1 1 /*使用电脑阅读，获得最佳体验 1 1 序 毫无疑问，开源开发者圈子来看，2023 年是大模型 LLM 年、生成式 AI GenAI 年。 一、 这自然要从 OpenAI 说起，前一年年底，ChatGPT 的横 空出世，标志着对话式 LLM 开始进入公众视野，为人们 提供了全新的人机交互方式。而 2023 年 3 月，同系 GPT-4.0 的发布则将 LLM 的规模和能力提升到一个新 3 模型升级、Adobe 产品整合 LLM 能力、 语音模型 whisper-3 更新、AI 虚拟主播创造等，都是在 这条路上的进一步发展。 五、 AI 编程方面，Copilot 可以根据开发者的代码提示自动补 全代码，大大提高了开发效率。这也引发了代码原创性的讨 论，但它已经实实在在将 LLM 拉进了编程应用领域。 六、 LangChain 的出现，实现了 LLM 之间的链式交互，使多 镜头给到国内。相比国际上当前逢 AI 必 GenAI，国内更 多地还是在 LLM 这一层面，Robin Li 的“卷大模型没意 义，卷应用机会更大”，其实很深刻地指出了内中区别。 本报告以开发者视角为主，从 LLM 切入，但实际上或多 或少与 GenAI 脱不开关系。 2023 年国内 LLM 发展活跃，从最初的百度文心一言“硬 刚”ChatGPT，到后来各式各样的大模型与产品出现，覆

编程技术与工具发展综述 45 | RAG 的 2024：随需而变，从狂热到理性 51 | 大模型训练中的开源数据和算法：机遇及挑战 57 | 2024 年 AI 编程工具的进化 62 | AI 开发者中间件工具生态 2024 年总结 66 | AI Agent 逐渐成为 AI 应用的核心架构 68 | 谈开源大模型的技术主权问题 72 | 2024:大模型背景下知识图谱的理性回归 77 | | 大模型生成代码的安全与质量 93 | 2024 年 AI 大模型如何影响基础软件行业中 的「开发工具与环境」 98 | 推理中心化：构建未来 AI 基础设施的关键 Part 1：中国开源开发者生态数据 04 | Gitee 数据篇 Part 3：国内 GenAI 生态高亮瞬间 104 | 中国 GenAI 消费应用人气榜 Top10 15 | OSS Compass Insight 设计：张琪 开发者是开源生态的重要支柱。 本章结合 、 的数据分 析，勾勒 2024 年中国开源开发者的整体画像趋势轮廓，主要 反映中国开源开发者使用开源大模型概况、开源项目/组织健康 度，以及中国开源社区的生态评估等情况。 Gitee 数据篇 本报告数据来源：2024年1月至2024年12月 Gitee及Gitee AI平台相关公开数据 4 / 111 开发者是社区的力量源泉

合理分配的。
海外独⻆兽：OpenAI
训下⼀代模型，我们推测有⾄少
10
万张
H100，单个集群也能达到
3
万张。 OpenAI
显然是追求“登⽉”的，不⾜可能是没那么注重⽤⼾和客⼾体验。⽉之暗⾯和
OpenAI
的差 异化路径会在哪⼉？有什么是⽉之暗⾯能做⽽
OpenAI
不做的？
杨植麟：短期内关键的⼀点在于⼤家的
tech
vision
不完全相同。很多领域并不是
OpenAI
的核⼼竞争 效应，算法能根据⽤⼾的⾏为实时反 馈，⽤⼾体验也能不断提升。LLM
现在⽆法实时反馈⽤⼾⾏为，AI-Native
产品的⻜轮效应会是什 么？ 杨植麟：我深⼊思考过这个问题。AI-Native
产品最终的核⼼价值是个性化交互，这是以前技术实现得 不好的，所以这个问题其实是关于个性化的
⸺
怎么让⽤⼾使⽤你的产品多了之后，获得⾼度个性化 的互动体验。今天对许多产品来说，这个个性化程度⼏乎为零。以前我们只能做个性化的推荐，但现 ，⼯业时代讲究规模效应，互联⽹时代讲究⽹络效 应，AGI
时代会有新范式吗？
杨植麟：短期是组织⽅式的变化带来技术上的提升
⸺
你通过更好的组织带来更好的技术，然后在产 品上直接传递出更好的体验。 ⻓期⼤概率还是⽹络效应。问题在于⽹络效应的体现⽅式是什么？⽐如以前互联⽹的双边⽹络可能仍 然会存在，但并不是⽤⼾和创作者双边。AI-Native
产品的双边⽹络可能体现在个性化上，⽤⼾和
AI
存

