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

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

得解决方案能够在全国范围内轻松地被广泛复用。 自2020年10月，日本兵库县加古川市政府采用 Decidim以来，该平台已在以下项目中被广泛 使用： • 横滨市参与倡议平台 • 内阁办公室（日本国家政府）智慧城市指南小 组（Smart City Guidebook Subcommittee） • Decidim在兵库县的应用（Decidim applica- tion in Hyogo Prefecture） • 采取一些措施来规避这类风险，例如在开源许可证中添加条款，以标明商标并声明未授予任何许 可；如果不适合在开源许可证中添加条款，可另行添加商标声明，例如OpenJDK商标声明；也可 在社区网站上发布商标使用指南，规范商标授权使用的场景和方式等等 。在Neo4j公司诉Pure- Think公司的开源争议案件中，被告曾以裸许可商标失权作为其抗辩理由之一，但被法院驳回iv。 3、不合规使用开源软件的后果。对原 处理/在线分析处理的融合型数据库产品，实现了一键水平伸缩，强一致性的多副本数据安全，分 布式事务，实时OLAP等重要特性。同时兼容MySQL协议和生态，迁移便捷，运维成本极低。TiDB 社区是由 TiDB 生态中的开发者、用户、Contributor、合作伙伴一起建立的分享、学习平台。截至 目前，TiDB社区有超过96K请求、20K主题、196K帖子、2100贡献者。 TiKV：TiKV是一个分布式事务型的键值数据

延伸能力：百科管理（Wiki） 百科 Wiki 基于 Git 版本控制系统的文档托管，使用 Markdown 语法书写文档，实现项目知识库管理； 可以托管任何类型的文档，包括开发文档、技术文档、 操作手册、用户指南等。 Gitea 延伸能力：CI/CD Gitea Actions 支持 CI/CD 功能，兼容 GitHub Actions， 可重用 Actions 插件和已有 Workflows 脚本 Workflows 100+ 配置项，40+ 模块配置， 通过灵活的配置满足不同应用场景的需求 安全稳定 被⼴泛验证，39k+ GitHub Star、40万+ 安装量、 1000+ 贡献者，覆盖 1000万+ 开发者 Gitea 优势总结 极佳体验 • 在 UI 上与 GitHub 采用类似的风 格设计； • 在使上与 GitHub 保证一致的使用 体验。 风格兼容 • API 高度兼容：大部分 企业版介绍 3 Gitea 优势总结 2 Gitea 社区版 Gitea 企业版 • 产品快速迭代，优先体验产品特性； • 开放 & 开源生态，上下游社区项目丰富； • 广泛的社区用户 & 开发者支持。 X-Pack 增强包 + 企业级支持服务 X-Pack 增强包（已上线功能） 集成对接企业微信、钉钉、 飞书等 Gitea Actions SSH 依赖项扫描 数据安全备份

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 大型会议。除了展示网易集团在云计算、大数据、人工智能等领域的 科技成果、产业落地经验，还将链接网易内外部数字产业资源，成为 行业新趋势、产业新生态的发布盛会。 网易数字+大会 属于互联网人的开年指南、行业与职场的沉淀分享 2021 年 1 月，网易数帆面向泛互联网行业发起了年度对话——“与未 来同行”。有别于专业的技术理论分享，我们邀请了网易互联网技术领 军人物、网易杭研院院长汪源先生，就技术从业者关注的职业发展、 行业趋势与个人机会等热门话题做分享交流，引发了与会者的广泛讨 论。 “与未来同行”开年演讲 数帆活动 数帆技术沙龙 行业专业圈层内的垂直交流会 数帆技术沙龙，聚焦云原生、大数据、质量效能、人工智能等领域，面 向各行业的开发者、架构师、测试运维、数据分析师及对相关领域感 兴趣的技术爱好者，旨在促进技术交流，与参与者共同探讨前沿的技 术知识与行业实践。 促进数字化转型深入交流的综合性参观活动 是网易数帆打造的综合性交流分享活动，主要面向对网易集团业务、

……………………… 66 6 2.4 新增开源项目领域分布 …………………………………………………………………………… 66 2.5 年度最受开发者关注的用户 ……………………………………………………………………… 67 2.6 年度最受开发者关注的组织 ……………………………………………………………………… 67 2.7 Gitee 指数 ………………………………………………………………………………………… 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 2021 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。问卷 从两个角度展开，其中包括个人信息（包括工作信息和开发者技术信息）和开源社区参与 情况，与往年不同的是，今 通过 44 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 ：44

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

/ Questionnaire 1、报告背景 / 1 Report Background 2016 年初，开源社发布了《2015 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 2021 年中国开源世界的地图。 In early 2016, KaiYuanShe open source scenarios in 2021. 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。问卷从两 个角度展开，其中包括个人信息（包括工作信息和开发者技术信息）和开源社区参与情况，与 往年不同的是，今年我们加入了开源社区度量和开源商业化相关的话题，欢迎大家参与问卷并 发表自己的想法。 This questionnaire is an essential source. 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 Target: Covering developers, community members, contributors, students, government and corporate executives 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 Survey content: