了向未能亲自动手或在线观看的开发者演示,Martin 在自己的笔记本电脑上展示了工牌生态。工牌背面的二维码直通一个功能完备的在线 Web 模拟器,参会者可以在其中体验像 Flappy Mona 这样的小游戏。令人惊叹的是,整个模拟器是由暑期实习生 Charlie Nicholson 凭借惊人天赋加上约 95 美元的 Copilot 额度独立开发完成的。

在展示了传统的“修改代码打印 Hello Universe”之后,Martin 现场演示了如何借助 Copilot 应用构建游戏。他拉取了本地代码仓库,仅凭一句提示词(one-shot prompt),Copilot 就在内置 Canvas 画布中生成了一款经典的 Breakout(打砖块)游戏。因为画布内嵌在 Copilot 应用中,AI 可以直接捕获 MicroPython 的调试信息、检查运行状态并排查错误。Martin 借此点出了 Agent 开发的核心法则:

> “And that's the trick is to have a verification loop in your process, and then your agent can do amazingly impressive things.”(其中的诀窍就是在你的流程中建立一个验证闭环,唯有如此,你的智能体才能做出令人惊叹的成果。)

随后他又幽默地展示了自己创建的、自称“绝未侵权”的《超级莫娜》(Super Mona)横版闯关游戏,现场效果极其出彩。

```mermaid flowchart TD accTitle: Copilot 闭环验证开发架构 accDescr: 展示了从自然语言提示词到运行验证闭环的工牌应用构建流程。

subgraph PromptStage["开发阶段"] A["开发者单次提示词 (One-shot Prompt)"] --> B["Copilot 生成 MicroPython 代码"] end

subgraph RuntimeStage["运行与验证阶段"] B --> C["Copilot App Canvas 模拟器"] C --> D["MicroPython 调试输出与状态检查"] D -->|"验证反馈回路 (Verification Loop)"| B end

subgraph DeployStage["发布阶段"] C --> E["部署至 RP2350 硬件工牌"] end ```

---

[08:14](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=494s) 现场训练与部署边缘机器学习计步器

Martin 坦白,作为经常在台上畅谈 AI 的技术人,自己其实并未深入摆弄过机器学习的基础底层原理,而这次他决定通过给工牌开发一个计步器(Pedometer)来补上这一课。

他在浏览器中连接上自己的工牌,首先让 Copilot 编写代码,通过低功耗蓝牙(Bluetooth)实时回传加速度计的振动与运动遥测数据(Telemetry)。接着,现场进入交互式模型训练流程。系统通过语音提示引导 Martin 完成一系列标准动作来采集特征数据: - **静止状态(Standing still)**:采集基准静止震动。 - **走路(Walk)**:由于现场存在密集的 2.4GHz 无线电干扰,Martin 走动时数据传输略有延迟,但系统设计了离线缓存,走出信号盲区后会自动补发遥测数据。 - **摆弄工牌(Fidget with your badge)**:模拟无意识摸工牌的动作,避免误判为走路。 - **摆动手臂走动(Walk again & Gait analysis)**:系统实时分析步态(Gait analysis),语音甚至幽默调侃他走路的姿态像是“周五下午刚向 main 分支合并了代码的人”。

采集完成后,Martin 直接在浏览器内训练了一个简易的决策树(Decision Tree)机器学习模型。在 2026 年的技术环境下,这类原本复杂的训练过程已能在纯前端瞬间搞定。他随后将训练出的模型一键烧录推送到工牌的硬件上。当他在台上起步走动时,工牌界面实时变绿并精准显示正在行走;而一旦停下脚步,指示立刻恢复为静止状态,完美验证了端侧边缘机器学习的快速开发与部署体验。

[11:11](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=671s) AI 对开源的双刃剑:创作速度与低质 PR 洪流

在演示了徽章步数与动作消歧的互动并引来现场掌声后,Martin Woodward 将话题转入了更严肃的思考。作为早在 2021 年就成为首批体验 GitHub Copilot 的人之一,他坦言即使到了今天,自己依然不断被 AI 的能力以及如今人们构建软件的惊人速度所震撼。然而,当退后一步审视这种极致速度对全球代码库产生的影响时,既能看到巨大收益,也伴随着诸多未曾预料的副作用。在 AI 时代,我们究竟该如何确保自己依然在“用心构筑(building with heart)”?

```mermaid flowchart TD accTitle: AI 驱动下开源贡献漏斗的变化 accDescr: 对比传统开源门槛自然过滤与 AI 普及后低质 PR 激增对维护者带来的压力

subgraph Traditional["传统开源贡献漏斗"] A["海量使用者 / Consumer"] --> B["克服学习门槛与社区文化"] B --> C["少数核心贡献者 / Contributor"] end

subgraph AIAssisted["AI 时代开源现状"] D["极低门槛生成代码 (Agent 辅助草稿)"] --> E["40% PR 由 Agent 起草"] E --> F{"内容质量两极分化"} F -->|"高质量原型"| G["数分钟验证想法 / 合并代码"] F -->|"低质量/无意义贡献"| H["维护者时间被淹没 / 疲于审查"] end ```

根据最新的 Octoverse 报告,如今 GitHub 上有 40% 的拉取请求(PR)最初是由 Agent 起草的初稿,而在当年 3 月这一比例还仅为 17%。这种飞跃释放了不可思议的创造力,让原本需要耗费数月构建的原型在几分钟内就能交付,甚至即使只做了 10% 也能迅速验证其价值。然而,硬币的另一面是代码质量的泥沙俱下。正如 Martin Woodward 所直言:“让我们坦白点,并不是所有的 PR 都是钻石,对吧?仅仅因为创造变得前所未有地容易,并不意味着你手里的东西就已经准备好提交了。”大量缺乏深思熟虑、甚至毫无意义的“流水账贡献(slop)”正在涌向开源仓库,原本出于好意的提交演变成了维护者沉重的时间黑洞。

[13:56](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=836s) 维护者减负与开源界限:从 WIP 限制到拒绝 PR

传统开源模式之所以运转良好,依赖于一个天然的贡献漏斗:绝大多数人是使用者,只有极少数人能克服学习编程和社区规则的高门槛成为贡献者。GitHub 曾致力于降低贡献摩擦以促进社区繁荣,但这种极致的便利在周末助力个人项目的同时,也让很多人未经深入了解社区规范与文化就随意提交 PR。这些看似包含安全隐患或粗制滥造的内容,严重占用了维护者的业余时间。

为了让开源重新回归纯粹的乐趣,GitHub 秉持“边发布边学习(ship to learn)”的文化,为仓库引入了一系列控制手段: - **在制品限制(WIP Limits)**:仓库可限制单个贡献者同时开启的 PR 数量(如 1 到 2 个),在其 PR 被合并或主动关闭前禁止发起新提交。 - **互动门槛(Interaction Limits)**:要求贡献者必须在此前成功合并过 PR,才具备在项目中提交新内容的资格。 - **关闭 PR 提交通道**:允许维护者直接声明暂时不接收任何 PR。

谈及这项功能,长期投身开源的 Martin Woodward 坦言自己当时也曾深思良久,但为了保护那些无偿贡献业余时间的维护者,这是必须划清的界限。Martin Woodward 掷地有声地总结道:“开源赋予你检查、重新混配和分享的自由,而且无需获得许可;但这绝不意味着你有强加自身意志于他人的自由。”

[15:43](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=943s) 用 AI Agent 扩展维护:CNCF、Hive 与 DevOps 的力量

开源生态并未完全陷入低质代码的阴霾,相反,越来越多的维护者正在主动使用 AI 和智能体工作流(Agentic workflows)来扩展项目管理。例如前排就坐的 Frank 所在的 Home Assistant 项目,在过去一年内就合并了多达 5000 个拉取请求,创造与分享开源代码的规模创下历史新高。

长期合作伙伴云原生计算基金会(CNCF)则在 GitHub 赞助下,运行了一组 GitHub Copilot Agent 集群来管理其庞大的项目网络。其中一个典型的落地案例是 OpenPrinting 项目。Martin Woodward 调侃说,如果放假回家能让 Agent 替自己修好叔叔家的打印机,那自己绝对全力支持 AI。而根据 CNCF 员工 Jorge Castro 的反馈,现实情况更加微妙:

