企业官网建设流程全解析

数据说明：本文所有数字均来自 Stack Overflow 2025 Developer Survey。该调查使用了 49,009 份、来自 177 个国家的回复，问卷时间为 2025 年 5 月 29 日至 6 月 23 日。受访者主要来自 Stack Overflow 自有渠道，因此这份报告的数据所呈现的是高参与度开发者群体的信号，而不是全行业“人口普查”。在 2026 年的报告发布前，这是开发者社区中该领域内权威性和覆盖面最佳的调研报告，其中呈现的规律值得我们关注。

一、理想已经进入日常：AI 不再是小众试验

如果只看采用率，AI 已经越过了“是否要试”的阶段。报告显示，84% 的受访者正在使用或计划使用 AI 工具，高于上一年的 76%。在所有受访者中，47.1% 每天使用 AI 工具；职业开发者更高，每天使用比例为 50.6%，报告正文四舍五入称为 51%。

更有意思的是分层差异。学习编程者（注：参考 Stack Overflow 其他报告的口径，这类人群不单包含学生，还有处在自学状态、为成为开发者做准备的非开发人员等）每天使用 AI 的比例为 39.5%，低于职业开发者；职业开发者内部，早期职业开发者，也就是 1-5 年经验者，每天使用比例最高，达到 55.6%；5-10 年经验者为 52.8%；10 年以上经验者为 47.3%。这说明 AI 的高频使用并不是“新手专属”，反而在已经进入职业开发流程、但仍需要大量完成具体开发任务的人群中最强。

不过，资深开发者并没有退出 AI。10 年以上经验者中，47.3% 每天使用，17.2% 每周使用，13.0% 每月或低频使用。现实不是“资深开发者不用 AI”，而是他们更可能把 AI 放在可控边界内使用。

二、现实也很清楚：使用率上升，信任度没有同步上升

AI 的理想是“提高效率、降低门槛、自动完成开发任务”。但报告显示，开发者对 AI 的情绪正在降温。2023 年和 2024 年，对 AI 工具持正面态度的比例都超过 70%；2025 年降到约 60%。职业开发者整体好感度为 61%，学习编程者为 53%。

从经验层级看，1-5 年职业开发者对 AI 的正面态度为 63.1%，5-10 年为 62.7%，10 年以上为 59.9%。也就是说，越资深并不是越反 AI，但确实更冷静。真正拉开差距的是“是否相信输出准确”。

所有受访者中，信任 AI 输出准确性的比例约为 33%，主动不信任的比例约为 46%；“高度信任”的人只有约 3%。学习编程者相对更愿意相信，信任比例为 37.4%，不信任比例为 43.8%。职业开发者信任比例为 32.4%，不信任比例为 45.9%。10 年以上经验者最谨慎：高度信任只有约 2.6%，高度不信任约 20%。

这对 IT 决策者很关键：AI 工具不是没人用，而是大家边用边怀疑。采购成功不等于落地成功，日活也不等于信任已经建立。

三、复杂任务是理想与现实的分界线

当任务复杂度上升，AI 的短板会迅速暴露。职业开发者中，只有 29.0% 认为 AI 处理复杂任务表现“很好”或“好但不完美”；认为“差”或“很差”的比例为 41.4%。学习编程者相对乐观，认为表现好的比例为 33.7%，认为差的比例为 35.3%。

职业开发者内部也有差异。1-5 年经验者认为 AI 处理复杂任务表现好的比例为 32.1%，5-10 年为 29.5%，10 年以上为 27.1%。资深开发者的正面评价最低，这并不奇怪：复杂任务往往牵涉上下文、架构约束、线上风险、团队约定和长期维护成本，而这些正是经验最容易识别的部分。

开发者遇到的具体挫败也印证了这一点。66% 的受访者遇到过“AI 方案几乎正确，但还差一点”的问题；45% 认为调试 AI 生成代码更耗时；20% 表示自己对解决问题的信心下降；16% 觉得很难理解代码为什么这样工作。只有 4% 表示没有遇到问题。

这就是当前 AI 的典型现实。它能显著降低初稿成本，但经常把成本转移到验证、调试、解释和责任承担上。

四、AI 更适合参与流程，不适合独自接管责任

从开发流程看，开发者最愿意把 AI 用在低风险、局部、可复核的任务上。当前“主要由 AI 完成”的任务中，搜索答案是最高的，为 54%；生成内容或合成数据为 36%；学习新概念或新技术为 33%；审查代码为 31%。相比之下，主要由 AI 写代码的比例只有 17%，主要由 AI 做部署和监控只有 6%。

“部分使用 AI”的场景更能代表现实开发：写代码为 59%，搜索答案为 56%，学习新技术为 47%，调试或修复代码为 47%。这说明 AI 正在成为开发过程中的辅助层，而不是完整替代开发者的执行主体。

开发者最抗拒的，是高责任、系统性任务。76% 没有计划采用 AI 做部署和监控，69% 不准备用 AI 做项目规划，66% 不准备用 AI 做预测分析，59% 不准备用 AI 做提交和代码审查，44% 不准备用 AI 做测试。换句话说，越接近生产系统、组织决策和质量责任，开发者越不愿意让 AI 独立上场。

“Vibe coding”也没有成为主流。报告中 72% 的受访者明确表示它不是自己专业开发工作的一部分，另有 5% 强烈否认。真正明确回答“Yes”的比例为 11.9%，“Yes, somewhat”为 2.8%，“I have tried it”为 2.1%。这说明用提示词生成软件的叙事很热，但在专业开发现场仍远未成为主流工作方式。