使用开源许可证需注意的风险点 审判机关 开发者 开源许可证 “两者的契约” 开源者 将许可证视为“合同”，基于《著作权法》、 《专利法》等法律法规对相关纠纷进行判决 围绕许可证可能出现的其他风险 专利风险 数据风险 出口风险 其他风险 开发者商用开源代码时容易出现的违规风险：不同开源许可证对 于二次发行有不同程度的开源要求，要求越严格，开发者越难保护商 业版本发行的机密性，不知情企业闭源发行时越容易有侵权风险 www.iresearch.com.cn 中外软件开源对比（1） 开发者开源规范意识较弱、企业开源战略参与度较低，是当前国内出现 的主要现象 1% 11% 11% 12% 14% 17% 23% 27% 42% 44% 60% 其他 木兰宽松许可证 来源：Gitee《2022中国开源开发者报告》，结合专家访谈、公开资料，由艾瑞咨询研究院自主研究及绘制。 开发者对常见开源许可证了解情况 开源开发者对于许可证种类与应用的了解不全 17%的开源开发者对于所有开源许可证不了解但直接使用 开发者对于许可证的种类认知并不全面，了解程度最高的 Apache许可证占比仅有60%，对于常见开源许可证都了解且 自觉遵守的开发者占比只有11%。 18.6% 29

安装基数约 40 万； • Docker Pulls 累计超过 3 亿次。 注：GitHub Star 数量统计截至 2023 年 11 月。 Star 39,000+ 接近 GitHub 使用体验、可私有化部署的新一代的代码托管平台 DevSecOps 延伸能力 CI / CD 包/发布管理 依赖项扫描 百科管理 项目管理 其他能力… 合并请求 代码审查 分支管理 代码仓库 Lead 对提交的 PR 进行代 码审查，通过后进行合并 06 发布 在分支上进行持续集成、测试验 证并最终通过 release 分支发布 为团队和开发人员提供从规划到生产的高效且易用的使用体验 Gitea 核心能力：代码仓库 仓库管理 创建和管理仓库、浏览提交历史和代码文件、审查和合并代码提交、管理协作者、 管理分支等。支持标签、Cherry-pick、WebHook、集成协作工具等。 Gitea 开放的 第三方集成市场 Webhook 集成能力 Gitea 其他能力 1 Gitea 开源项目介绍 Gitea 企业版介绍 3 Gitea 优势总结 2 极佳体验 接近 GitHub 使用体验 + 兼容 GitHub API、Actions、操作语法生态 + 本地化部署 简单易用 多种操作系统和数据库部署方式 简单的使用方式，多种的集成方式 卓越性能 采用

⼀⽅⾯，是开源这么多年⼀直持续的上升势头。⽽另⼀⽅⾯，则是我们的⼀个猜测：疫情以 来，越来越多的⼈开始远程办公，事实上促进了更多的⼈有机会“斜杠化”，也就是在⼀台电脑 ⾯前⽅便地切换多种身份，以异步的⽅式处理多种事务，从⽽增加了开发者参与开源的时间和 机会。 当然，同样由于远程办公，虚拟世界在⼈类⽣活中的占⽐，变得更⼤了。这样是否更好，还会 引发哪些问题？作为站在隧道⼝的⼈类，其实是猜不透的。 2. 中国开源崛起以及开源世界分裂的趋势 年中国开源社区参会调查报告》，随后的⼏年中，持续发 布了开发者调查报告，旨在从多种维度呈现国内的开源发展情况。今年我们再次启程，结合数 据分析⼿段和调查报告等多种形式，绘制⼀份 2020 年中国开源世界的地图。 这份问卷是每年中国开源年报的重要⼀环，不基于调研的分析报告不过是纸上谈兵。在往年的 基础上，我们参考了其他现存的主流开发者问卷内容，并加⼊了⼀些新的视⻆。基于 2020年 COVID-19 通过近 60 项左右问题的统计调查与分析，我们希望能够还原出当前中国开源社区的真实现 状，从⽽为开源的后来⼈提供权威的参考。  调查对象：覆盖开发者、社区成员、贡献者、学⽣、政府企业管理⼈员  调查内容：主要涵盖个⼈信息、⼯作状况、开源社区以及开发者技术  调查⽅法：以在线问卷⽅式搜集样本和数据，交叉对⽐法分析数据  推⼴⽅法：线上社交媒体、博客、开源社、开源中国⽹站  问题数量：59