- **核心诉求错位**:维护者本身精通打印机驱动程序且极度热爱修打印机,他们真正的痛点并不在打印技术本身,而是在于缺乏使其能够实际运行的基础设施(如容器更新、CI/CD 构建流水线)。 - **Hive 框架介入**:CNCF 团队将名为 Hive 的框架部署到了 4 个打印机代码库中,全权接管容器刷新与自动化工作流,帮助维护者填补基础设施层面的技能缺口。

这一现象揭示了全行业的普遍规律:DevOps 实践越扎实的团队,越能从 AI 中汲取红利,因为保护人类高速安全运作的同一套防护栏,对智能体同样有效;而对于基础薄弱的团队,AI 则成为替他们偿还技术债务的强力帮手。

[18:00](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1080s) GitHub Actions 的规模与人类判断力的不可替代性

在支撑整个开源协作自动化和 Agent 运转的底座中,GitHub Actions 迎来了爆发式增长。在过去一年中,GitHub Actions 的任务触发频率达到了令人咋舌的每秒近 1500 次,相当于每天执行 1.24 亿次任务,较 2025 年直接翻倍。为了帮助开源维护者测试与验证项目,GitHub 在过去 12 个月内捐赠了超过 115 万亿分钟(trillion action call minutes)的运行时间。

然而,速度的飙升并不能代替价值判断。Martin Woodward 指出,构建与交付得更快并不等于在构建正确的东西,而这正是人类判断力不可替代的根基所在:人类必须先明确定义要解决的核心业务痛点,才能引导 AI 推进;也必须在事后反思所做的改动究竟是改善还是恶化了局面。谈及技术工具无法代劳的本质,Martin Woodward 强调:“那种业务层面的判断力,恐怕不是我能提供给你的;这也是为什么这被称为‘工作’的原因所在——定义何为‘优秀’是你的职责,唯有在那之后,AI 才能帮你达成目标。”

[19:08](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1148s) 开发者角色的演进:多模型调度、泛终端与超越 Chat 的 Agent

伴随底层模型生态的发展,开发者的日常角色与人机交互形态正在经历深刻演进。GitHub 的实际使用数据显示: - **模型灵活路由**:没有单一模型或模型家族能够通吃所有场景。开发者面对新模型的接纳与切换意愿空前强烈,大约 25% 的轻量、快速任务会被分流给敏捷型小模型,其余复杂任务则在深度推理模型和通用模型之间按需分配,在速度、成本与任务复杂度之间寻找动态平衡。 - **全生态编辑器覆盖**:开发者的诉求是“按自己的习惯工作”。无论是命令行 Terminal、独立 Copilot 应用、github.com 网页端、移动端,还是 VS Code、Visual Studio、Eclipse、极其流行的 IntelliJ 系列,乃至夏天苹果 WWDC 之后获得原生 Copilot 支持的 Xcode,多样性诉求得到了全面满足。

除了多编辑器支持,与编码 Agent 的交互方式也在 2026 年突破了传统的对话聊天(Chat)界面。市面上涌现出大量商业化与开源的实体硬件设备,包括罗技(Logitech)的专属设备以及各种可黑客改装的数码相框,开发者借此可以像环境感知仪表盘一样,无感获知并控制后台 Agent 的运行状态。

[21:27](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1287s) 引介 Maggie Appleton:探索与 AI 协同规划的未来

Martin Woodward 紧接着指出了当前 Agent 工具的局限性:眼下行业大多依然聚焦在“单个开发者与其背后的专属 Agent 团队对话”,然而软件开发自始至终是一项“团队运动(team sport)”。GitHub 关注的核心命题在于:下一阶段的“社交化编程(social coding)”到底是什么形态?人类团队该如何与他们的 Agent 团队协同并进?

带着这个疑问,Martin Woodward 隆重邀请了来自 GitHub 研究与原型设计团队 GitHub Next 的设计工程师 Maggie Appleton 登台。Maggie Appleton 登场后回顾了 GitHub Next 过去打造的里程碑原型,包括最早的初版 GitHub Copilot、Spec Kit 以及 Agentic workflows 等前沿探索。她开门见山地指出,团队近来将全部注意力投向了一个长期被忽视但极具痛点的环节:当我们与 Agent 一起做规划时,现有的协作体验究竟有多糟糕。

### [22:07](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1327s) 对抗“基于直觉”的决策:Chopin 的诞生 Maggie Appleton 指出,目前的开发环境(无论是 CLI 还是桌面应用)通常将开发者困在无尽的多项选择题中。当面对这类决策时,开发者往往在回答了几个问题后就感到疲惫,开始盲目选择“推荐选项”,导致了她所称的“基于直觉的决策”(vibes-based decision making)。由于狭小的选择框无法承载复杂的逻辑权衡,开发者往往在没有任何深入理解的情况下被动接受结果。更严重的问题在于,这一过程是孤立的——团队成员无法看到彼此正在阅读或批准的规划,导致每个人都在与 AI 进行私密的对话,做出的决策可能会在后续引发冲突,最终不得不通过 PR(Pull Request)来获取反馈,但这往往已经太晚,浪费了宝贵的开发时间。

为了解决这一问题,Maggie 展示了名为 **Chopin** 的原型工具。它旨在实现人与人、人与 AI 之间的实时协作规划。在 Chopin 的规划文档中,Martin 和 Maggie 可以同时输入内容或进行实时聊天,同时 AI 代理(Chopin)全程参与,帮助他们探讨方案、权衡利弊,并基于决策模型在后台自动进行研究。

* **痛点**:多选框限制了复杂问题的思考;孤立的工作流导致团队缺乏透明度;PR 反馈阶段介入过晚。 * **愿景**:通过实时协作环境,在编写代码之前完成深度架构决策,减少重写负担。

### [24:48](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1488s) Chopin 的实际演示:从交互设计到自动化决策 Maggie 和 Martin 通过演示一个“多人步数挑战”应用来展示 Chopin 的能力。在这个过程中,他们产生了分歧——Maggie 想要一个景观式的导航界面,而 Martin 希望屏幕上有大字体数字。Chopin 不仅记录了这些讨论,还主动根据两人的需求生成了多种交互原型,如地图、径向拨号盘以及大数字显示。

Chopin 的强大之处在于其“主动性”。在 Martin 提出关于 Wi-Fi 连接和蓝牙范围的担忧时,Chopin 自动完成了网页研究并整理了一份关于蓝牙支持和连接范围的报告,甚至生成了详细的架构图来解释数据流。Maggie 特别强调了可视化反馈的重要性:“我个人觉得长篇大论的文本很难理解,而像这样可视化的解释对于理解数据流或架构决策非常有帮助。”最终,两人通过系统化的决策卡片达成共识,Chopin 自动记录了决策过程,包括谁在什么时间做了什么决定,确保了项目的长期可追溯性。

* **关键功能**: * **原型生成**:自动根据需求生成可交互的 UI 原型。 * **主动研究**:AI 代理能预判需求并提前完成技术调研。 * **决策溯源**:标记每个决策的责任人及其时间戳,便于日后复盘。 * **代码自动化**:一旦规划确认,Chopin 会将计划拆解为任务,并自动打开相应的 Pull Requests。

### [28:32](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1712s) 从软件开发到科学研究:GitHub 的开源影响力 在成功完成步数挑战的应用演示后,Martin 谈到使用 Chopin 的感受,他认为这让工作不再仅仅是“积压工作整理”(backlog grooming),而更像是一种创造性的共同协作。他指出,这种开源协作模式正在超越计算机科学领域,科学界已经成为开源增长的核心力量。

专业技术服务和科学领域在 GitHub 上的开源项目增长了五倍。为了更好地服务科学家,GitHub 引入了引用支持和 ORCID ID,帮助研究人员准确关联其科研论文背后的代码库。目前,全球已有近 2500 家学术机构加入了 GitHub 的校园计划,并拥有 500 多名现任或校友“校园专家”(Campus Experts),这些学生志愿者在各自的校园里教授 Git、GitHub 和 Copilot 的使用。

