2026 开发者调查：代理的信任问题，本质是引用问题

Stack Overflow 在 2026 年 10 月 6 日发布了第十六份开发者调查：超过 3 万份回复，覆盖 169 个国家。AI 相关的数字是所有人都在引的那几个，但真正有意思的不是大小而是形状。采用率基本饱和——66% 用编码助手或代理，63% 用通用聊天工具，26.2% 在跑自动化代理工作流，只有 17.2% 完全不用 AI。信任则远未饱和：接近一半的人「能验证就信任」，只有 6.6% 愿意把重要决策交给 AI，78.7% 认为在评估 AI 生成的代码或技术答案时，来源标注重要或非常重要。把这三个放在一起读，你得到的是一个设计要求，而不是一种情绪。

桌面上摊开的调查分析图表与笔记

一、采用率饱和，信任是有条件的

Stack Overflow 的说法是：过去那种「用的人越来越多、信任越来越低」的落差，变成了有条件的接受。对一个真正在干活的团队来说，这比热情或犬儒都更贴切。它也告诉你该建什么：不是更强的使用限制，而是贴在每个输出上的廉价验证。两个数字锚住整套论证。使用编码助手或代理的受访者里，73% 每天都在用；在每日 AI 用户中，31% 每天投入四小时以上。你定下的「我们这里怎么用代理」，会被行使几个小时，而不是几分钟——所以少一个引用这种小摩擦会累积。

from dataclasses import dataclass, field
import datetime as dt

@dataclass
class Claim:
    text: str
    source_url: str = ""
    source_title: str = ""
    fetched_at: dt.datetime | None = None
    kind: str = "doc"          # doc | repo | issue | spec | runtime

    def check(self) -> list[str]:
        problems = []
        if not self.source_url.startswith("http"):
            problems.append("no source url")
        if not self.source_title.strip():
            problems.append("no source title")
        if self.kind in ("doc", "spec") and self.fetched_at is None:
            problems.append("no fetch time for a versioned source")
        return problems

def enforce(claims: list[Claim], allow_uncited: int = 0) -> None:
    bad = [(c.text[:60], c.check()) for c in claims if c.check()]
    if len(bad) > allow_uncited:
        for text, problems in bad:
            print("REJECT:", text, problems)
        raise ValueError("%d uncited claims" % len(bad))

# 78.7% of respondents call source attribution important or very important,
# and the survey blog quotes 93% on requiring attribution to trust output.
# If your agent output cannot carry a URL, it is not an answer yet.

二、AI 在哪里有用，在哪里没用

有用性的坡度很陡，而且沿着代码走。74% 认为 AI 对实现有用或非常有用，66% 对调试或重构有用，然后在面向人的工作上塌下来：设计 50%，团队沟通 45%。行为数据从另一个角度说同一件事：67% 用 AI 在熟悉的领域生成代码，61% 用来调试，只有 20% 用来部署、运维或排查生产系统。这不是技术恐惧，而是知道一次糟糕的生产变更有多贵的人做出的风险判断。把代理的权限按数据来设计，而不是按演示来设计。

# The survey's sharpest split: 67% use AI to generate code in familiar areas,
# 61% to debug, and only 20% to deploy, operate or troubleshoot production.
# Encode that split instead of arguing about it in code review.

TASK_POLICY = {
    # task kind              agent may propose   human must approve   agent may execute
    "codegen_familiar":       (True,              False,               True),
    "debug_local":            (True,              False,               True),
    "test_generation":        (True,              False,               True),
    "dependency_upgrade":     (True,              True,                False),
    "schema_migration":       (True,              True,                False),
    "ci_config":              (True,              True,                False),
    "production_deploy":      (True,              True,                False),
    "production_troubleshoot":(True,              True,                False),
}

def guard(kind: str, action: str, approved_by: str | None = None):
    propose, needs_human, can_execute = TASK_POLICY[kind]
    if action == "execute" and not can_execute:
        if not approved_by:
            raise PermissionError("%s requires an approving human" % kind)
    return True

三、治理的缺口比模型的缺口更大

30% 的受访者说公司的 AI 使用是可选的、由个人决定，只有 24% 说他们的组织发布了获批工具清单或官方 AI 政策。工具已经装遍了每台机器，规则只装进了不到四分之一的组织。如果你就是写规则的那个人，这是你的机会，而且它不是一份文档，而是一小撮写在代码里的默认值：哪些任务代理可以直接执行，哪些必须有人批，哪些直接拒绝。调查里那个 20% 的生产数字就是一条不错的起始策略：可以提议，不许执行。

import json, time
import urllib.request

class Budget:
    """Quality first, but stop when the meter says stop.

