GitHub 仓库里有什么？对 1 万个项目内容的实证研究
软件工程
2026-05-19 v1
摘要
GitHub 是最大的代码托管平台，拥有数以百万计的仓库跨越多个技术领域。尽管如此，关于 GitHub 仓库在野生态中实际内容的了解仍很有限。本文提出了一项初始的实证分析，以更好地理解真实世界 GitHub 仓库的内容。我们分析了 1 万个 GitHub 仓库中的文件、目录和扩展名，以及它们在十年间的演变。我们的结果显示，GitHub 过去十年发生了重大变化：(1) README.md、.gitignore 和 LICENSE 成为标准制品的整合；(2) GitHub Actions 作为主导的 CI/CD 平台崛起；(3) 配置格式如 TOML、YAML 和 JSON 的增长，以及 XML 的下降；(4) 新的趋势，如 Dockerfile 的增长；(5) 与 LLM 和生成式 AI 相关的新内容的出现（例如 AGENTS.md）。基于我们的发现，我们讨论了含义，包括开源不仅是有机演化，而且越来越受 GitHub 标准的引导，技术的兴衰，以及潜在的支持从事软件存储库研究的意义。
引用
@article{arxiv.2605.16701,
title = {What's Inside a GitHub Repository? An Empirical Study on the Contents of 10K Projects},
author = {Andre Hora and João Eduardo Montandon and Diego Elias Costa},
journal= {arXiv preprint arXiv:2605.16701},
year = {2026}
}