* **关键数据**: * **学术增长**:科学与技术服务领域开源贡献增长 5 倍。 * **社区规模**:覆盖全球 60 多个国家的 2500 多家学术机构。 * **校园计划**:拥有 100 多名在读 Campus Experts 和 500 多名校友。

### [30:34](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1834s) 采访校园专家 Jocelyn Velarde:机器人的力量 为了展示校园专家的影响力,Martin 邀请了 Jocelyn Velarde 上台。Jocelyn 是 Tec de Monterrey 的学生,目前在 UC Davis 的神经假体实验室实习。她分享了自己从小学接触乐高机器人到高中研发脑机接口(BCI)的历程。

当 Martin 问及如何处理大脑发出的复杂信号并转化为义肢动作时,Jocelyn 解释了她高中的研究项目。她通过冷邮件联系到了导师 Miriam Alanis 教授,并开发了一套手部义肢,通过捕捉大脑信号来实现抓握动作。她利用机器学习模型(线性判别分析,LDA)来训练系统,使佩戴者能够通过思考“打开手”或“合上手”来控制义肢。

* **Jocelyn 的心路历程**:“我记得在小学的一次竞赛中,他们问我长大后想做什么,我说我想制造机器人去帮助别人。” * **技术细节**:Jocelyn 使用了线性判别分析(Linear Discriminant Analysis)模型来处理脑机接口数据。

### [32:29](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1949s) 与校园专家 Jocelyn Velarde 的访谈 在访谈中,Jocelyn Velarde 分享了她在机器学习领域的早期经历。她提到自己仅使用两个训练类(training classes)就成功实现了信号分类,这让主持人感到非常惊讶。目前,Jocelyn 正在加州大学戴维斯分校(UC Davis)的神经假体实验室(Neuroprosthetics lab)担任本科访问研究员。她的研究核心是开发通过植入式阵列(implanted arrays)实现脑机接口(BCI)语音恢复技术。

Jocelyn 目前参与的项目名为“Brain to Voice”,旨在通过 AI 和机器学习算法解码患者(如患有 ALS 的人群)在尝试说话时产生的电信号。她在团队中的具体任务是开发低级别硬件系统,并跨多个计算平台工作,以减少音频流的延迟。谈及对学生的建议,她强调了社区的重要性。她回顾了自己在蒙特雷理工学院(Tec de Monterrey)参与 Robert Rego 的机器人社区的经历,当时他们共同开发了一个辅助人们生活的自主机器人。

* **Jocelyn 的建议:** “我的直接建议是,给所有学生,把你的短期、中期和长期目标规划好,并在此过程中找到支持你的社区。” * **关于寻求帮助:** “社区当然有各种形状和形式,所以不要害怕寻求帮助。发一封电子邮件,这就是我所做的。如果你足够坚持并展现出兴趣,总会有人愿意帮助你。”

### [34:28](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=2068s) 硬件开发演示:机器学习手势识别 主持人随后回到舞台,展示了一个将机器学习应用于“Ship it”吉祥物(松鼠玩偶)的实验。他解释说,尽管软件构建方式发生了巨变,但开发者“为什么”要构建软件的本质(即通过解决问题、构建事物和与他人协作来学习)从未改变。他展示了如何在几个 AI Credits 的预算下,通过简单的训练让模型识别“投掷”和“掉落”等手势。

演示过程充满了即兴的幽默感。主持人先训练了一个识别“投掷”动作的模型,接着又训练了“掉落”动作。尽管他谦虚地表示只用了三个数据集,模型表现可能不完美,但在随后的测试中,该模型成功识别了动作。为了将演示推向高潮,他发起了一场“玩偶空气动力学比赛”,分发了包括 Mona 和 Ducky 在内的多个吉祥物,试图通过 AI 模型测量这些玩偶在空中的持续时间。

* **关于技术边界:** “这非常、非常愚蠢,但却是一个令人愉快的例子,展示了当我们突破已知可能的边界时会发生什么。”

### [39:32](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=2372s) 闭幕致辞与未来展望 在演讲的最后,主持人回顾了 GitHub Universe 2026 的主题,指出我们正处于职业生涯中见证过的最重大的技术转折点。他强调 AI 能够显著提升生产力,使开发者能够创造出过去因时间和技能限制而无法实现的应用程序。然而,他向现场观众提出了核心警示:AI 不能取代人类的参与。

* **关于人的角色:** “记住,AI 不会也不能取代这个等式中的人心。你必须在这个新时代继续带来创造力、判断力和品味。AI 不会编写故事,你才是编写故事的人。”

为了结束大会,主持人邀请所有持有玩偶的观众站起来,并宣布了一个巨大的惊喜:在场所有持有玩偶的观众将获得 12 个月的 GitHub Copilot Max 订阅奖励。他指示观众在离开时通过指定的出口领取兑换券,并以感谢观众参加 GitHub Universe 2026 结束了本次盛会。

## Notable quotes > [13:56](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=836s) 开源赋予你检查、重新混配和分享的自由,而且无需获得许可;但这绝不意味着你有强加自身意志于他人的自由。 — Martin Woodward

> [11:11](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=671s) 仅仅因为创造变得前所未有地容易,并不意味着你手里的东西就已经准备好提交了。 — Martin Woodward

> [18:00](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1080s) 定义何为‘优秀’是你的职责,唯有在那之后,AI 才能帮你达成目标。 — Martin Woodward

> [39:32](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=2372s) 你必须在这个新时代继续带来创造力、判断力和品味。AI 不会编写故事,你才是编写故事的人。 — Martin Woodward

## Mentioned GitHub, Martin Woodward, Maggie Appleton, Jocelyn Velarde, Charlie Nicholson, Steve Francia, Miriam Alanis, Robert Rego, Jorge Castro, GitHub Copilot, Copilot Max, Chopin, Spec Kit, GitHub Next, GitHub Actions, RP2350, ARM Cortex, CNCF, Hive, OpenPrinting, Home Assistant, Tec de Monterrey, UC Davis, ORCID

## Video description We are ending GitHub Universe 2026 the way it started: with the people who build in the open. Join Maggie Appleton, Martin Woodward, and Jocelyn Velarde for a final closing keynote session of open-source voices, unexpected demos, and the kind of nerdy joy that reminds you why you got into coding in the first place. Explore how community-driven software, creative experiments, and open collaboration continue to shape the future of software development.

Speakers: Maggie Appleton, Staff Research Engineer, GitHub Martin Woodward, VP, Developer Relations, GitHub Jocelyn Velarde, GitHub Campus Expert, Tec de Monterrey

Watch more videos from GitHub Universe 2026: https://www.youtube.com/watch?v=AArI948SDz8&list=PLENrlACZ7mnU

— CHAPTERS —

00:00 Welcome to GitHub Universe 2026 02:10 The hackable badges project 05:17 Learning with GitHub copilot 11:11 Ai's impact on open source 15:43 Scaling projects with AI agents 19:08 The evolving Developer role 21:27 Introducing chopin: collaborative AI planning 21:45 Maggie Appleton on chopin 28:47 Ai's impact beyond tech 30:34 Interview with campus expert jocelyn balanda 34:29 The craft of coding: final demo 39:32 GitHub Universe 2026 closing keynote

#GitHubUniverse #OpenSource #SoftwareDevelopment

Stay up-to-date on all things GitHub by connecting with us:

YouTube: https://gh.io/subgithub Blog: https://github.blog X: https://twitter.com/github LinkedIn: https://linkedin.com/company/github Insider newsletter: https://resources.github.com/newsletter/ Instagram: https://www.instagram.com/github TikTok: https://www.tiktok.com/@github

About GitHub It’s where over 180 million developers create, share, and ship the best code possible. It’s a place for anyone, from anywhere, to build anything—it’s where the world builds software. https://github.com

[Source](https://www.youtube.com/watch?v=Gh-hg7lwA0o)

