GitHub Copilot делает код однообразнее: индекс за 2019–2025 подтвердил рост шаблонности

Исследование, опубликованное автором на основе данных GH Archive (публичный архив событий GitHub, доступный через Google BigQuery), охватывает пять контрольных дат: с 15 февраля 2019 года по 15 февраля 2025 года. Точка отсчёта: 30 ноября 2022 года, когда OpenAI представила ChatGPT и разработчики массово начали писать код в диалоге с моделью. Автор сравнивает не скорость, а разнообразие: насколько похожими стали артефакты открытых проектов после этой даты.

Что понадобится

• Доступ к Google BigQuery (бесплатный уровень позволяет обрабатывать до 1 ТБ запросов в месяц)
• Датасет GH Archive в BigQuery: таблицы с событиями PushEvent, PullRequestEvent, CreateEvent и другими типами активности GitHub
• Python 3.10+ с библиотеками для работы с текстом и AST (абстрактное синтаксическое дерево, древовидное представление структуры кода)
• GitHub Copilot или ChatGPT для сравнения: попробуйте сгенерировать README или функцию и сверить результат с метриками из исследования
• Время: базовый анализ одной контрольной даты занимает от 30 минут до часа

Как проверить однообразие кода самостоятельно?

1. Откройте BigQuery и подключите публичный датасет GH Archive. Выберите одну календарную дату (например, 15 февраля текущего года) и аналогичную дату за год-два до массового распространения ИИ-инструментов (до ноября 2022).

2. Выгрузите PushEvent за обе даты. Посчитайте число коммитов, уникальных репозиториев и активных разработчиков.

3. Соберите выборку README из созданных в эти даты репозиториев. Сравните структуру: какая доля содержит одинаковые секции (Overview, Features, Installation, Usage, Contributing, License).

4. Извлеките комментарии из коммитов. Подсчитайте долю шаблонных фраз:

Initialize...
Validate input
Handle errors
Return the result

1. Проанализируйте имена функций. Выделите топ-100 самых частых и посчитайте, какую долю всех функций они покрывают.

2. Сравните структуру каталогов новых проектов: как часто встречается типовой набор src/, tests/, docs/, config/, .github/workflows/.

3. Сведите результаты в единый индекс. Автор исследования назвал его GUI (GitHub Uniformity Index, индекс однородности GitHub): составная метрика, которая объединяет похожесть README, повторяемость комментариев и коммит-сообщений, концентрацию имён функций, похожесть AST-представлений и типовую структуру проектов.

Что это значит для вас?

Автору Дзена и копирайтеру. Если вы генерируете код для статей или плагинов через ChatGPT или GitHub Copilot, проверяйте результат не только на работоспособность, но и на «штампованность». ИИ выдаёт безопасные, усреднённые решения. Для обучающего контента это может быть плюсом, для демонстрации экспертизы это минус.

Маркетологу. Метрика GUI показывает, что ИИ-инструменты влияют не только на скорость, но и на стиль продукта. Если ваша команда разработки использует GitHub Copilot, стоит ввести ревью не только на баги, но и на уникальность архитектурных решений: клиент всё чаще отличает шаблонный продукт.

Предпринимателю в РФ. GitHub Copilot доступен в России с ограничениями (нужна оплата через зарубежную карту или VPN). Из российских аналогов: GigaCode от Сбера и инструменты на базе YandexGPT. Методологию GUI можно применить к внутренним репозиториям компании, чтобы понять, не превращается ли кодовая база в набор шаблонов. Автор исследования отдельно отмечает, что анализ включал русскоязычные репозитории.

Методология исследования открыта, данные публичны. Любой разработчик может воспроизвести анализ через BigQuery и проверить, стала ли его часть GitHub более однородной. Вопрос не в том, плохи ли ChatGPT или GitHub Copilot как инструменты. Вопрос в том, замечаете ли вы, когда инструмент начинает писать за вас не только код, но и стиль.