网易早期云存储产品诞生，支撑网易邮箱运行。 数帆阶段 网易云阶段 前身阶段 数帆历程 04 COMPANY 背靠24 年互联网技术积累 成熟可靠 年 24 140 余项技术专利 140 12 亿终端用户体验支持 亿 12 100 余家行业头部客户 + 100 产品与方案均经 网易大规模内部实践验证； 标杆项目均与行业龙头企业共建。 自主可控 产品基于开源内核， 底层实现全面跨云； 基础软件实现国产兼容，推动信创。 温氏集团 网易数帆轻舟团队协助我们构建了大华统一产品服务中心，大幅 提升了不同产品线的信息交互效率。轻舟云原生平台使我们统一 了企业信息化标准，降低了运维难度，并提升了平台的稳定性和可 扩展性，改善了用户体验。后续将继续基于轻舟进行共享能力中 心的沉淀，加速前端业务需求的响应速度，构建企业信息化服务 资产体系。 信息科技部 屠经理 大华股份 网易数帆与海亮的合作是基于海亮自身的业务需求出发的，在与 持拖拽、模块化、多语言等特 性，提供在线采样、上传数据 多种调试方式，支持任务血 缘、版本管理等。 流批一体存储 提供开发 / 线上模式，实现 开发 / 运维隔离，支持快照 版本管理；通过调试功能为 开发者模拟低成 本开发集 群，在不引入额外成本前提 下全面保障线上安全。 全链路监控 提供任务的全生命周期事件 管理，支持任务运行日志收集 与检索，支持任务运行状态各 维 度 metrics 的 汇 总

开源软件与云计算的关系 2 3 开源软件基金会前瞻 5 中国的开源软件法治建设状况 4 中国的开源软件产业发展洞察 4 ——《大教堂与集市》中文版，机械工业出版社 好的软件作品，往往源自于开发者的个人需要——按说这是显而易见的（正如 老话说“需要是发明之母”），但太多的软件开发人员并不需要也不热爱他们 正在开发的软件，他们把编程当差事，为的只是拿薪酬。Linux世界里可不是 这样—— 与世界上绝大多数商品不同，使用一款软件不仅不会损耗它 的价值量，还有可能为之带来增长 开源软件理念的前身是美国计算机软件产业起步之时就在软件开发者群体中流传的“自由软件”理念，彼时这些开发者认 为软件不应该成为一种私有财产，而应该被公开成为公共资源，这样做的好处在于通过让海量的用户对软件进行使用和反 馈来帮助开发者进行产品升级——这是一种只有在软件这样的产品上才能够实现的发展模式；然而，自由软件理念与企业 商业化运营背道而驰 1970s-1998 • 软件开源理念可以追溯到美国的计算 机软件产业初期，彼时一些开发者提 出了“自由软件”的概念，核心理念 是软件不应该成为一种被私有化的商 业资产，而应该成为一种公开、可免 费获得的公共资源，这一理念是后来 的“开源软件”概念的前身 • 1976年美国《著作权法》修订将软件 纳入规制范畴，引起了众多提倡自由 软件的开发者的不满，加速了市场对 开源软件的【战略深化期】 1998-2010

n p Y d O w t v B 4 G 0 G p y 8 U I q e T 9 M 6 Deepseek的能力图谱 直接面向用户或者支持开发者，提供智能对话、文本生成、语义理解、计算推理、代码生成补全等应用场 景， 支持联网搜索与深度思考模式，同时支持文件上传，能够扫描读取各类文件及图片中的文字内容。 决策支持 文体转换 个性化推荐 “学习太难？DeepSeek带你‘开挂’逆袭！ 场景1：课堂上突然跟不上了，怎么办 场景：数学课上，老师正在讲解“隐函数求导”，步骤写到第三行时突然跳过了中间推导，直接给出结果：“所 以这里的dy/dx=(-2x-y)/(x+3y²)”。你盯着白板上的公式一脸懵——前两步的链式法则展开去哪了？为什么分 母突然多了3y²？ 周围同学纷纷点头，老师已经翻到下一页讲应用题了。你手心冒汗，想举手提问又怕被说“这 dy/dx，请展示完整的链式法则展开步骤，特别是分母 3y²的来源。” Ø 秒速获取步骤解析： 立即对照补全笔记，跟上老师进度。 2. 课间5分钟（深度追问） p 适用场景：老师已下课，但10分钟后还有后续课程 p 操作技巧： Ø 追问细节： “为什么对y³求导会得到3y²·dy/dx而不是3y²？” Ø 让AI用类比解释： “请用‘水管流速’比喻说明隐函数求导中dy/dx的意 义。”