中文简报

AI代理生成40%拉取请求,GitHub增设仓库限制措施 毫无阻碍的AI代码生成可能导致大量不合格提交涌向开源维护者,迫使平台引入仓库限流措施和协作规划工具,以确保人类判断在软件开发中始终处于主导地位。 Martin Woodward开场剖析了GitHub上开源贡献的爆发式增长,以及AI生成代码给维护者带来的挑战,并演示了防御性工作流控制措施以及趣味硬件徽章改装。随后,来自GitHub Next的Maggie Appleton展示了实验性协作画布Chopin,该工具用具备人类归属标识的共享规划模型与主动代理研究,取代了孤立的文本提示词交互。在GitHub Campus Expert Jocelyn Velarde分享其利用神经信号处理开发辅助性脑机接口的工作后,Woodward带领全场观众进行了一场热闹的演示,在吉祥物玩偶内训练边缘机器学习模型,并在最后提醒大家:人类的判断力、创造力与品味依然不可替代。 GitHub上的全球开源活动创下历史新高,开发者数量突破2.25亿,12个月内产生180亿次推送,且所有拉取请求的初稿中有40%出自AI代理。 (0:03) 为遏制未经审查的AI生成“劣质内容”泛滥并节省维护者时间,GitHub推出了仓库防护控制功能,包括在制品(WIP)限制、互动门槛以及拉取请求暂停机制。 (10:56) GitHub Next发布了协作规划原型Chopin,将AI交互从孤立的提示词对话转变为共享的实时画布,具备主动研究、交互式原型以及带有人类归属标识的决策卡片等特性。 (23:43) Campus Expert Jocelyn Velarde展示了辅助工程如何借助开源研究开发脑机接口,将运动意图转化为肌萎缩侧索硬化症(ALS)患者的实时假肢运动与合成语音。 (30:34)

精炼阅读摘要

在 GitHub Universe 2026 闭幕演讲中,Martin Woodward 指出全球软件开发在 AI 推动下迎来爆炸式增长,但强调技术工具无法取代人类的审美、判断力与协作核心,开发者必须通过动手实践与社区支持来应对技术剧变。 全球开源代码激增与 AI 生成草稿的冲击 (0:03) 全球软件协作规模在过去一年创下纪录,GitHub 平台上的活跃开发者已超 2.25 亿人,其中巴西在过去一年新增了超 300 万开发者。过去 12 个月内平台代码推送量突破 180 亿次,超过 2024 年与 2025 年的总和,日均 Pull Request(PR)合并量超 350 万次。最新 Octoverse 统计数据显示,目前 GitHub 上 40% 的 PR 首稿由 AI 智能体生成,相比 3 月份的 17% 出现了巨大跃升。 然而,代码提交摩擦力的消失也带来了严重的维护危机。由于大量缺乏深思熟虑甚至低质的“垃圾提交”涌入仓库,开源维护者的个人时间被严重消耗。针对这一失衡,GitHub 推出了多项管理控制功能,包括在制品(WIP)限制、要求提交者具备过往合并记录的互动限制,以及彻底暂停 PR 的开关。Woodward 强调,开源是检查、重新混合与分享的自由,但绝非将个人意志强加给维护者的自由。 边缘智能与硬件沙盒中的动手学习实践 (2:10) 为了在日常生产压力之外为开发者提供探索空间,GitHub 为大会定制了搭载树莓派 RP2350 处理器与多重传感器的可黑客硬件工牌。团队通过实时微 Python 执行环境与 Copilot 结合,不仅在浏览器端构建了仿真模拟器,还通过蓝牙将工牌加速度计遥测数据流式传输至浏览器,实现了边缘机器学习模型的本地训练。例如,在数次现场动作采样后,浏览器快速拟合并下发了用于计步检测的轻量级决策树,在后续毛绒玩具抛掷实验中,三组训练样本便达到了 86% 的验证准确率。 Woodward 指出,构建可靠智能体系统的诀窍在于工作流中必须包含实时的验证回路(verification loop)。Copilot 应用直接接入运行时上下文与调试环境,从而实现对内存状态的检查、自动化测试与代码自我修正。这种低门槛工具链展示了现代 AI 对实践学习的巨大杠杆作用,使开发者无需深厚的底层机器学习背景也能实现边缘硬件部署。 运维成熟度是释放智能体效益的前提 (15:43) AI 智能体工作流在开源生态中展现出极大的维护潜能,但其成功与否高度取决于项目的工程基建底座。例如,开源智能家居项目 Home Assistant 在期间合并了 5,000 个 PR;云原生计算基金会(CNCF)则部署了 GitHub Copilot 智能体集群支持大规模生态维护。在 OpenPrinting 项目中,维护者借助 CNCF 开发的 Hive 框架自动化处理容器镜像刷新与 CI/CD 流水线,将核心精力集中于打印机驱动与底层调试。 Woodward 指出,拥有扎实 DevOps 基础的团队能从 AI 中获得最高杠杆,而受困于技术债务的组织则可借助智能体补齐实践短板。过去一年中,GitHub Actions 承担了每秒近 1,500 次作业运行,日均执行量达到 1.24 亿次,较 2025 年翻倍;同时 GitHub 捐赠了超过 115 万亿次 Action 核心运行分钟数以支持开源验证。但他强调,没有明确的目标定义,交付速度便毫无意义,界定“什么是优秀”始终是人类的责任。 Chopin 协作规划原型化解孤岛决策困境 (21:45) GitHub Next 研究员 Maggie Appleton 针对当前 AI 辅助开发的架构瓶颈提出了批评。目前的智能体规划通常迫使开发者在命令行或独立应用中面对连续的选择题提示词,容易导致“凭感觉做决策”,最终生成难以审阅的长篇 Markdown 方案。更深层的问题在于私密孤岛式的规划过程让团队其他成员无法参与,往往直到代码成型、提起 PR 时才发现架构分歧,白白浪费计算 Token 与返工成本。 为此,研究团队展示了名为 Chopin 的协作规划原型。该工具将人与智能体置于共享画布中,智能体能够主动根据讨论内容生成可交互的原型卡片、调研硬件约束并输出流程图。所有架构决断均以带有时间戳和人员头像的决策标记直接内嵌保存,使选择归属权一目了然。方案经团队协同确认后,再由智能体拆解为针对性的子任务 PR 下发执行,从而将开发体验从枯燥的待办梳理转变为人机协同创造。 开源科研扩展与神经工程导师传承 (28:47) 开源技术的影响力正快速外溢至物理与生命科学领域,GitHub 上的专业科学贡献量增长了五倍,代码仓库已成为同行评审论文的关键支撑。为了支持跨学科研究,平台集成了原生学术引用与 ORCID iD 功能,并通过 GitHub Campus Program 链接了超过 60 个国家的 2,500 余所高校,由数百名 Campus Experts 开展工程实践指导。 作为学生代表,加州大学戴维斯分校神经修复实验室的访问学者 Jocelyn Velarde 分享了她的科研历程。从小学乐高机器人启蒙到高中自学脑机接口、借助线性判别分析(LDA)算法开发 3D 打印意念义肢,Velarde 目前专注于“脑到语音”(Brain to Voice)项目,通过多平台底层硬件优化降低音频流延迟,帮助肌萎缩侧索硬化症(ALS)患者重建实时语音表达。她强调,清晰的长远目标设定以及主动寻求开源社群与导师的支持,是青年开发者突破资源壁垒的关键路径。 Woodward 总结认为,生成式 AI 虽然极大地提升了软件工程的交付速度并降低了技术准入门槛,但它仅代表执行层面的算力支持。面对日新月异的模型更替与工具演化,技术的灵魂依然维系在人类的创造力、审美品味与价值判断之中,开发者必须在保持人本初心的前提下,通过开源协作与持续实践书写技术演进的方向。