五、AI Agent 的理想更大，但现实更早期

如果普通 AI 编程助手的理想是“帮我写”，AI Agent 的理想则是“替我做”。但报告显示，Agent 还没有进入主流。所有受访者中，每天使用 AI Agent 工作的比例为 14.1%，每周 9.0%，每月或低频 7.8%；合计约 30.9%。同时，37.9% 明确不计划使用，13.8% 只使用 copilot/autocomplete 这类更简单的 AI 模式。报告正文把这两类合计概括为 52%。

职业开发者的 Agent 使用略高：每天 14.9%，每周 9.2%，每月或低频 7.7%，合计约 31.9%。学习编程者为约 28.3%，且 44.1% 不计划使用。即便只看已经使用 AI 的职业开发者，Agent 的实际使用也只是 37.3%，仍有 27.8% 不计划使用。

Agent 的收益主要体现在个人效率，而不是团队协作。Agent 用户中，约 70% 认同它减少了特定开发任务耗时，69% 认同它提高了生产力，64% 认同它帮助自动化重复任务，63% 认同它加速学习新技术或代码库。但只有 37% 认同它提高了代码质量，只有 17% 认同它改善了团队协作。

风险侧更直白：87% 的受访者担心 AI Agent 提供信息的准确性，81% 担心安全和隐私，53% 认为成本是障碍，46% 认为与现有工具和工作流集成困难，43% 认为需要显著时间和精力学习如何有效使用。

这对企业落地很重要。Agent 不是“买来就能替代流程”的产品，而是一个需要权限、上下文、审计、成本控制和安全边界的工程系统。

六、不同水平开发者使用的 AI 生态也不一样

大模型使用上，OpenAI GPT 在各层级都占据明显优势：所有受访者为 81.4%，职业开发者为 81.9%，学习编程者为 81.8%。但第二梯队开始分化。

职业开发者使用 Claude Sonnet 的比例为 44.9%，学习编程者为 29.8%。学习编程者则更高比例使用 Gemini Flash、OpenAI Reasoning 和 DeepSeek Reasoning：Gemini Flash 在学习编程者中为 42.6%，职业开发者为 34.4%；OpenAI Reasoning 分别为 41.1% 和 34.1%；DeepSeek Reasoning 分别为 37.6% 和 21.9%；DeepSeek General 分别为 25.5% 和 13.1%。

这提醒决策者：组织内的“AI 工具栈”不应只按品牌偏好制定。职业开发、学习探索、代码生成、搜索问答、Agent 编排，背后的工具组合可能不同。报告也显示，在现成 Agent/助手工具中，ChatGPT 为 82%，GitHub Copilot 为 68%，Google Gemini 为 47%，Claude Code 为 41%，Microsoft Copilot 为 31%。而在 Agent 编排工具中，Ollama 为 51%，LangChain 为 33%；在 Agent 可观测性和安全工具中，Grafana + Prometheus 为 43%，Sentry 为 32%。这说明很多开发者并不是完全迁移到全新的 AI-native 平台，而是在复用已有开发与运维工具。

七、人的角色没有消失，反而变成质量边界**

报告问到：如果未来 AI 能完成大多数编码任务，开发者什么时候仍然会向人求助？最高选项是“不信任 AI 答案时”，比例为 75.3%；其次是有伦理或安全担忧时，为 61.7%；想完全理解某件事时，为 61.3%；想学习最佳实践时，为 58.1%；卡住且说不清问题时，为 54.6%；需要修复复杂或陌生代码时，为 49.8%。认为“以后不再需要向人求助”的比例只有 4.3%。

这组数据给出了当前 AI 的边界：AI 可以生成、解释、建议、加速，但开发团队仍然需要人来判断正确性、安全性、上下文和责任。开发者对职业威胁的看法也偏谨慎而非恐慌：64% 认为 AI 不是自己当前工作的威胁，21% 不确定，15% 认为是威胁。不过，认为“不是威胁”的比例已从上一年的 68% 降到 64%，信心确实在松动。

给 IT 决策者的结论

• 第一，AI 已经是开发能力的一部分，不再只是创新小组的试验项目。早期和中期职业开发者每天使用比例超过 50%，资深开发者也有接近一半每天使用。组织需要把 AI 纳入正式工程实践，而不是只靠个人自发使用。
• 第二，不要把使用率误读为信任度。开发者一边高频使用，一边对准确性保持怀疑。准确性不信任、复杂任务表现不足、“差一点就对”的输出和调试成本，是当前最核心的现实问题。
• 第三，落地优先级应从低风险高频任务开始：搜索答案、学习新技术、生成初稿、文档、局部调试、部分写代码。这些场景能释放效率，同时便于人类复核。部署监控、项目规划、预测分析、代码审查等高责任任务，需要更强治理后再推进。
• 第四，AI Agent 要按工程系统管理，而不是按聊天工具管理。准确性、安全隐私、成本、集成和学习成本，都是报告中已经被开发者明确指出的问题。没有权限模型、审计、可观测性、回滚和责任归属，Agent 很难进入关键流程。
• 第五，最有效的组织方式不是让 AI 替代高级开发人员，而是让高级开发人员定义边界、评审关键输出、沉淀最佳实践，并帮助高频使用 AI 的早期和中期开发者把效率转化为可靠交付。

一句话概括：2025 年的 AI 已经跨过“采用门槛”，但还没有跨过“信任门槛”。它的理想是自动化开发，现实是增强开发者；它能加速很多工作，但越接近复杂性、质量和责任，人类判断越不可替代。