Vývojář Datasette publikoval graf své produktivity: vliv Opus 4.5 a coding agentů na reálný open source projekt

Simon Willison, autor open source projektu Datasette, zveřejnil graf frekvence změn kódu ve svém repozitáři na GitHubu. Graf ukazuje výrazný nárůst aktivity přesně v období, kdy začal používat nové generace AI modelů – Claude Opus 4.5, GPT-4.5 a jejich následovníky. Jde o jeden z prvních veřejných příkladů, kde vývojář s dlouhodobou historií projektu dokáže porovnat svou produktivitu před a po nasazení coding agentů na stejném kódu.

Graf ukazuje trojnásobný nárůst frekvence commitů v poslední fázi projektu

Datasette je otevřený nástroj pro exploraci a publikování dat, na kterém Willison pracuje od roku 2017. GitHub umožňuje zobrazit code frequency chart – vizualizaci, která sleduje počet přidaných a odstraněných řádků kódu v čase. Na Willisonově grafu je vidět relativně stabilní úroveň aktivity během let 2017 až 2023, pak mírné zvýšení v roce 2024 a následně prudký skok směrem ke konci sledovaného období.

Willison explicitně uvádí, že tento skok časově odpovídá jeho začátku používání modelů Claude Opus 4.5, GPT-4.5, GPT-4.6 a dalších pokročilých LLM. Nejde tedy o růst aktivity kvůli většímu týmu nebo změně projektových priorit – Datasette zůstává single-maintainer projekt. Graf zachycuje přímý dopad na jednotlivce, který používá AI asistenty pro psaní kódu.

Frekvence změn není přesná metrika produktivity, ale signalizuje posun

Code frequency chart měří počet řádků kódu přidaných a smazaných v jednotlivých commitech. Neříká nic o kvalitě kódu, složitosti implementovaných funkcí ani o tom, kolik času vývojář strávil laděním nebo přemýšlením nad architekturou. Velký commit může být refactoring, který nic nového nepřináší. Malý commit může obsahovat kritickou opravu bugu.

Přesto je frekvence změn užitečný indikátor aktivity – zejména pokud se sleduje dlouhodobě u stejného projektu a stejného vývojáře. Willisonův graf pokrývá sedm let práce na jednom repozitáři, což vytváří stabilní baseline. Když se na konci této časové řady objeví výrazný nárůst aktivity, který přesně koreluje s adopcí nových nástrojů, jde o signál, že nástroje mají měřitelný vliv.

Willison sám označil svůj přístup jako explorační – chtěl zjistit, jestli dokáže v datech najít stopu vlivu AI. To, že použil veřejně dostupný graf z GitHubu místo interní metriky, ukazuje, že nejde o kontrolovaný experiment, ale o retrospektivní pozorování.

Opus 4.5 a GPT-4.5 představují generační posun v asistenci při kódování

Modely, které Willison zmiňuje – Claude Opus 4.5, GPT-4.5, GPT-4.6 a další varianty z konce roku 2024 a začátku 2025 – přinášejí výrazně lepší schopnost pracovat s kontextem a generovat funkční kód na první pokus. Starší verze jako GPT-4 nebo Claude 3 vyžadovaly častější korekce, iterace a ruční zásahy do navrhovaného kódu.

Nové modely zvládají složitější úlohy: dokáží refaktorovat existující kódovou základnu, porozumět architektonickým vzorcům projektu a generovat kód, který respektuje zavedené konvence. Pro vývojáře to znamená, že AI asistent přestává být glorifikovaný autocomplete a stává se nástrojem, který dokáže převzít kompletní implementaci funkce nebo modulu.

V případě Datasette – projektu s tisíci commitů a rozsáhlou kódovou základnou – to znamená, že Willison může rychleji implementovat nové funkce, opravovat bugy a vylepšovat existující komponenty. Zvýšená frekvence commitů pravděpodobně odráží kombinaci rychlejší implementace, častějších iterací a možnosti řešit úkoly, na které dříve neměl čas.

Single-maintainer projekty jako testovací prostředí pro coding agenty

Datasette je reprezentativní příklad open source projektu spravovaného jedním člověkem s dlouhodobou historií. Takové projekty jsou ideální pro měření vlivu AI asistentů, protože eliminují proměnné jako změny ve složení týmu, firemní strategie nebo alokace rozpočtu.

Willisonův případ ukazuje, že coding agenti mají praktický dopad i na zkušené vývojáře s hlubokou znalostí vlastního kódu. Nejde o situaci, kdy AI pomáhá juniorním programátorům naučit se základy – Willison je autor projektu, zná jeho architekturu a má jasnou vizi dalšího vývoje. AI mu umožňuje realizovat tuto vizi rychleji.

Podobné signály začínají publikovat i další vývojáři open source projektů. GitHub Copilot, Cursor, Windsurf a další nástroje reportují zvýšení produktivity mezi 30 až 55 procenty v různých metrikách. Willisonův graf poskytuje konkrétní, veřejně ověřitelný příklad tohoto trendu na projektu s dlouhou historií.

Graf zachycuje moment, kdy AI coding přestává být experiment

Willisonův graf má hodnotu především jako časový dokument. Ukazuje konkrétní okamžik – přibližně konec roku 2024 a začátek 2025 – kdy nová generace modelů začala mít viditelný vliv na tempo vývoje etablovaného open source projektu. To není tvrzení o průměrné produktivitě všech vývojářů ani predikce budoucnosti. Je to dokumentace změny u jednoho člověka na jednom projektu.

Podobné grafy budou v příštích měsících publikovat další vývojáři, kteří mají dlouhodobé projekty s veřejnou historií commitů. Teprve agregace těchto pozorování ukáže, jak univerzální je tento efekt a jaké faktory ho ovlivňují. Zatím máme jednotlivé datové body, ale ty začínají vytvářet konzistentní obraz.