Detailed notes — zh

## Background 该视频由 GitHub 在 YouTube 平台发布,是 2026 年 GitHub Universe 大会的闭幕主题演讲。大会官方描述将其定位为一场充满开源之声、惊喜演示以及编程乐趣的最终环节,旨在通过社区驱动的软件开发、创意实验和开源协作,共同探讨软件开发的未来。 ## TL;DR 本次演讲由 Martin Woodward 与 Maggie Appleton 主持,深入探讨了 AI 如何重塑开源协作与开发工作流。演讲不仅展示了从可编程工牌、边缘机器学习计步器到 AI 协同规划工具 Chopin 的创新应用,还严肃讨论了 AI 时代开源项目面临的质量挑战与维护者压力。通过采访校园专家 Jocelyn Velarde,大会进一步强调了技术在医疗科研等社会领域的力量,最终呼吁开发者在 AI 赋能的背景下,坚持发挥人类在架构决策与创造力方面的核心作用。 ## Atmosphere & style 整场演讲氛围极具极客气息且充满人文关怀,既有对底层代码与硬件的热衷,又不失对维护者处境的深刻共情。主持人之间的互动幽默自然,将硬核的技术演示与开发者职业身份的演变讨论巧妙融合,营造出一种既前卫又亲切的社区归属感。从起初的开源极客文化自豪感,到对 AI 时代责任的冷静反思,演讲的情感曲线最终在对技术改变世界的期许与给予参会者的惊喜奖励中达到高潮,让人切实感受到构建软件是一件令人愉悦的创造性工作。 ## Bulletin - [02:00](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=120s) GitHub 开发者生态规模达 2.25 亿,过去 12 个月内 Pull Request 合并量突破 13 亿次,GitHub Actions 任务频率飙升至每秒 1500 次。 - [11:56](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=716s) AI 在开源贡献中扮演重要角色,当前 40% 的 PR 由智能体起草,但这也引发了低质量代码泛滥的问题,促使 GitHub 引入 WIP 限制和互动门槛以保护维护者。 - [22:07](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1327s) GitHub Next 发布了协作规划原型工具 Chopin,旨在解决开发者因碎片化决策而导致的“直觉导向”开发痛点,实现人机协同的深度架构规划。 - [28:32](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1712s) 科学界开源贡献显著增长,GitHub 通过学术计划与 ORCID 引用支持,已覆盖全球 60 多个国家的 2500 多家学术机构。 ## Key takeaways - [02:10](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=130s) 巴西开发者社区呈现爆发式增长,单年新增逾 300 万开发者,显示了全球技术生态的地理扩张。 - [04:10](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=250s) 代码吞吐量持续攀升:过去一年累计 Push 次数达 180 亿次,超过前两年的总和。 - [05:10](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=310s) Martin Woodward 强调开源文化是在“无人注视”时形成的,通过 hackable badge 项目展示了极客精神在 GitHub 内部的传承。 - [07:15](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=435s) 验证闭环(Verification Loop)是 AI Agent 开发的核心,通过在 Copilot 中内嵌 Canvas 和调试反馈,开发者能大幅提升边缘硬件开发效率。 - [08:14](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=494s) 前端机器学习能力已实现飞跃,如今可在浏览器内完成决策树模型的实时训练与部署。 - [15:56](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=956s) AI 不应成为强加意愿的工具;开源维护者拥有拒绝低质 PR 的权利,保护自身时间是开源社区持续运转的关键。 - [17:30](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1050s) Hive 框架在 CNCF 的应用证明,基础设施层的自动化能有效填补开发者技能缺口,使 AI 更好地服务于复杂开源项目。 - [18:50](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1130s) 人类判断力是不可替代的基石;定义什么是“优秀的软件”始终是人的责任,而非 AI 的功能。 - [19:08](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1148s) 开发交互形式从单一的 Chat 转向多模型动态路由及多样化的硬件感知终端,以适应不同开发者的工作习惯。 - [24:48](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1488s) Chopin 通过实时协作环境与主动研究功能,将协作规划从被动的 backlog grooming 转化为创造性的架构设计。 - [30:24](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1824s) 校园专家(Campus Experts)项目连接了学术界与工业界,为学生提供获取前沿技术实践的纽带。 - [32:40](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1960s) Jocelyn Velarde 的研究展示了 AI 在神经假体与脑机接口(BCI)领域的巨大潜力,强调了跨学科合作与坚持不懈的重要性。 - [34:28](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=2068s) 无论技术如何演进,开发者通过构建事物解决问题并与他人协作来学习的本质从未改变。 - [39:32](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=2372s) AI 时代并未终结编程,而是要求开发者扮演“故事编写者”的角色,将创造力、判断力和品味注入到 AI 生成的代码中。 ## Detailed walkthrough ### [00:03](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=3s) 全球开发者规模与惊人增长数据 大会主持人介绍 Martin Woodward 登场。作为大会的最后一场演讲,Martin 对在座观众的坚持与陪伴表示感谢。他首先介绍了自己在 GitHub 的职责:负责维护开源维护者、学生、教师的权益,以及整体的开发者体验(Developer Experience)。漫步在过去两天的会场中,他不仅与众多老友重逢,也结识了许多新伙伴。 随后,Martin 分享了过去一年 GitHub 取得的惊人里程碑数据:目前平台上的开发者总数已达到 2.25 亿,且增长遍布全球各个角落。尽管美国和印度依然是当前最大的两个开发者社区,但巴西的势头最为耀眼,单年新增开发者就超过 300 万人。Martin 还在现场秀了一句葡萄牙语/西班牙语风格的欢迎语:“Bienvenido a casa”(欢迎回家),引得全场欢呼。 不仅是用户规模激增,平台的代码吞吐量同样达到了前所未有的峰值。过去 12 个月内,全球开发者累计向 GitHub 提交(Push)了 180 亿次代码,这个数字甚至超过了 2024 年与 2025 年两年的总和;与此同时,代码审查与合并也保持着同等节奏,平均每天完成超过 350 万次 Pull Request 合并,全年合并总数超过 13 亿次。面对每隔一周就问世的代码新模型,Martin 直言自己也常常感到跟不上节奏,而他战胜这种焦虑的方式正是“从实践中学习”(learn by doing)。 - 全球开发者总数达到 2.25 亿。 - 巴西开发者增长极为迅速,一年内新增逾 300 万人。 - 过去 12 个月内代码 Push 次数达 180 亿次,超过前两年的总和。 - 过去 12 个月内 Pull Request 合并总数超 13 亿次,平均每天合并 350 万次以上。 --- ### [02:10](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=130s) Universe 可编程工牌背后的极客精神与供应链传奇 Martin 谈到了团队为本届 Universe 大会量身打造的可编程工牌(hackable badge)。这款工牌的初衷,就是为参会者提供一个跳出日常工作、尽情实验与玩耍的平台。许多参会者在第一场分论坛开始前,就已经把工牌破解并玩了起来。Martin 回顾了这个最初源自他个人业余爱好(passion project)的项目演变历程:从最初带孔的小尺寸电子水墨屏(E-ink),逐步演化成今天挂在大家胸前的“微型超级计算机”。 虽然 Martin 自嘲如今身为管理者,日常工作“主要就是删邮件和批报销”,今年对工牌项目的直接参与最少,但这届工牌在 ARM 伙伴的合作支持下成了历年体验最佳的一款。它搭载了树莓派 RP2350(ARM Cortex 处理器),集成了各种传感器,其计算能力远超 Martin 小时候父母省吃俭用给他买的编程启蒙电脑。 聊到工牌的分发,Martin 透露去年的交付历经坎坷:遭遇全球供应链短缺与台风侵袭,屏幕制造商停产数周,导致硬件元器件在大会前夕才运抵旧金山办公室。当时,GitHub 员工(Hubbers)与社区志愿者连夜自发聚集在办公室,通宵达旦地手工组装每一块工牌,才保证了次日清晨 8 点参会者能按时领到工牌入场。