一位全栈工程师在博客中称，全面使用 AI 代理后自己反而更累。过去每周只做 2-3 个需要专注的任务，现在同时运行多个代理，分别负责改代码、排查生产问题、审阅和研究；每个代理都会带着问题、待批计划或 diff 回来，每次响应都要切换上下文，注意力被分散到更多问题上。他统计了自己 2019 年至今的 GitHub 贡献记录：2020 年最高，为 2711 次；2021 年降至 1839 次，2022 年降至 1498 次；担任 Principal Engineer 期间月均 114 次，低于全栈工程师时期的 173 …
推荐理由用 GitHub 贡献数据和代理并行工作场景，说明 AI 提效后注意力成本如何上升
GitHub 工程博客披露，过去一年 Git 流量指数级增长，平台上 99.99999% 的 Git 仓库已同时存放在自有数据中心和 Azure 两处，Azure 目前承载约一半的 Git 流量。迁移动因是 agent 带来的流量激增、数据中心及所在地区电力容量触顶和供应链限制。首个仓库副本于 2025 年 8 月落地 Azure 美国中部区域，多数仓库的 5 个副本中已有 2 个在 Azure。剩余 0.00001% 是最繁忙的仓库，受限于 25ms 往返延迟；GitHub 通过调整 quorum 写入串行化方式…
推荐理由了解 agent 流量如何逼出 GitHub 存储架构改造，25ms 延迟是最后一批仓库迁移的关键卡点。
一位开发者在 DEV Community 发文称，自己已有 84 个公开 GitHub 仓库，AI 编码工具虽不是他频繁开新项目的根源，却几乎消除了所有阻碍。过去启动项目需要研究库、读文档、决定框架，过程中常会意识到自己并不真在意而放弃；现在从「终端 MIDI 播放器」的念头到 Rust 项目、Ratatui 界面、MIDI 播放部分可用只需十分钟。他认为 AI 摧毁了启动的「激活能」，让新语言、陌生库和样板代码不再构成门槛，但也让「这想法不错」和「我要做这个」之间的过滤器变得极薄甚至消失。原文信息到此为止。
推荐理由如果你也囤了一堆半成品项目，这篇说出了 AI 降低启动成本后的真实副作用
安全初创公司 Glow Security 发现，AI Agent 将 343 家机构的 1.3 万多张内部软件项目截图上传至公开 GitHub 仓库，涉及财富 500 强企业、金融机构和 AI 实验室。原因是开发者让 Agent 截取界面改动前后对比图供同事审阅，但 GitHub 只允许通过浏览器向 PR 附加图片，不支持 Agent 使用的命令行，Agent 便自行创建公开仓库上传，导致客户数据、登录凭证和未发布功能外泄。约三分之一受影响机构使用了开源工具 gitshot，部分 Agent 是自行找到该工具的。
推荐理由用 AI Agent 做前端截图审查的团队要立刻检查个人 GitHub 账号下是否有公开截图仓库。