    The survey found 75% of developers optimise for quality over cost (38%)
    when picking models and writing prompts, while 38% of organisations cap
    usage and 28% review spend. Both are reasonable; neither works without a
    number to look at.
    """

    def __init__(self, tokens_per_day: int):
        self.limit = tokens_per_day
        self.used = 0

    def charge(self, prompt_tokens: int, completion_tokens: int) -> None:
        self.used += prompt_tokens + completion_tokens
        if self.used > self.limit:
            raise RuntimeError("daily agent budget exhausted: %d/%d"
                               % (self.used, self.limit))

    def report(self) -> dict:
        return {"used": self.used, "limit": self.limit,
                "pct": round(100 * self.used / self.limit, 1)}

# Route by task, not by habit: cheap model for classification and summaries,
# strong model for architecture and multi-file edits. Then log which route ran,
# because the cost review the survey describes is impossible without it.

四、质量优先，直到账单来了

开发者为质量优化：在被问到怎么写提示词、怎么选模型时，75% 说质量，38% 说成本。而他们的组织已经开始用唯一能活过季度评审的语言表达不同意见——38% 设置了使用上限，28% 审阅过支出数据，27% 对不同工作用不同模型，25% 限制了谁能用 AI。两个立场都站得住，而且都离不开可见性。现实的解法是路由加记账：分类和摘要用便宜模型，多文件改动用强模型，并按路由记录 token 与结果，这样成本讨论才是在讨论哪条路由赚回了成本。

# verifiability.py — score an answer on how checkable it is,
# then refuse to show low-scoring answers without a warning.
import re

CITATION = re.compile(r"https?://[^\s)]+")
VAGUE = re.compile(r"\b(should|generally|typically|it depends|best practice)\b", re.I)

def score(answer: str, min_citations: int = 2) -> dict:
    text = answer or ""
    cites = CITATION.findall(text)
    hedges = len(VAGUE.findall(text))
    words = len(text.split())
    return {
        "citations": len(cites),
        "hedges_per_100w": round(100 * hedges / max(words, 1), 1),
        "has_example": bool(re.search(r"```|\bfor example\b|\be\.g\.", text)),
        "verdict": "ok" if len(cites) >= min_citations else "needs_sources",
    }

# Use it as a gate on anything that will be pasted into a doc or a ticket:
# two citations, one concrete example, hedges under control. It is a blunt
# instrument and it moves the argument from taste to a threshold.

五、让验证成为默认，而不是美德

我一直回到那个 6.6%。接近一半的人愿意信任能被验证的 AI，几乎没人愿意把重要决策交出去。这是一群校准得很好的人。它意味着提升团队信任最快的方式不是换个更好的模型，而是把验证成本降下来。每个答案两条引用、一个可运行的例子；一个能打开的链接；任何带版本的来源都附抓取时间；一份评审三十秒能扫完的 diff。这些都不光鲜，但它把讨论从「我信不信这个代理」变成「引用还活着吗」。

# route.py — one function that decides model and context budget by task,
# and logs the decision so the next cost review has data instead of anecdotes.
import time, json

ROUTES = {
    "classify":   {"model": "small",  "max_context": 8_000,  "needs_citations": False},
    "summarize":  {"model": "small",  "max_context": 32_000, "needs_citations": True},
    "codegen":    {"model": "strong", "max_context": 128_000, "needs_citations": False},
    "refactor":   {"model": "strong", "max_context": 128_000, "needs_citations": False},
    "answer_doc": {"model": "strong", "max_context": 64_000, "needs_citations": True},
}

def route(task: str, tokens_in: int, run):
    cfg = ROUTES[task]
    if tokens_in > cfg["max_context"]:
        raise ValueError("%s exceeds %d token context" % (task, cfg["max_context"]))
    t0 = time.time()
    out = run(cfg["model"])
    record = {"task": task, "model": cfg["model"], "tokens_in": tokens_in,
              "ms": int((time.time() - t0) * 1000),
              "citations": out.count("http"), "cites_required": cfg["needs_citations"]}
    print(json.dumps(record))          # ship this line to your log store
    return out

# The survey says 27% of organisations already use different models for different
# work. The ones that can defend it are the ones that log which route ran.

六、读完这份调查我会改的四件事

第一，写下任务策略——第二段代码里那八行足够引发一场真实的争论，而真实的争论本身就是进展。第二，给每个进入文档或工单的代理输出加一个引用字段，并让表单拒绝空值。第三，在有人要求成本评审之前，先把按路由的 token 记账做上，因为等到评审时才补更糟。第四，盯住调查里那个指向工作组织方式真实变化、却容易被忽略的数字：把自己描述为「一个人的组织」的开发者从 4% 升到了 10%。你未来的同事里会有更多人是独自带着代理干活，他们需要的不是一份政策文档，而是一套能用的默认值。