针对这段经历,Martin 深情地总结道: > “I've always said that culture, culture is what happens when no one is looking.”(我一直坚信,所谓的文化,就是在没有人注视你的时候所发生的那些事情。) 他指出,那种专注社区、充满初创企业冲劲的极客文化依然在 GitHub 内部生生不息。现场他还点名了社区成员的硬核成果:例如有人将工牌改装成热敏小票打印机,而坐在第一排的 Steve Francia 甚至移植了 NES 模拟器在工牌上畅玩《塞尔达传说》(Zelda)。 --- ### [05:17](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=317s) 巧用 Copilot 与验证闭环构建工牌应用 为了向未能亲自动手或在线观看的开发者演示,Martin 在自己的笔记本电脑上展示了工牌生态。工牌背面的二维码直通一个功能完备的在线 Web 模拟器,参会者可以在其中体验像 Flappy Mona 这样的小游戏。令人惊叹的是,整个模拟器是由暑期实习生 Charlie Nicholson 凭借惊人天赋加上约 95 美元的 Copilot 额度独立开发完成的。 在展示了传统的“修改代码打印 Hello Universe”之后,Martin 现场演示了如何借助 Copilot 应用构建游戏。他拉取了本地代码仓库,仅凭一句提示词(one-shot prompt),Copilot 就在内置 Canvas 画布中生成了一款经典的 Breakout(打砖块)游戏。因为画布内嵌在 Copilot 应用中,AI 可以直接捕获 MicroPython 的调试信息、检查运行状态并排查错误。Martin 借此点出了 Agent 开发的核心法则: > “And that's the trick is to have a verification loop in your process, and then your agent can do amazingly impressive things.”(其中的诀窍就是在你的流程中建立一个验证闭环,唯有如此,你的智能体才能做出令人惊叹的成果。) 随后他又幽默地展示了自己创建的、自称“绝未侵权”的《超级莫娜》(Super Mona)横版闯关游戏,现场效果极其出彩。 ```mermaid flowchart TD accTitle: Copilot 闭环验证开发架构 accDescr: 展示了从自然语言提示词到运行验证闭环的工牌应用构建流程。 subgraph PromptStage["开发阶段"] A["开发者单次提示词 (One-shot Prompt)"] --> B["Copilot 生成 MicroPython 代码"] end subgraph RuntimeStage["运行与验证阶段"] B --> C["Copilot App Canvas 模拟器"] C --> D["MicroPython 调试输出与状态检查"] D -->|"验证反馈回路 (Verification Loop)"| B end subgraph DeployStage["发布阶段"] C --> E["部署至 RP2350 硬件工牌"] end ``` --- ### [08:14](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=494s) 现场训练与部署边缘机器学习计步器 Martin 坦白,作为经常在台上畅谈 AI 的技术人,自己其实并未深入摆弄过机器学习的基础底层原理,而这次他决定通过给工牌开发一个计步器(Pedometer)来补上这一课。 他在浏览器中连接上自己的工牌,首先让 Copilot 编写代码,通过低功耗蓝牙(Bluetooth)实时回传加速度计的振动与运动遥测数据(Telemetry)。接着,现场进入交互式模型训练流程。系统通过语音提示引导 Martin 完成一系列标准动作来采集特征数据: - **静止状态(Standing still)**:采集基准静止震动。 - **走路(Walk)**:由于现场存在密集的 2.4GHz 无线电干扰,Martin 走动时数据传输略有延迟,但系统设计了离线缓存,走出信号盲区后会自动补发遥测数据。 - **摆弄工牌(Fidget with your badge)**:模拟无意识摸工牌的动作,避免误判为走路。 - **摆动手臂走动(Walk again & Gait analysis)**:系统实时分析步态(Gait analysis),语音甚至幽默调侃他走路的姿态像是“周五下午刚向 main 分支合并了代码的人”。 采集完成后,Martin 直接在浏览器内训练了一个简易的决策树(Decision Tree)机器学习模型。在 2026 年的技术环境下,这类原本复杂的训练过程已能在纯前端瞬间搞定。他随后将训练出的模型一键烧录推送到工牌的硬件上。当他在台上起步走动时,工牌界面实时变绿并精准显示正在行走;而一旦停下脚步,指示立刻恢复为静止状态,完美验证了端侧边缘机器学习的快速开发与部署体验。 ### [11:11](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=671s) AI 对开源的双刃剑:创作速度与低质 PR 洪流 在演示了徽章步数与动作消歧的互动并引来现场掌声后,Martin Woodward 将话题转入了更严肃的思考。作为早在 2021 年就成为首批体验 GitHub Copilot 的人之一,他坦言即使到了今天,自己依然不断被 AI 的能力以及如今人们构建软件的惊人速度所震撼。然而,当退后一步审视这种极致速度对全球代码库产生的影响时,既能看到巨大收益,也伴随着诸多未曾预料的副作用。在 AI 时代,我们究竟该如何确保自己依然在“用心构筑(building with heart)”? ```mermaid flowchart TD accTitle: AI 驱动下开源贡献漏斗的变化 accDescr: 对比传统开源门槛自然过滤与 AI 普及后低质 PR 激增对维护者带来的压力 subgraph Traditional["传统开源贡献漏斗"] A["海量使用者 / Consumer"] --> B["克服学习门槛与社区文化"] B --> C["少数核心贡献者 / Contributor"] end subgraph AIAssisted["AI 时代开源现状"] D["极低门槛生成代码 (Agent 辅助草稿)"] --> E["40% PR 由 Agent 起草"] E --> F{"内容质量两极分化"} F -->|"高质量原型"| G["数分钟验证想法 / 合并代码"] F -->|"低质量/无意义贡献"| H["维护者时间被淹没 / 疲于审查"] end ``` 根据最新的 Octoverse 报告,如今 GitHub 上有 40% 的拉取请求(PR)最初是由 Agent 起草的初稿,而在当年 3 月这一比例还仅为 17%。这种飞跃释放了不可思议的创造力,让原本需要耗费数月构建的原型在几分钟内就能交付,甚至即使只做了 10% 也能迅速验证其价值。然而,硬币的另一面是代码质量的泥沙俱下。正如 Martin Woodward 所直言:“让我们坦白点,并不是所有的 PR 都是钻石,对吧?仅仅因为创造变得前所未有地容易,并不意味着你手里的东西就已经准备好提交了。”大量缺乏深思熟虑、甚至毫无意义的“流水账贡献(slop)”正在涌向开源仓库,原本出于好意的提交演变成了维护者沉重的时间黑洞。 ### [13:56](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=836s) 维护者减负与开源界限:从 WIP 限制到拒绝 PR 传统开源模式之所以运转良好,依赖于一个天然的贡献漏斗:绝大多数人是使用者,只有极少数人能克服学习编程和社区规则的高门槛成为贡献者。GitHub 曾致力于降低贡献摩擦以促进社区繁荣,但这种极致的便利在周末助力个人项目的同时,也让很多人未经深入了解社区规范与文化就随意提交 PR。这些看似包含安全隐患或粗制滥造的内容,严重占用了维护者的业余时间。 为了让开源重新回归纯粹的乐趣,GitHub 秉持“边发布边学习(ship to learn)”的文化,为仓库引入了一系列控制手段: - **在制品限制(WIP Limits)**:仓库可限制单个贡献者同时开启的 PR 数量(如 1 到 2 个),在其 PR 被合并或主动关闭前禁止发起新提交。 - **互动门槛(Interaction Limits)**:要求贡献者必须在此前成功合并过 PR,才具备在项目中提交新内容的资格。 - **关闭 PR 提交通道**:允许维护者直接声明暂时不接收任何 PR。 谈及这项功能,长期投身开源的 Martin Woodward 坦言自己当时也曾深思良久,但为了保护那些无偿贡献业余时间的维护者,这是必须划清的界限。Martin Woodward 掷地有声地总结道:“开源赋予你检查、重新混配和分享的自由,而且无需获得许可;但这绝不意味着你有强加自身意志于他人的自由。” ### [15:43](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=943s) 用 AI Agent 扩展维护:CNCF、Hive 与 DevOps 的力量 开源生态并未完全陷入低质代码的阴霾,相反,越来越多的维护者正在主动使用 AI 和智能体工作流(Agentic workflows)来扩展项目管理。例如前排就坐的 Frank 所在的 Home Assistant 项目,在过去一年内就合并了多达 5000 个拉取请求,创造与分享开源代码的规模创下历史新高。 长期合作伙伴云原生计算基金会(CNCF)则在 GitHub 赞助下,运行了一组 GitHub Copilot Agent 集群来管理其庞大的项目网络。其中一个典型的落地案例是 OpenPrinting 项目。Martin Woodward 调侃说,如果放假回家能让 Agent 替自己修好叔叔家的打印机,那自己绝对全力支持 AI。而根据 CNCF 员工 Jorge Castro 的反馈,现实情况更加微妙: - **核心诉求错位**:维护者本身精通打印机驱动程序且极度热爱修打印机,他们真正的痛点并不在打印技术本身,而是在于缺乏使其能够实际运行的基础设施(如容器更新、CI/CD 构建流水线)。 - **Hive 框架介入**:CNCF 团队将名为 Hive 的框架部署到了 4 个打印机代码库中,全权接管容器刷新与自动化工作流,帮助维护者填补基础设施层面的技能缺口。 这一现象揭示了全行业的普遍规律:DevOps 实践越扎实的团队,越能从 AI 中汲取红利,因为保护人类高速安全运作的同一套防护栏,对智能体同样有效;而对于基础薄弱的团队,AI 则成为替他们偿还技术债务的强力帮手。 ### [18:00](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1080s) GitHub Actions 的规模与人类判断力的不可替代性 在支撑整个开源协作自动化和 Agent 运转的底座中,GitHub Actions 迎来了爆发式增长。在过去一年中,GitHub Actions 的任务触发频率达到了令人咋舌的每秒近 1500 次,相当于每天执行 1.24 亿次任务,较 2025 年直接翻倍。为了帮助开源维护者测试与验证项目,GitHub 在过去 12 个月内捐赠了超过 115 万亿分钟(trillion action call minutes)的运行时间。 然而,速度的飙升并不能代替价值判断。Martin Woodward 指出,构建与交付得更快并不等于在构建正确的东西,而这正是人类判断力不可替代的根基所在:人类必须先明确定义要解决的核心业务痛点,才能引导 AI 推进;也必须在事后反思所做的改动究竟是改善还是恶化了局面。谈及技术工具无法代劳的本质,Martin Woodward 强调:“那种业务层面的判断力,恐怕不是我能提供给你的;这也是为什么这被称为‘工作’的原因所在——定义何为‘优秀’是你的职责,唯有在那之后,AI 才能帮你达成目标。” ### [19:08](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1148s) 开发者角色的演进:多模型调度、泛终端与超越 Chat 的 Agent 伴随底层模型生态的发展,开发者的日常角色与人机交互形态正在经历深刻演进。GitHub 的实际使用数据显示: - **模型灵活路由**:没有单一模型或模型家族能够通吃所有场景。开发者面对新模型的接纳与切换意愿空前强烈,大约 25% 的轻量、快速任务会被分流给敏捷型小模型,其余复杂任务则在深度推理模型和通用模型之间按需分配,在速度、成本与任务复杂度之间寻找动态平衡。 - **全生态编辑器覆盖**:开发者的诉求是“按自己的习惯工作”。无论是命令行 Terminal、独立 Copilot 应用、github.com 网页端、移动端,还是 VS Code、Visual Studio、Eclipse、极其流行的 IntelliJ 系列,乃至夏天苹果 WWDC 之后获得原生 Copilot 支持的 Xcode,多样性诉求得到了全面满足。 除了多编辑器支持,与编码 Agent 的交互方式也在 2026 年突破了传统的对话聊天(Chat)界面。市面上涌现出大量商业化与开源的实体硬件设备,包括罗技(Logitech)的专属设备以及各种可黑客改装的数码相框,开发者借此可以像环境感知仪表盘一样,无感获知并控制后台 Agent 的运行状态。 ### [21:27](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1287s) 引介 Maggie Appleton:探索与 AI 协同规划的未来 Martin Woodward 紧接着指出了当前 Agent 工具的局限性:眼下行业大多依然聚焦在“单个开发者与其背后的专属 Agent 团队对话”,然而软件开发自始至终是一项“团队运动(team sport)”。GitHub 关注的核心命题在于:下一阶段的“社交化编程(social coding)”到底是什么形态?人类团队该如何与他们的 Agent 团队协同并进? 带着这个疑问,Martin Woodward 隆重邀请了来自 GitHub 研究与原型设计团队 GitHub Next 的设计工程师 Maggie Appleton 登台。Maggie Appleton 登场后回顾了 GitHub Next 过去打造的里程碑原型,包括最早的初版 GitHub Copilot、Spec Kit 以及 Agentic workflows 等前沿探索。她开门见山地指出,团队近来将全部注意力投向了一个长期被忽视但极具痛点的环节:当我们与 Agent 一起做规划时,现有的协作体验究竟有多糟糕。 ### [22:07](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1327s) 对抗“基于直觉”的决策:Chopin 的诞生 Maggie Appleton 指出,目前的开发环境(无论是 CLI 还是桌面应用)通常将开发者困在无尽的多项选择题中。当面对这类决策时,开发者往往在回答了几个问题后就感到疲惫,开始盲目选择“推荐选项”,导致了她所称的“基于直觉的决策”(vibes-based decision making)。由于狭小的选择框无法承载复杂的逻辑权衡,开发者往往在没有任何深入理解的情况下被动接受结果。更严重的问题在于,这一过程是孤立的——团队成员无法看到彼此正在阅读或批准的规划,导致每个人都在与 AI 进行私密的对话,做出的决策可能会在后续引发冲突,最终不得不通过 PR(Pull Request)来获取反馈,但这往往已经太晚,浪费了宝贵的开发时间。 为了解决这一问题,Maggie 展示了名为 **Chopin** 的原型工具。它旨在实现人与人、人与 AI 之间的实时协作规划。在 Chopin 的规划文档中,Martin 和 Maggie 可以同时输入内容或进行实时聊天,同时 AI 代理(Chopin)全程参与,帮助他们探讨方案、权衡利弊,并基于决策模型在后台自动进行研究。 * **痛点**:多选框限制了复杂问题的思考;孤立的工作流导致团队缺乏透明度;PR 反馈阶段介入过晚。 * **愿景**:通过实时协作环境,在编写代码之前完成深度架构决策,减少重写负担。 ### [24:48](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1488s) Chopin 的实际演示:从交互设计到自动化决策 Maggie 和 Martin 通过演示一个“多人步数挑战”应用来展示 Chopin 的能力。在这个过程中,他们产生了分歧——Maggie 想要一个景观式的导航界面,而 Martin 希望屏幕上有大字体数字。Chopin 不仅记录了这些讨论,还主动根据两人的需求生成了多种交互原型,如地图、径向拨号盘以及大数字显示。 Chopin 的强大之处在于其“主动性”。在 Martin 提出关于 Wi-Fi 连接和蓝牙范围的担忧时,Chopin 自动完成了网页研究并整理了一份关于蓝牙支持和连接范围的报告,甚至生成了详细的架构图来解释数据流。Maggie 特别强调了可视化反馈的重要性:“我个人觉得长篇大论的文本很难理解,而像这样可视化的解释对于理解数据流或架构决策非常有帮助。”最终,两人通过系统化的决策卡片达成共识,Chopin 自动记录了决策过程,包括谁在什么时间做了什么决定,确保了项目的长期可追溯性。 * **关键功能**: * **原型生成**:自动根据需求生成可交互的 UI 原型。 * **主动研究**:AI 代理能预判需求并提前完成技术调研。 * **决策溯源**:标记每个决策的责任人及其时间戳,便于日后复盘。 * **代码自动化**:一旦规划确认,Chopin 会将计划拆解为任务,并自动打开相应的 Pull Requests。 ### [28:32](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1712s) 从软件开发到科学研究:GitHub 的开源影响力 在成功完成步数挑战的应用演示后,Martin 谈到使用 Chopin 的感受,他认为这让工作不再仅仅是“积压工作整理”(backlog grooming),而更像是一种创造性的共同协作。他指出,这种开源协作模式正在超越计算机科学领域,科学界已经成为开源增长的核心力量。 专业技术服务和科学领域在 GitHub 上的开源项目增长了五倍。为了更好地服务科学家,GitHub 引入了引用支持和 ORCID ID,帮助研究人员准确关联其科研论文背后的代码库。目前,全球已有近 2500 家学术机构加入了 GitHub 的校园计划,并拥有 500 多名现任或校友“校园专家”(Campus Experts),这些学生志愿者在各自的校园里教授 Git、GitHub 和 Copilot 的使用。 * **关键数据**: * **学术增长**:科学与技术服务领域开源贡献增长 5 倍。 * **社区规模**:覆盖全球 60 多个国家的 2500 多家学术机构。 * **校园计划**:拥有 100 多名在读 Campus Experts 和 500 多名校友。 ### [30:34](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1834s) 采访校园专家 Jocelyn Velarde:机器人的力量 为了展示校园专家的影响力,Martin 邀请了 Jocelyn Velarde 上台。Jocelyn 是 Tec de Monterrey 的学生,目前在 UC Davis 的神经假体实验室实习。她分享了自己从小学接触乐高机器人到高中研发脑机接口(BCI)的历程。 当 Martin 问及如何处理大脑发出的复杂信号并转化为义肢动作时,Jocelyn 解释了她高中的研究项目。她通过冷邮件联系到了导师 Miriam Alanis 教授,并开发了一套手部义肢,通过捕捉大脑信号来实现抓握动作。她利用机器学习模型(线性判别分析,LDA)来训练系统,使佩戴者能够通过思考“打开手”或“合上手”来控制义肢。 * **Jocelyn 的心路历程**:“我记得在小学的一次竞赛中,他们问我长大后想做什么,我说我想制造机器人去帮助别人。” * **技术细节**:Jocelyn 使用了线性判别分析(Linear Discriminant Analysis)模型来处理脑机接口数据。 ### [32:29](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1949s) 与校园专家 Jocelyn Velarde 的访谈 在访谈中,Jocelyn Velarde 分享了她在机器学习领域的早期经历。她提到自己仅使用两个训练类(training classes)就成功实现了信号分类,这让主持人感到非常惊讶。目前,Jocelyn 正在加州大学戴维斯分校(UC Davis)的神经假体实验室(Neuroprosthetics lab)担任本科访问研究员。她的研究核心是开发通过植入式阵列(implanted arrays)实现脑机接口(BCI)语音恢复技术。 Jocelyn 目前参与的项目名为“Brain to Voice”,旨在通过 AI 和机器学习算法解码患者(如患有 ALS 的人群)在尝试说话时产生的电信号。她在团队中的具体任务是开发低级别硬件系统,并跨多个计算平台工作,以减少音频流的延迟。谈及对学生的建议,她强调了社区的重要性。她回顾了自己在蒙特雷理工学院(Tec de Monterrey)参与 Robert Rego 的机器人社区的经历,当时他们共同开发了一个辅助人们生活的自主机器人。 * **Jocelyn 的建议:** “我的直接建议是,给所有学生,把你的短期、中期和长期目标规划好,并在此过程中找到支持你的社区。” * **关于寻求帮助:** “社区当然有各种形状和形式,所以不要害怕寻求帮助。发一封电子邮件,这就是我所做的。如果你足够坚持并展现出兴趣,总会有人愿意帮助你。” ### [34:28](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=2068s) 硬件开发演示:机器学习手势识别 主持人随后回到舞台,展示了一个将机器学习应用于“Ship it”吉祥物(松鼠玩偶)的实验。他解释说,尽管软件构建方式发生了巨变,但开发者“为什么”要构建软件的本质(即通过解决问题、构建事物和与他人协作来学习)从未改变。他展示了如何在几个 AI Credits 的预算下,通过简单的训练让模型识别“投掷”和“掉落”等手势。 演示过程充满了即兴的幽默感。主持人先训练了一个识别“投掷”动作的模型,接着又训练了“掉落”动作。尽管他谦虚地表示只用了三个数据集,模型表现可能不完美,但在随后的测试中,该模型成功识别了动作。为了将演示推向高潮,他发起了一场“玩偶空气动力学比赛”,分发了包括 Mona 和 Ducky 在内的多个吉祥物,试图通过 AI 模型测量这些玩偶在空中的持续时间。 * **关于技术边界:** “这非常、非常愚蠢,但却是一个令人愉快的例子,展示了当我们突破已知可能的边界时会发生什么。” ### [39:32](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=2372s) 闭幕致辞与未来展望 在演讲的最后,主持人回顾了 GitHub Universe 2026 的主题,指出我们正处于职业生涯中见证过的最重大的技术转折点。他强调 AI 能够显著提升生产力,使开发者能够创造出过去因时间和技能限制而无法实现的应用程序。然而,他向现场观众提出了核心警示:AI 不能取代人类的参与。 * **关于人的角色:** “记住,AI 不会也不能取代这个等式中的人心。你必须在这个新时代继续带来创造力、判断力和品味。AI 不会编写故事,你才是编写故事的人。” 为了结束大会,主持人邀请所有持有玩偶的观众站起来,并宣布了一个巨大的惊喜:在场所有持有玩偶的观众将获得 12 个月的 GitHub Copilot Max 订阅奖励。他指示观众在离开时通过指定的出口领取兑换券,并以感谢观众参加 GitHub Universe 2026 结束了本次盛会。 ## Notable quotes > [13:56](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=836s) 开源赋予你检查、重新混配和分享的自由,而且无需获得许可;但这绝不意味着你有强加自身意志于他人的自由。 — Martin Woodward > [11:11](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=671s) 仅仅因为创造变得前所未有地容易,并不意味着你手里的东西就已经准备好提交了。 — Martin Woodward > [18:00](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=1080s) 定义何为‘优秀’是你的职责,唯有在那之后,AI 才能帮你达成目标。 — Martin Woodward > [39:32](https://www.youtube.com/watch?v=Gh-hg7lwA0o&t=2372s) 你必须在这个新时代继续带来创造力、判断力和品味。AI 不会编写故事,你才是编写故事的人。 — Martin Woodward ## Mentioned GitHub, Martin Woodward, Maggie Appleton, Jocelyn Velarde, Charlie Nicholson, Steve Francia, Miriam Alanis, Robert Rego, Jorge Castro, GitHub Copilot, Copilot Max, Chopin, Spec Kit, GitHub Next, GitHub Actions, RP2350, ARM Cortex, CNCF, Hive, OpenPrinting, Home Assistant, Tec de Monterrey, UC Davis, ORCID ## Video description We are ending GitHub Universe 2026 the way it started: with the people who build in the open. Join Maggie Appleton, Martin Woodward, and Jocelyn Velarde for a final closing keynote session of open-source voices, unexpected demos, and the kind of nerdy joy that reminds you why you got into coding in the first place. Explore how community-driven software, creative experiments, and open collaboration continue to shape the future of software development. Speakers: Maggie Appleton, Staff Research Engineer, GitHub Martin Woodward, VP, Developer Relations, GitHub Jocelyn Velarde, GitHub Campus Expert, Tec de Monterrey Watch more videos from GitHub Universe 2026: https://www.youtube.com/watch?v=AArI948SDz8&list=PLENrlACZ7mnU — CHAPTERS — 00:00 Welcome to GitHub Universe 2026 02:10 The hackable badges project 05:17 Learning with GitHub copilot 11:11 Ai's impact on open source 15:43 Scaling projects with AI agents 19:08 The evolving Developer role 21:27 Introducing chopin: collaborative AI planning 21:45 Maggie Appleton on chopin 28:47 Ai's impact beyond tech 30:34 Interview with campus expert jocelyn balanda 34:29 The craft of coding: final demo 39:32 GitHub Universe 2026 closing keynote #GitHubUniverse #OpenSource #SoftwareDevelopment Stay up-to-date on all things GitHub by connecting with us: YouTube: https://gh.io/subgithub Blog: https://github.blog X: https://twitter.com/github LinkedIn: https://linkedin.com/company/github Insider newsletter: https://resources.github.com/newsletter/ Instagram: https://www.instagram.com/github TikTok: https://www.tiktok.com/@github About GitHub It’s where over 180 million developers create, share, and ship the best code possible. It’s a place for anyone, from anywhere, to build anything—it’s where the world builds software. https://github.com [Source](https://www.youtube.com/watch?v=Gh-hg7lwA0o)

Source quotes

[13:56] Martin Woodward: 开源赋予你检查、重新混配和分享的自由,而且无需获得许可;但这绝不意味着你有强加自身意志于他人的自由。 [11:11] Martin Woodward: 仅仅因为创造变得前所未有地容易,并不意味着你手里的东西就已经准备好提交了。 [18:00] Martin Woodward: 定义何为‘优秀’是你的职责,唯有在那之后,AI 才能帮你达成目标。 [39:32] Martin Woodward: 你必须在这个新时代继续带来创造力、判断力和品味。AI 不会编写故事,你才是编写故事的人。